Die präzise Abgrenzung zwischen krebsartigem Gewebe (CTV) und gesundem Gewebe ist bei der Strahlentherapie notwendig, um sowohl Nebenwirkungen als auch das Wiederauftreten eines Tumors zu verhindern. Diese Aufgabe ist für Menschen und für maschinelle Lernalgorithmen schwierig. Expertenrichtlinien existieren, um einen erstklassigen Standard im klinischen Alltag zu etablieren. Das Ziel des Forschungsprojekts ist die Kombination menschlichen Expertenwissen mit neuronalen Netzen, die in der medizinischen Bildsegmentierung Anwendung finden. Im Rahmen der HIDSS4Health findet das Prjekt in Kooperation zwischen KIT und dem Deutschen Krebsforschungszentrum statt.

Assoziiert: Alexandra Walter

CAMMP steht für Computational and Mathematical Modeling Program. Es ist ein außerschulisches Angebot des Karlsuher Instituts für Technologie (KIT) für Schüler verschiedener Altersstufen. Wir wollen die gesellschaftliche Bedeutung von Mathematik und Simulationswissenschaften bewusst machen. Dazu setzen sich die Schülerinnen und Schüler in verschiedenen Veranstaltungsformaten gemeinsam mit Lehrkräften aktiv mit der Problemlösung mit Hilfe von mathematischer Modellierung und Computernutzung auseinander. Dabei setzen sie sich mit realen Problemen aus dem Alltag, der Industrie oder der Forschung auseinander.

Assoziiert: Maren Hattebuhr,  Stephanie Hofmann, Sarah Schönbrodt, Kirsten Wohak

Helmholtz UQ befasst sich mit der Unsicherheit in Daten, Analysen und Vorhersagen aus verschiedenen Bereichen, die durch unsere Anwendungsfälle repräsentiert werden. Wir erforschen Gemeinsamkeiten bei der Abschätzung und dem Umgang mit Unsicherheit in diesen Bereichen und lernen aus möglichen Unterschieden.

Der Internetauftritt von Helmholtz UQ kann hier eingesehen werden.

Assoziiert: Maqsood Rajput, Jonas Kusch

Eine herausragende Lehrerbildung in den MINT-Fächern bildet die Grundlage, um der in Deutschland dringend notwendigen Nachwuchsförderung im MINT-Bereich gerecht zu werden. Ausgangspunkt für das gemeinsame und in der Verknüpfung von Lehrerbildung und MINT-Bereich in Baden-Württemberg einzigartige Projekt MINT²KA stellen die bereits am Karlsruher Institut für Technologie (KIT) und an der Pädagogischen Hochschule Karlsruhe (PH) ansässigen Schülerlabore und Lehr-Lern-Labore dar, die im Rahmen des Projektes MINT² KA in den Fächern Mathematik, Chemie und Physik ausgebaut, weiterentwickelt und auf jeweils weitere Schulstufen ausgedehnt werden.

Assoziiert: Maren Hattebuhr, Kirsten Wohak, Sarah Schönbrodt

Die Zielstellung des Projektes QUANTOM® ist dem Forschungsfeld „Zerstörungsfreie Deklaration bzw. Analyse von (Alt-)Abfällen“ der Fördermaßnahme „FORKA – Forschung für den Rückbau kerntechnischer Anlagen“ zuzuordnen. Das Projekt wird vom Bundesministerium für Bildung und Forschung (BMBF) gefördert. Die Framatome GmbH, die Aachen Institute for Nuclear Training GmbH und das Fraunhofer-Institut für Naturwissenschaftlich-Technische Trendanalysen kooperieren als Verbundpartner zur Entwicklung einer innovativen Messanlage für die zerstörungsfreie stoffliche Beschreibung und Plausibilitätsprüfung von radioaktiven Abfällen, verpackt in 200-l-Stahlfässern. Ziel des Projekts ist die Entwicklung, der Aufbau und die Erprobung der Fassmessanlage.

