Podcast appearances and mentions of kit fakult

Durch Fracking könnten neue Gasvorkommen genutzt werden – doch die Technik ist hierzulande ein Tabuthema. Wieso das von Nachteil sein kann, besprechen die Hosts Sarah Janczura und Marco Dadomo mit Prof. Dr. Frank Schilling von der KIT-Fakultät Bauingenieur-, Geo- und Umweltwissenschaften. Das Karlsruher Institut für Technologie stellt eines der größten Energieforschungszentren in Europa dar.

Gudrun spricht mit Sebastian Lerch vom Institut für Stochastik in der KIT-Fakultät für Mathematik. Vor einiger Zeit - Anfang 2015 - hatten die beiden schon darüber gesprochen, wie extreme Wetterereignisse stochastisch modelliert werden können. Diesmal geht es um eine Lehrveranstaltung, die Sebastian extra konzipiert hat, um für Promovierende aller Fachrichtungen am KIT eine Einführung in Machine Learning zu ermöglichen. Der Rahmen hierfür ist die Graduiertenschule MathSEED, die ein Teil des im Oktober 2018 gegründeten KIT-Zentrums MathSEE ist. Es gab schon lange (und vielleicht immer) Angebote am KIT, die insbesondere Ingenieure an moderne Mathematik heranführten, weil sie deren Methoden schon in der Masterphase oder spätestens während der Promotion brauchten, aber nicht durch die klassischen Inhalten der Höheren Mathematik abgedeckt werden. All das wird nun gebündelt und ergänzt unter dem Dach von MathSEED. Außerdem funktioniert das nun in beide Richtungen: Mathematiker:innen, werden ebenso zu einführenden Angeboten der anderen beteiligten Fakultäten eingeladen. Das Thema Maschinelles Lernen und Künstliche Intelligenz war ganz oben auf der Wunschliste für neu zu schaffende Angebote. Im Februar 2020 hat Sebastian diese Vorlesung erstmalig konzipiert und gehalten - die Übungen wurden von Eva-Maria Walz betreut. Die Veranstaltung wird im Herbst 2020 wieder angeboten. Es ist nicht ganz einfach, die unterschiedlichen Begriffe, die für Künstliche Intelligenz (kurz: KI) benutzt werden gegeneinander abzutrennen, zumal die Sprechweisen in unterschiedlichen Kontexten unterschiedlich sind. Hinzu tritt, dass mit der Verfügbarkeit großer Datenmengen und der häufigen Nutzung von KI und Big Data gemeinsam auch hier vieles vermischt wird. Sebastian defininiert Maschinelles Lernen als echte Teilmenge von KI und denkt dabei auch daran, dass z.B. symbolisches Rechnen KI ist. Ebenso geben schon lange sogenannte Expertensysteme Hilfestellung für Entscheidungen. Hier geben Regeln ein Programm vor, das Daten-Input zu einem Output verwandelt. Heute denken wir bei KI eher daran, dass z.B. der Computer lernt wie ein Bild eines Autos aussieht, ohne dass dafür klare Regeln vorgegeben werden. Dies ist eher vergleichbar damit, wie Kinder lernen. Die modernste Variante ist sogenanntes Deep Learning auf der Basis von Neuronalen Netzen. Die Abgrenzung zu statistischen Verfahren ist mitunter nicht so klar. Das Neuronale Netz wird dabei eine Black Box, was wissenschaftlich arbeitende Menschen nicht ganz befriedigt. Aber mit ihrer Hilfe werden komplexere Probleme lösbar. Forschung muss versuchen, die Entscheidungen der Black Box nachvollziehbar zu machen und entscheiden, wann die Qualität ausreicht. Dazu muss man sich überlegen: Wie misst man Fehler? In der Bildverarbeitung kann es genügen, z.B. falsch erkannte Autos zu zählen. In der Wettervorhersage lässt sich im Nachhinein feststellen, welche Fehler in der Vorhersage gemacht wurden. Es wird unterschiedliche Fehlertoleranzen geben für Erkennung von Fußgängern für selbst fahrende Autos und für die Genauigkeit von Wettervorhersage. Ein Beispiel in der Übung war die Temperaturvorhersage anhand von vorliegenden Daten. Die Vorhersage beruht ja auf physikalischen Modelle in denen die Entwicklung von Temperatur, Luftdruck und Windgeschwindigkeit durch Gleichungssysteme nachgebildet wird. Aber diese Modelle können nicht fehlerfrei berechnet werden und sind auch recht stark vereinfacht. Diese Fehler werden mit Hilfe von KI analysiert und die Ergebnisse für die Verbesserung der Vorhersage benutzt. Ein populäres Verfahren sind Random Forests oder Entscheidungsbäume. Hier werden komplexe Fragen stufenweise zerlegt und in den Stufen einfache Ja- oder Nein-Fragen beantwortet. Dies wird z.B. angewandt in der Entscheidung ob und wo eine Warnung vor einer Gewitterzelle erfolgen sollte. Sehr bekannt und im praktischen Einsatz erprobt (beispielsweise in der Bildverarbeitung und in der Übersetzung zwischen gebräuchlichen Sprachen) sind Neuronale Netze. In mehrern Schichten sind hier sogenannte Neuronen angeordnet. Man kann sich diese wie Knoten in einem Netz vorstellen, in dem Daten von Knoten zu Knoten transportiert werden. In den Knoten werden die ankommenden Daten gewichtet aufaddiert und eine vorher festgelegte Aktivierungsfunktion entscheidet, was an die nächsten Knoten oder die nächste Schicht von Neuronen weitergegeben wird. Die einzelnen Rechenoperationen sind hier also ganz elementar, aber das Zusammenwirken ist schwer zu analysieren. Bei vielen Schichten spricht man von Deep Learning. Das ist momentan noch in den Kinderschuhen, aber es kann weit reichende Konsequenzen haben. In jedem Fall sollte man Menschen im Entscheidungsprozess beteiligen. Die konkrete Umsetzung hat Sebastian als Vorlesung und Übung zu gleichen Teilen gewählt. Er hat einen Schwerpunkt auf einen Überblick zu methodischen Aspekten gelegt, die die Teilnehmenden dazu befähigt, später selbst weiter zu lernen. Es ging also unter anderem darum, wie man Trainingsdaten auswählt, wie Qualitätssicherung funktioniert, wie populäre Modelle funktionieren und wie man einschätzt, dass die Anpassung an Daten nicht zu stark erfolgt. In der Übung fand großen Anklang, dass ein Vorhersagewettbewerb der entwickelten Modelle durch Kaggle competions online live möglich war. Literatur und weiterführende Informationen Forschungsergebnisse mit Hilfe von Maschinen Lernen, an denen Sebastian Lerch beteiligt ist: M.N. Lang e.a.: Remember the past: A comparison of time-adaptive training schemes for non-homogeneous regression Nonlinear Processes in Geophysics, 27: 23–34 2020. (eher stochastisch) S. Rasp und S. Lerch: Neural networks for post-processing ensemble weather forecasts Monthly Weather Review, 146(11): 3885–3900 2018. Lehrbücher T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning Springer 2017 (2nd Edition). G. James, D. Witten, T. Hastie and R. Tibshirani: An Introduction to Statistical Learning Springer 2013 (7nd Edition) I. Goodfellow and Y. Bengio and A. Courville: Deep Learning MIT-Press 2016. Online Kurse Pytorch-based Python library fastai Deeplearning Dystopie für alltägliche KI C. Doctorow: Little Brother Tor Teen, 2008. download beim Author C. Doctorow: Homeland Tor Books, 2013, ISBN 978-0-7653-3369-8 im Gespräch angesprochene Bildbearbeitung, die eigene Fotos mit Kunstwerken verschmilzt Meetups im Umland von Karlsruhe Karlsruhe ai Meetup Heidelberg ai Meetup Machine Learning Rhein-Neckar (Mannheim) Podcasts Leben X0 - Episode 6: Was ist Machine Learning? November 2019. Streitraum: Intelligenz und Vorurteil Carolin Emcke im Gespräch mit Anke Domscheit-Berg und Julia Krüger, 26. Januar 2020 P. Packmohr, S. Ritterbusch: Neural Networks, Data Science Phil, Episode 16, 2019.

