Prof. Dr. Christina Kratsch
Lehr- und Forschungsgebiet
Data Science und Künstliche Intelligenz,
AI Business Models & Innovation,
Explainable AI,
Generative AI,
Data Engineering,
Operationalisierung von KI
Forschungsaktivitäten
Werdegang
Prof. Dr. Christina Kratsch ist seit Dezember 2022 Professorin für Künstliche Intelligenz und Software Engineering an der Hochschule für Technik und Wirtschaft Berlin. Ihr Lehr- und Forschungsgebiet liegt an der Grenze zwischen Künstlicher Intelligenz und Business Model Engineering. Kern ihrer aktuellen Forschungsarbeit ist die Frage, wie KI-Modelle in Unternehmen erfolgreich umgesetzt werden – und welche technischen, aber auch sozialen oder strategisch-organisatorischen Hürden dabei entstehen. Dafür evaluiert und erweitert sie aktuelle Verfahren des maschinellen Lernens mit einem Fokus auf Explainable AI, Generative AI und KI-Operationalisierungsverfahren (MLOps).
Zuvor war sie als Head of Research, Development and Innovation bei der Comma Soft AG tätig, wo sie unter anderem das Big Data Analytics Lösung FASTGenomics als KI-Plattform für die Einzelzellgenomik mitentwickelte. Sie hat auch als Data Science Consultant für Kunden in verschiedenen Branchen gearbeitet und als Data Scientist bei Zalando A/B-Tests und Kunden-Segmentierungen durchgeführt. Ihre Promotion entwickelte sie am Max Planck Institut Saarbrücken und am Uniklinikum Düsseldorf zu KI-basierten Merkmaldetektionsverfahren in Genomdaten.
Christina möchte ihre langjährige Erfahrung im Umgang mit Technologie-Innovationen nutzen, um praktische Methoden der Künstlichen Intelligenz weiterzuentwickeln, so dass sie im unternehmerischen Alltag gewinnbringend und nachhaltig eingesetzt werden können.
Infos zur Lehre
- Abschlussarbeiten im Lab (Moodle Link)
- Campus Story zum Programmierprojekt
- KI Werkstatt Hauptseite (Forschungsprojekte)
- Vorlesungen in der KI-Werkstatt
Sprechzeiten
Termine zur Sprechstunden können jederzeit via Calendly vereinbart werden: https://calendly.com/christina-kratsch-htw/sprechstunde.
Abschlussarbeiten
Überblick: Eine typische Abschlussarbeit bei mir beinhaltet die Implementierung, Erweiterung und Evaluation von KI-Verfahren für angewandte Fragestellungen, vorzugsweise in einem unternehmerischen Kontext. Wichtig dabei ist ein hoher experimenteller Anteil und die saubere Anwendung von Methoden der Modellierung, des Software Engineerings und des Maschinellen Lernens. Masterarbeiten haben üblicherweise einen höheren Anteil an explorativer Datenanalyse und MLOps, basierend auf eigenen Ideen und Ansätzen.
Themenbereiche: typische Themenbereiche für Abschlussarbeiten sind Anwendungsfälle generativer KI, Datenanalysen und ML-Modellierungen für komplexe Engineering-Probleme, Vorhersagemethoden im unternehmerischen Kontext sowie Studien zu KI-Infrastrukturfragen. Alle Themen auch gerne in Kooperation mit Unternehmen.
Voraussetzung: Voraussetzung ist der erfolgreiche Abschluss einer passenden Wahlpflichtveranstaltung im Studiengang (WiKiSys, Bildverarbeitung, Machine Learning) oder vergleichbare Vorkenntnisse.
Anfragen: melden Sie sich gern mit einem Themenvorschlag. Wenn Sie noch auf der Suche nach einem Thema sind, melden Sie sich gern mit Ihrem Notenspiegel und Ihren grundsätzlichen Interessen aus relevanten Vorlesungen.
Funktion und Organisationseinheit
-
Fachbereich 2: Ingenieurwissenschaften - Technik und Leben
Hochschullehrer*in -
Informatik in Ingenieurwissenschaften (M)
Hochschullehrer*in -
Ingenieurinformatik (B)
Hochschullehrer*in