Assoziiert: Alexander Jesser

Ziel des Projekts B9 ist die Anwendung, Anpassung und Implementierung der dynamischen Low-Rank-Methode für die Simulation von Strahlungswärmewellen. Strahlungswärmewellen entstehen, wenn Strahlung von einer heißen Quelle in ein kaltes Material eindringt. Physikalische Phänomene, bei denen Strahlungswärmewellen beobachtet werden, sind unter anderem in der Plasma- und Astrophysik zu finden. Bei der Simulation dieser Wellen ergeben sich verschiedene Herausforderungen. Erstens ist der Phasenraum hochdimensional, da er neben Raum und Zeit auch die Richtungen umfasst, in die sich Strahlungsteilchen sowie Energie bewegen können. Zweitens werden die Wechselwirkungen der Teilchen mit dem Material durch stark oszillierende Wirkungsquerschnitte beschrieben, die eine fein aufgelöste numerische Diskretisierung erfordern. Wir gehen diese Herausforderungen an, indem wir die dynamische Low-Rank-Methode auf dieses Problem anwenden, die die Dynamik eines gegebenen Systems auf einer Low-Rank-Mannigfaltigkeit entfaltet. Diese Strategie reduziert die numerischen Kosten und den Speicherbedarf erheblich und ermöglicht gleichzeitig eine zufriedenstellende Lösungsapproximation.

Assoziiert: Jonas Kusch, Steffen Schotthöfer

Die Strahlentherapie ist einer der Eckpfeiler der modernen Krebsbehandlung, die bei 50 % aller Patienten angewandt wird. Sie beruht auf einem computergestützten Patientenmodell und einer quantitativen, räumlichen Simulation der in den Körper des Patienten abgegebenen Strahlendosis. Dies ermöglicht eine computergestützte Optimierung jeder einzelnen Strahlenbehandlung vor Beginn der Therapie. In der klinischen Praxis berücksichtigt die Behandlungsoptimierung jedoch nur ein einziges "best guess"-Behandlungsszenario und vernachlässigt eine Reihe von Unsicherheitsquellen entlang des Workflows. Ziel des Projektes ist die Entwicklung einer effizienten Berechnungspipeline für das Unsicherheitsmanagement in der Ionenstrahltherapie, die auf Monte-Carlo-Algorithmen zur Dosisberechnung basiert. Hierfür sollen modernste Methoden aus der mathematischen Unsicherheitsquantifizierung genutzt werden um die arithmetische Last der beteiligten Sampling-Prozesse um Größenordnungen zu reduzieren.

Das Forschungsprojekt ist eine Kooperation des KIT mit dem Deutschen Krebsforschungszentrum im Rahmen der HIDSS4Health.

Assoziiert: Pia Stammer

Im Rahmen des Leitmarktwettbewerbes EnergieUmweltwirtschaft.NRW fördert das Land NRW mit Mitteln der Europäischen Union innovative Entwicklungen im Bereich der Umwelttechnologien. Gemeinsam mit der AiNT GmbH führt das SCC in diesem Rahmen das Projekt ZEBRA (Zerstörungsfreie Elementanalyse zur Bestimmung von Rohstoffen und Altlasten) durch. Innerhalb des Forschungsprojektes ZEBRA wird für die Umwelt- und Gefahrstoffanalytik eine innovative Messanlage entwickelt. Diese Messanlage basiert auf der prompten und verzögerten Gamma-Neutronen-Aktivierungs-Analyse (P&DGNAA). Das Projekt umfasst die Errichtung und den Testbetrieb der Messanlage und die Entwicklung neuer analytischer Methoden für die Bestimmung der Massenanteile sämtlicher Elemente des Periodensystems.

Assoziiert: Jannick Wolters, Alexander Jesser

Das KiT-RT (Kinetic Transport Solver for Radiation Therapy) Framework ist eine leistungsfähige Open-Source-Plattform für den Strahlentransport, deren Hauptaugenmerk auf der Strahlentherapieplanung in der Krebsbehandlung liegt. Um eine problemspezifische Methodenauswahl zu ermöglichen, bietet das Framework verschiedene deterministische Solver-Typen. Dies erleichtert nicht nur die Behandlungsplanung, sondern bietet auch Werkzeuge zur Untersuchung verschiedener Forschungsfragen im Bereich des Strahlungstransports. Dieses Ziel wird durch eine leicht erweiterbare Codestruktur unterstützt, die eine unkomplizierte Implementierung zusätzlicher Methoden und Techniken ermöglicht.

Assoziiert: Jonas Kusch, Steffen Schotthöfer, Pia Stammer, Jannick Wolters, Tianbai Xiao

Das Uncertainty Quantification-Framework UQCreator bietet verschiedene Werkzeuge zur Unsicherheitsfortpflanzung für hyperbolische Erhaltungssätze. 
Seine Hauptidee ist es, kinetische numerische Flüsse und Quellterme zu verwenden, die ein gegebenes deterministisches Problem an verschiedenen Abtastpunkten auswerten. 
Diese Hybridisierung von intrusiven und nicht-intrusiven Methoden (die wir als semi-intrusiv bezeichnen) reduziert signifikant die numerischen Kosten, ermöglicht eine effiziente Parallelisierung mit OpenMP und MPI und erlaubt eine einfache Erweiterung des Frameworks auf verschiedene Probleme. Zu den derzeit im Framework implementierten Problemen gehören Teilchentransport, Strahlungshydrodynamik, Flachwassergleichungen und Gasdynamik. Verschiedene intrusive Beschleunigungstechniken wie Adaptivität, Multi-Elemente oder Filter können verwendet werden. Darüber hinaus verfügt das Framework über verschiedene Strategien zur Erhaltung der Hyperbolizität, wie z. B. das intrusive polynomiale Moment oder die hyperbolizitätserhaltende stochastische-Galerkin-Methode.

Assoziiert: Jonas Kusch, Jannick Wolters

Julia, ist eine dynamische Sprache, die Flexibilität und Effizienz ausbalanciert. Dieses Projekt widmet sich der Bereitstellung einer portablen Toobox für das Studium der kinetischen Theorie und des wissenschaftlichen maschinellen Lernens. Es betrifft theoretische und numerische Studien der kinetischen Theorie von Gasen, Photonen, Plasmen, Neutronen usw. Die Finite-Volumen-Methode wird verwendet, um 1-3-dimensionale numerische Simulationen auf CPUs und GPUs durchzuführen, die z. B. die Boltzmann-Gleichung und die verwandten neuronalen kinetischen Gleichungen lösen.

Assoziiert: Tianbai Xiao

Kontakt: thomas.camminady∂kit.edu

Forschungsinteressen: Mathematische Modellierung, Transportgleichungen, Numerische Methoden, Nicht-klassische Transportgleichungen

Projekte: -

Ich bin Doktorand in der Gruppe von Prof. Martin Frank und arbeite an Transportgleichungen. Transportgleichungen beschreiben die Dynamik von Systemen, in denen Entitäten nach bestimmten Regeln miteinander interagieren; zum Beispiel interagieren emittiierte Teilchen mit einem Körper in der Strahlentherapie oder Sonnenlicht streut an Wassertröpfchen in Wolken.
Ich entwickle numerische Methoden, die die resultierenden Gleichungen effizient lösen und Modelle, die die Dynamik genau beschreiben.

Kontakt: hattebuhr∂kit.edu

Forschungsinteressen: Mathematische Modellierung, Statistik, Kompartmentmodelle, Klimawandel, Didaktik

Projekte: CAMMP, Simulierte Welten, MathSEE, MINT² KA

Gibt es einen Klimawandel und ist er menschengemacht?
Ich entwickle Workshopmaterial für Schüler/innen, in dem sie angeleitet werden sich auf der Basis wissenschaftlicher Methoden und echter Daten eine eigene fundierte Meinung zu dieser Fragestellung zu bilden. Dieser gesellschaftlich und politisch höchst relevante und angespannte Kontext leitet Schüler/innen dazu an präzise Aussagen im Rahmen der Möglichkeiten der Mathematik zu treffen und ihre Aussagekraft zu erfahren.
Dazu werden statistische Datenanalysemethoden, wie die Zeitreihenanalyse sowie Hypothesentests genutzt. Weiterhin werden Schüler/innen mittels Kompartmentmodellen an die Grundlagen von Klimasimulationen herangeführt. Diese Forschungsarbeit fließt direkt in die Projekte CAMMP und Simulierte Welten ein.

Kontakt: s.hofmann∂kit.edu

Forschungsinteressen: Text Mining, statistische Tests, Markov Ketten, Mathematische Modellierung

Projekte: CAMMP, Simulierte Welten

Mathematik anwenden und begreifbar machen, das ist es was ich als wünschenswertes Ziel für den Mathematikunterricht sehe. Daher habe ich mich nach meinem Staatsexamen Lehramt am KIT in den Fächern Mathematik und Physik für eine Promotion im Projekt CAMMP entschieden. Im Zusammenhang mit diesem Projekt erstelle ich Workshops für Schülerinnen und Schüler in denen mathematische Probleme authentisch und realitätsnah behandelt werden. Konkret soll ein Workshop zum Thema Nachweis des Higgs Bosons entstehen. Hierbei wird eine schülergerechte statistische Analyse der Daten des Cern Experimentes durchgeführt um mit Hilfe eines Likelihood-Quotienten-Tests eine begründete Entscheidung über die Existenz des Higgs-Teilchens zu treffen. Ein weiterer Workshop entsteht zum Thema Wortvorhersagen am Smartphone, wobei das mathematische Problem mit Markov Ketten modelliert wird.

Kontakt: alexander.jesser∂kit.edu

Forschungsinteressen: Mathematische Modellierung, Transportgleichungen, Inverse Probleme, High Performance Computing

Projekte: ZEBRA, QUANTOM

Im Rahmen meiner Industriepromotion arbeite ich an gemeinsamen Forschungs- und Entwicklungsprojekten des KIT und der Firma AiNT. Der Schwerpunkt meiner Arbeit sind Projekte im Kontext der Neutronenaktivierungsanalyse, einer Messtechnik, die eine zerstörungsfreie Materialanalyse ermöglicht. Zu den Anwendungen gehören die Umweltanalytik und die Charakterisierung von radioaktivem Abfall. Meine Aufgabe ist die Entwicklung von Algorithmen zur Lösung anwendungsspezifischer mathematischer Probleme und die Implementierung dafür geeigneter Hochleistungssoftware. Zu den von mir verwendeten Methoden gehören mathematische Modellierung, Transportgleichungen und inverse Probleme.

Kontakt: jonas.kusch∂kit.edu

Forschungsinteressen: Kinetische Theorie, Uncertainty Quantification, dynamical low-rank

Projekte: CRC Mini Project, KiT-RT, Helmholtz UQ

Ich arbeite als Postdoc im Sonderforschungsbereich "Wave phenomena: analysis and numerics". Mein Fokus liegt auf der Entwicklung von numerischen Methoden zur Unsicherheitsquantifizierung und zum Partikeltransport. Derzeit beschäftige ich mich primär mit der dynamischen Low-Rank-Methode und ihrer Anwendbarkeit für Marshak-Wellenprobleme mit Unsicherheiten. Außerdem bin ich an der Entwicklung der Open-Source-Software KiT-RT beteiligt, die ein Framework für Partikeltransport mit Unsicherheit darstellt.
 

