ESF Promotionen 2019



Die Vorhaben wurden mitfinanziert aus Mitteln des europäischen Sozialfonds (ESF) und des Freistaates Sachsen.

Aus dem Europäischen Sozialfonds (ESF) werden ab 01.10.2019 insgesamt sieben kooperative Promotionsverfahren an der Hochschule Mittweida gefördert. In Kooperation mit der Universität Bielefeld, der TU Chemnitz, der TU Freiberg und der Universität Bielefeld werden folgende Forschungsthemen bearbeitet:

Im Forschungsschwerpunkt "Digitalisierung in Wirtschaft und Gesellschaft" betreut Prof. Dr. rer. pol. André Schneider das Thema:

Nachhaltige Entwicklung digitaler Lernressourcen mit Hilfe des Ansatzes der Open-Innovation in der schulischen, akademischen und betrieblichen Bildung

Im Forschungsschwerpunkt "Produkt- und Prozessentwicklung" betreut Prof. Dr.-Ing. Bert Schusser das Thema:

Die Auswirkungen von Industrie 4.0 auf das Facility Management – die Entwicklung eines Referenzmodells für die Unterstützungsprozesse in kleinen und mittelständischen Unternehmen

Im Forschungsschwerpunkt Angewandte Informatik betreut Prof. Dr. rer. nat. Peter Tittmann das Thema:

Ordnungen für die Knotenmenge von Graphen und Anwendung für die Analyse komplexer Kommunikationsnetze

Im Forschungsschwerpunkt Angewandte Informatik betreut Prof. Dr. rer. nat. Peter Tittmann das Thema:

Polynominvarianten von Graphen und Enumeration knoteninduzierter Untergraphen mit Anwendungen für die strukturelle Analyse von Netzwerken

Im Forschungsschwerpunkt Angewandte Informatik betreut Prof. Dr. rer. nat. habil. Kristan Schneider das Thema:

Statistische Methoden zur Erhebung von Biodiversität und genetischer Diversität im räumlichen und zeitlichen Kontext

Im Forschungsschwerpunkt Angewandte Informatik betreut Prof. Dr. rer. nat. habil. Thomas Villmann das Thema:

Maschinelles Lernen für robuste Klassifikation mittels prototypbasierter Lernverfahren für BigData in technischen Systemen

Im Forschungsschwerpunkt Angewandte Informatik betreut Prof. Dr. rer. nat. habil. Thomas Villmann das Thema:

Maschinelles Lernen für probabilistische Modelle des prototypbasierten Lernens im Rahmen von Big Data

Weitere Informationen sind auf den Seiten der Forschungsgruppen ersichtlich: