Tagungen 2020-

Fotos der Tagung (zip-Ordner mit 112 MB)

Volker Schulz (Universität Trier)
Mathematische Optimierung als Schlüsseltechnologie
Beinahe alle industriellen Prozesse lassen sich verbessern und mithin optimieren. Dies ist ein zentrales Ziel der Beschreibung technischer Prozess mit mathematischen Modellen. Der Dreiklang Modellierung, Simulation, Optimierung (MSO) soll hier vor allem mit Fokus auf der Optimierung illustriert werden. Darüber hinaus spielt die Optimierung auch im aktuellen Wissenschaftszweig des Data Science eine zentrale Rolle insbesondere bei der Datenmodellierung. Hier liegt der zweite Schwerpunkt des Vortrages, in dem neue Entwicklungen von Optimierungstechniken bei Niedrigrangtensoren, Clusteranalysen und Neuronalen Netzen diskutiert werden.

Die Unterlagen haben 65 MB. Wenden Sie sich bei Interesse bitte an Torsten-Karl Strempel.


Karlheinz Spindler (Hochschule RheinMain)
Mathematik als Schlüsseltechnologie - Eine historische Betrachtung
Mathematik gilt als Schlüsseltechnologie, und mathematische Methoden und Begriffe spielen eine wichtige Rolle bei Fragen der Digitalisierung und Algorithmisierung, der Datenanalyse und Datensicherheit und der Entwicklung von Planungsstrategien für Klimaschutz, Energiewende und Mobilität. Der weitgehende Konsens über die wachsende Bedeutung der Mathematik beruht aber vielfach auf naiven Vorstellungen über deren Gründe und über das Verhältnis von "reiner" und "angewandter" Mathematik. In dem Vortrag wird anhand historischer Beispiele der Zusammenhang zwischen mathematischen Erkenntnissen und deren praktischer/technologischer Umsetzung untersucht. An den Vortrag kann sich eine Diskussion darüber anschließen, welche Folgerungen sich aus den beobachteten Mustern für die Forschungs- und Hochschulpolitik und insbesondere auch für die Mathematiklehre ergeben.


Thomas Skill (Hochschule Bochum)
Hochschuldidaktische Aktivitäten in der DMV
Auf der Jahrestagung der DMV 2018 fand ein Minisymposium zu „Wissenschaftliche Mathematik lehren und prüfen“ statt. Dieses war der Auftakt der Arbeitsgemeinschaft „Hochschulmathematik lehren und lernen“, die 2021 als Fachgruppe in der DMV anerkannt wurde. Ziel dieser Fachgruppe ist, eine Plattform zu sein, auf der sich Lehrpersonen für Mathematik über ihre Lehre und das studentische Lernen austauschen. In der Vorstellung der Gruppe wird die bisherige Arbeit dargestellt und ein Aus- und Überblick zu hochschuldidaktischen Initiativen gegeben. Anschließend diskutieren wir Inhalte, Ideen und Aktivitäten.


Martin Bokler (Technische Hochschule Mittelhessen)
Gemeinsame Anforderungen für ein MINT-Studium?
In diesem Impulsvortrag werden mögliche Maßnahmen thematisiert, um die bekannten Mathematikprobleme vieler Erstsemester besser in den Begriff zu bekommen als bisher.


Horst Zisgen (Hochschule Darmstadt)
Erklärt Layerwise Relevance Propagation CNNs? - Eine kritische Betrachtung eines Explainable AI Ansatzes
Convolutional Neural Networks (CNN) haben sich in der jüngeren Vergangenheit als eines der meistgenutzten Verfahren des Maschinellen Lernens etabliert. Damit einhergehend werden immer mehr Verfahren publiziert, die versuchen, die Entscheidungsfindung der CNNs zu erklären, etwa die layerwise relevance propagation (LRP). In diesem Vortrag wird eine Analyse der Aussagekraft der Relevanzwerte, mit denen LRP versucht, die Entscheidungsfindung des CNN zu erklären, vorgestellt. Die Ergebnisse legen die Vermutung nahe, dass die Relevanzwerte keine geeignete Grundlage für die Deutung der Entscheidungsfindung bei CNNs bieten.


Jochen Rau (Hochschule RheinMain)
Was ist das Besondere an der Quantentheorie?
Mit der Quantentheorie verbindet man zahlreiche ungewöhnliche Eigenschaften und Effekte: Interferenz, Nicht-Vereinbarkeit von Messungen, Unschärferelation, Zustandsänderung nach Messung, Verschränkung, und vieles mehr. Viele dieser Effekte lassen sich jedoch auch mit klassischen stochastischen Modellen imitieren. Welche Effekte sind also „echte“ Quanteneffekte?


Bettina Just (Technische Hochschule Mittelhessen)
Wie funktionieren Quantencomputer, und warum sind sie so schnell?
Quantencomputer gehen durch die Presse, und allerorten wird von ihrem disruptiven Potential gesprochen. Aber warum sind Quantenrechner so schnell? Im Vortrag werden die beiden Modelle für Quantencomputer vorgestellt: Das (universelle) Schaltkreismodell, und das (speziellere, adiabatische) Quantum Simulated Annealing. Es geht darum, die grundsätzlichen Ideen für ihre Geschwindigkeit zu verstehen, ohne die technischen Details kennen zu müssen.


Torsten-Karl Strempel (Hochschule Darmstadt)
W? (Muss man die Lambertsche W-Funktion kennen?)
Wie löst man die Gleichung x^x=b? Die Gleichung a^x=b löst man mit der Logarithmusfunktion. Gibt es so etwas wie eine erweiterte Logarithmusfunktion? Ja, die sog. Lambertsche W-Funktion. Nach ihrer „Entdeckung“ bei der Behandlung der Gleichung x=x^m+q im Jahr 1758 spielte sie zunächst keine größere Rolle in der Mathematik. Im Jahr 1993 wurde dann eine geschlossene Beschreibung für das Doppelte Delta-Potential mithilfe der Lambert W-Funktion angegeben. Die Lambert W-Funktion erwachte aus ihrem Dornröschenschlaf und danach wurden weitere explizite Lösungen für Anwendungen in verschiedenen Bereichen gefunden. Neben diesen anwendungsorientierten Beispielen findet man inzwischen im Internet jede Menge Videos zum Lösen scheinbar unlösbarer Gleichungen, die zum Teil auch die Lambert W-Funktion verwenden. Ist dies nur eine Spielerei oder eine weitere „sinnvolle“ Anwendung? Im Vortrag wird eine Übersicht zu allem gegeben und jeder kann sich am Ende die Frage stellen: Muss ich die Lambert W-Funktion wirklich kennen?

Fotos der Tagung (zip-Ordner mit 20 MB)