Kontakt: maqsood.rajput∂kit.edu

Forschungsinteressen: Numerics, Machine learning, HPC, Data Science, Climate Science

Projekte: Helmholtz UQ

Ozon spielt eine wichtige Rolle für das Leben auf der Erde. Daher ist es wichtig, die zukünftige Entwicklung von Ozon in der Atmosphäre zu verstehen und vorherzusagen. Zukünftige Projektionen von Ozon mit Hilfe von Klimamodellen sind mit Unsicherheiten behaftet. Die Quantifizierung von Unsicherheiten in diesen Projektionen ist eines der Projekte der Helmholtz Uncertainty Quantification Projekte. In meinem Dissertationsprojekt verwende ich neuartige Methoden wie Monte-Carlo- und Multilevel-Monte-Carlo-Methoden, um Unsicherheiten zu analysieren und zu quantifizieren.

Kontakt: steffen.schotthoefer∂kit.edu

Forschungsinteressen: Machine Learning, Kinetic Equations, Optimization, Mathematical Modelling

Projekte: KiT-RT, Deep Learning für Entropieabschlüsse von Kinetischen Gleichungen

Meine Forschungsinteressen liegen in der Konstruktion und Anwendung moderner Lösungsverfahren für kinetische Gleichungen. Ich möchte die Verlässlichkeit numerischer Lösungsverfahren für partielle Differentialgleichungen mit der Effizienz von Deep Learning Ersatzmodellen kombinieren um neue Möglichkeiten zur Berechnung komplexer Probleme zu schaffen. Angewandt werden diese Verfahren bei Simulation von Strahlentherapie, die bei der Behandlung vieler Krebsarten zum Einsatz kommt.
Ich bin einer der Entwickler der Software KiT-RT, einer Open Source Plattform für Simulation und Uncertainty Quantification bei der Strahlentherapieplanung.

 

Kontakt: sarah.schoenbrodt∂kit.edu

Forschungsinteressen: Mathematische Modellierung, Didaktik, digitale Werkzeuge für den Unterricht, Schülerlabore, Optimierung, Machine Learning, Erneuerbare Energien

Projekte: CAMMP, Simulierte Welten

Ich forsche als Promotionsstudentin im Bereich der Stoffdidaktik Mathematik. Genauer arbeite ich an der Entwicklung und Erprobung von innovativen Lehr- und Lernkonzepten für den mathematischen Modellierungsunterricht mit Schülerinnen und Schülern. Dazu entwickle ich digitale Lernmaterialien, die Schülerinnen und Schülern ein aktives Bearbeiten von realen und authentischen Problemstellungen aus Alltag, Forschung und Technik mithilfe von mathematischen Methoden und Computereinsatz erlauben. Mein Forschungsinteresse liegt dabei insbesondere auf den Anwendungsfeldern Erneuerbare Energien und Maschinelles Lernen. Innermathematisch liegt mein Schwerpunkt im Bereich des Formulierens und Lösens von Optimierungsproblemen, die bei realen Fragestellungen auftauchen.

Kontakt: pia.stammer∂kit.edu

Forschungsinteressen: UQ, Strahlentherapie, Mathematische Modellierung, Optimierung

Projekte: Uncertainty Quantification in Radiation Therapy, HIDSS4Health, KiT-RT

Als Doktorandin in der interdisziplinären Graduiertenschule HIDSS4Health bin ich mit der Abteilung Scientific Computing & Mathematics (SCM) am KIT und der Abteilung Radiotherapy Optimization am Deutschen Krebsforschungszentrum assoziiert. In meiner Forschung versuche ich mit Hilfe mathematischer Methoden Unsicherheiten in der Dosisberechnung zu quantifizieren und minimieren. Desweiteren interssiere ich mich auch für effiziente Lösungsverfahren kinetischer Gleichungen. In diesem Zusammenhang engagiere ich mich auch in der Entwicklung der open source Software KiT-RT, zur Simulation und Uncertainty Quantification bei der Strahlentherapieplanung.

