Humboldt-Universität zu Berlin - Wirtschaftswissenschaftliche Fakultät

Der Lehrstuhl für KI in den Wirtschaftswissenschaften untersucht, wie künstliche Intelligenz und Data Science die Forschung und Entscheidungsfindung in den Wirtschafts- und Sozialwissenschaften voranbringen können. Unser Ziel ist es, die Lücke zwischen modernen Methoden des maschinellen Lernens/der KI und robusten statistischen Prinzipien zu schließen und transparente, interpretierbare und vertrauenswürdige Werkzeuge für die angewandte Forschung zu entwickeln. Wir arbeiten interdisziplinär und institutionsübergreifend und kombinieren Theorie, Berechnung und politische Relevanz, um einige der drängendsten wirtschaftlichen und gesellschaftlichen Herausforderungen unserer Zeit anzugehen.

 

Katarzynas Forschung

Katarzyna Relugas Forschung liegt an der Schnittstelle zwischen statistischem maschinellem Lernen, kausaler 
Inferenz und erklärbarer KI. Ihre Arbeit konzentriert sich auf die Entwicklung von Methoden, die die Interpretierbarkeit, Robustheit und Fairness von KI-gesteuerten Modellen verbessern, mit einem starken Schwerpunkt auf Anwendungen in der öffentlichen Politik und der amtlichen Statistik. Sie integriert moderne KI-Techniken mit klassischen Frameworks wie Umfrage-Stichproben und Kleinraumschätzungen, um die Präzision und Transparenz sozioökonomischer Indikatoren zu verbessern.

Aufbauend auf ihrem Hintergrund in den Bereichen Post-Selection und Computational Inference entwickelt sie Methoden, die Theorie und Praxis miteinander verbinden und sich mit realen Problemen in Bereichen wie öffentlicher Gesundheit, Armutskartierung und Politikgestaltung befassen. Ihre Forschung zielt darauf ab, statistische Methoden und Datenwissenschaft an der Schnittstelle zwischen Statistik und KI voranzubringen und offene, reproduzierbare und sozial verantwortliche Forschung zu fördern.

Eine Liste der aktuellen Projekte finden Sie auf meiner Website. 

Für Fragen bezüglich der Betreuung von Bachelor/Master/Doktorarbeiten beachten Sie bitte die Hinweise auf der Abschlussarbeiten Seite

Philipps Forschung

Philipp Warodes Forschung liegt an der Schnittstelle zwischen algorithmischer Spieltheorie, Optimierung und Netzwerkdesign, wobei der Schwerpunkt auf rechnerischen und algorithmischen Aspekten von Gleichgewichts- und Flussproblemen in Netzwerken liegt. Er entwickelt mathematische und algorithmische Werkzeuge, um zu verstehen, wie sich Gleichgewichte unter parametrischen Änderungen, wie z. B. unterschiedlichen Nachfragen oder Preissystemen, verhalten, und um effiziente Algorithmen für deren Berechnung zu entwerfen. Dazu gehören Arbeiten zu Stau- und Wardrop-Gleichgewichten, zur CO2-Bepreisung in Verkehrsnetzen und zu parametrischen Flussproblemen mit nichtlinearen oder konvexen Kosten.

Philipp interessiert sich auch für Approximationsalgorithmen und Scheduling-Theorie, insbesondere für die Entwicklung einfacher und effizienter Strategien für komplexe oder unsichere Umgebungen wie das Non-Clairvoyant Scheduling. Insgesamt kombiniert seine Forschung kombinatorische Optimierung, konvexe Optimierung und algorithmische Spieltheorie, um grundlegende Fragen der Effizienz und des Gleichgewichtsdesigns zu behandeln.