Kontakt: alexandra.walter∂kit.edu

Forschungsinteressen: Machinelles Lernen, Bildsegmentierung, Optimierung

Projekte: Automatisches Segmentieren von klinischen Zielvolumen (HIDSS4Health)

Seit Sommer 2020 forsche ich als Doktorandin der interdisziplinären Graduiertenschule HIDSS4Health in der Schnittstelle zwischen Data Science und Health Science. Mein Fokus liegt auf der Verbesserung von automatischen Segmentierungsalgorithmen, die in der Tumortherapie zur Berechnung jedes individuellen Bestrahlungsplans benötigt werden. Für dieses Projekt bin ich sowohl mit der Arbeitsgruppe CSMM des KIT als auch mit der Arbeitsgruppe Computational Patient Models des Deutschen Krebsforschungszentrums assoziiert. Meinen Master in Informatik habe ich an der Universität Tübingen absolviert.

Kontakt: wolters∂kit.edu

Forschungsinteressen: Kinetische Theorie, Uncertainty Quantification, Inverse Probleme, Numerische Methoden für HPC Anwendungen

Projekte: EFRE.NRW Projekt ZEBRA, UQCreator, KiT-RT

Ich arbeite als Doktorand in einem gemeinsamen Forschungsprojekt zwischen dem KIT und der AiNT GmbH. Mein Forschungsschwerpunkt liegt auf Problemen aus dem Bereich der Prompt Gamma Neutron Activation Analysis (PGNAA). Dazu zählen lineare Transportgleichungen, Uncertainty Quantification und inverse Probleme in Form von Sparsen-Rekonstruktionsalgorithmen.
Darüber hinaus bin ich Entwickler der Open-Source Software KiT-RT (deterministisches Teilchentransport-Framework mit Anwendung in der Strahlentherapie), UQCreator (HPC-Uncertainty Quantification Framework für hyperbolische Probleme), sowie des Closed-Source SP3 HPC-FEM Neutronentransportlösers für das Projekt ZEBRA.

Kontakt: wohak∂kit.edu

Forschungsinteressen: Mathematische Modellierung, Inverse Probleme, Mathematische Bildung

Projekte: CAMMP, Simulierte Welten, MathSEE, MINT² KA

Bei inversen Problemen versucht man, Informationen über ein unbekanntes Objekt zu erhalten, indem man ungenaue, indirekte Daten verwendet. Typischerweise werden diese Daten durch ein Phänomen der Physik erzeugt. Mein Ziel ist es, solche Probleme didaktisch so zu reduzieren, dass sie auch für Oberstufenschüler/innen zugänglich und im Rahmen von Workshops lösbar sind. Die Schulmathematik soll in den dafür benötigten mathematischen Methoden Anwendung finden, um so eine direkte Einbindung in den (fächerübergreifenden) Schulunterricht zu ermöglichen.
Neben meiner Forschung liegt mir die Weiterentwicklung von CAMMP sehr am Herzen, die auch mit beinhaltet, dass insbesondere Schüler/innen, die große Bedeutung von Mathematik in unserer Gesellschaft erkennen.

Kontakt: tianbaixiao∂gmail.com

Forschungsinteressen: Kinetische Theorie, Unsicherheitsquantifizierung, Wissenschaftliches Maschinelles Lernen

Projekte: Modellierung und Simulation von Multiskalentransporten mit Unsicherheitsquantifizierung, Kinetic.jl, KiT-RT

Ich arbeite als Humboldt-Postdoc-Stipendiat im Steinbuch Centre for Computing und in der Abteilung für Mathematik am KIT. Ich habe an der Peking University promoviert und war als Forschungsassistent an der Hong Kong University of Science and Technology tätig. Meine Forschungsarbeit kann auf Google Scholar, ResearchGate oder meiner persönlichen Homepage gefunden werden, und Open-Source-Software auf GitHub.

Die AiNT GmbH bietet in ihrem Kerngeschäft eine Vielzahl an Dienstleistungen rund um den Bereich der Kerntechnik an. 
Besonders bei der Entwicklung innovativer Messanlagen (siehe Projekt ZEBRA und QUANTOM) ist die CSMM Arbeitsgruppe langjähriger Kooperationspartner des Unternehmens. Neben dem Kerngeschäft im Bereich der Forschung und Entwicklung, bietet die AiNT GmbH auch Aus- und Fortbildungsprogramme, Dienstleistungen im Bereich der radiologischen und stofflichen Charakterisierung von Rest- und Abfallstoffen mittels Kernstrahlungsmesstechnik, sowie die hauseigenen ICOND Messe an.

Assoziiert: Alexander Jesser, Jannick Wolters

Als Teil der Helmholtz Information and Data Science Academy (HIDA) fördert die Helmholtz Information & Data Science School for Health (HIDSS4Health) Doktorand*innen in Forschungsprojekte, die Data Science und Life Science vereinen. Den ausgewählten Doktorand*innen wird ein strukturiertes Förderungsprogramm angeboten, um Schlüsselqualifikationen für Forschung und Industrie zu stärken.

Der Internetauftritt der HIDSS4Health kann hier eingesehen werden.

Assoziiert: Pia Stammer, Alexandra Walter

Das KIT-Zentrum "MathSEE" bündelt seit Oktober 2018 die interdisziplinäre mathematische Forschung am KIT. Der Sonderforschungsbereich 1173 "Wellenphänomene: Analysis und Numerik" und andere bestehende Kooperationen bilden die Grundlage für die Entstehung von MathSEE. Unsere Mitglieder ab dem Karrierelevel Promovierende arbeiten in Austauschformaten und interdisziplinären Forschungsprojekten in Methodenbereichen zusammen. Unsere Graduiertenschule MathSEED bietet ein umfassendes Programm für Promovierende und Masterstudierende zur Förderung der interdisziplinären Nachwuchsausbildung. Das Angebot von MathSEE stärkt die interdisziplinäre mathematische Forschung am KIT und deren Sichtbarkeit.

Assoziiert: Maren Hattebuhr, Kirsten Wohak

Der Sonderforschungsbereich 1173 Wellenphänomene  wird von der Deutschen Forschungsgemeinschaft (DFG) gefördert.

Wellen üben auf Wissenschaftler und speziell auf Mathematiker eine besondere Faszination aus. Zwei unserer Sinne - sehen und hören - basieren auf der Ausbreitung von Licht- bzw. Schallwellen, der menschliche Herzschlag wird durch Depolarisationswellen angetrieben, und die moderne Kommunikationstechnik beruht größtenteils auf elektromagnetischen Wellen. Wellen sind überall, und ihr Verhalten zu verstehen bedeutet die Natur besser zu verstehen.

Assoziiert: Jonas Kusch, Steffen Schotthöfer

Simulationen begegnen uns unbewusst in vielen Alltagssituationen: Die tägliche Wettervorhersage, der zerstörungs­freie Crashtest für die Zulassung unseres Autos, leichte und materialsparende Plastikteile an Haushalts­geräten oder Anlage­strategien bei Fonds und Renten­anlegern.

Ein interdisziplinäres Team hat es sich zur Aufgabe gemacht, das Thema Simulation und mathematische Modellierung an Schulen zu bringen. Wie erkennen wir Simulationen? Wie sind die Ergebnisse zu verstehen? Und woran arbeiten Mitarbeitende in Rechen­zentren? Diese Fragen klärt Simulierte Welten alters­gerecht für Schüler*innen

Assoziiert: Maren Hattebuhr, Kirsten Wohak, Sarah Schönbrodt, Stephanie Hofmann

Im Schülerlabor Mathematik kann man sich nicht verrechnen, man braucht keine Taschenrechner, keine Formeln und keine Gleichungen. Man muss nur neugierig sein, beobachten, knobeln und experimentieren. Es warten über 80 Experimentierstationen auf die jungen und älteren Besucher/innen. Neben Schulklassen sind auch interessierte Einzelpersonen herzlich willkommen.

Assoziiert: Maren Hattebuhr, Kirsten Wohak, Sarah Schönbrodt, Stephanie Hofmann