Gudrun traf im November 2019 Jan Richter. Er ist einer der Gründer der Batemo GmbH in Karlsruhe. Mit den Kollegiaten von SiMET hatte Gudrun das Unternehmen kurz vorher in der Technologiefabrik besucht und dabei das Podcast-Gespräch vereinbart. Batemo ist noch ein recht junges Unternehmen. Es wurde im März 2017 von Michael Schönleber und Jan Richter gegründet. Die beiden haben an der KIT-Fakultät für Elektrotechnik und Informationstechnik promoviert. Sie hatten sich schon länger mit der Idee auseinandergesetzt, im Anschluss an die Promotionszeit den Schritt zur Unternehmensgründung zu wagen. Es war klar, dass sie sich mit einem Thema beschäftigen möchten, das Ihnen ermöglicht, die Entwicklung von Akkus zu beeinflussen. Außerdem wollten sie gern ohne finanzielle Fremdmittel auskommen, um in jedem Moment die volle Kontrolle zu behalten. Inzwischen ist das gut gelungen und die Firma ist auf Simulationssoftware für Lithium-Ionen-Batterien spezialisiert. Für beliebige Lithium-Ionen-Zellen erstellen sie einen digitalen Zwilling, also ein Modell im Computer. Dass sie damit glaubwürdig für zahlungsfähige Kunden sind, liegt daran, dass sie auch die Validität dieser Modelle im gesamten Betriebsbereich nachweisen. Die Modelle sind sehr komplexe und stark nichtlinear gekoppelte Systeme aus algebraischen und partiellen Differentialgleichungen, die die physikalischen, chemischen und thermodynamische Prozesse abbilden. Sie sind auch dafür geeignet, das Verhalten der Akkus über die Lebenszeit der Zellen hin nachzubilden. Es ist besonders herausfordernd, da die Prozesse in unterschiedlichen Längen- und Zeitskalen ablaufen. Zwei Fragen, die beim Besuch mit den SiMET-Kollegiaten im Mittelpunkt des Gespräches standen, sind: Mit welchen Betriebsstrategien wird die Lebensdauer der Zellen erhöht? Wie werden innovative Schnellladeverfahren entwickelt, die die Zellen nicht zu schnell altern lassen? Im Gespräch berichtet Jan auch davon, wieso er sich für ein Studium der Elektrotechnik entschieden hat und wie er den Weg in die Selbstständigkeit von heute aus bewertet. Literatur und weiterführende Informationen A. Latz, J. Zausch: Thermodynamic consistent transport theory of Li-ion batteries, Journal of Power Sources 196 3296--3302, 2011. M. Maier: The Mathematical Analysis of a Micro Scale Model for Lithium-Ion Batteries. PhD Thesis KIT 2016 M. Kespe, H. Nirschl: Numerical simulation of lithium-ion battery performance considering electrode microstructure, International Journal of Energy Research 39 2062-2074, 2015. Podcasts A. Jossen: Batterien, Gespräch mit Markus Völter im Omega Tau Podcast, Folge 222, 2016. J. Holthaus: Batterien für morgen und übermorgen, KIT.Audio Podcast, Folge 2, 2016. D. Breitenbach, U. Gebhardt, S. Gaedtke: Elektrochemie, Laser, Radio, Proton Podcast, Folge 15, 2016. M. Maier: Akkumulatoren, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 123, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2017. V. Auinger: Optimale Akkuladung, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 160, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. S. Carelli, G. Thäter: Batteries, Gespräch im Modellansatz Podcast, Folge 211, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019.

Thema heute:    KIT: Studiengang Wirtschaftsinformatik startet durch Die Digitalisierung führt zu tief greifenden Veränderungen in Wirtschaft und Gesellschaft. Zur erfolgreichen Gestaltung von nachhaltigen digitalen Lösungen werden Kompetenzen aus den Bereichen Informatik, Wirtschaft und Recht benötigt.   Diese Qualifikationen für die digitale Arbeits- und Lebenswelt vermittelt das Studium der Wirtschaftsinformatik am Karlsruher Institut für Technologie (KIT), das auf einer langjährigen, interdisziplinären Lehrtradition aufbaut. Der Studiengang wurde nun vom Ministerium für Wissenschaft, Forschung und Kunst (MWK) freigegeben und wird ab dem Wintersemester 2019/20 am KIT angeboten. Wirtschaftsinformatik: Begehrte Fachkräfte Wirtschaftsinformatikerinnen und -informatiker werden heute in allen Unternehmensbereichen gebraucht. Sie übernehmen eine Schnittstellenfunktion zwischen betriebswirtschaftlicher Perspektive und den informationstechnischen Möglichkeiten. Das Studium der Wirtschaftsinformatik legt ein hervorragendes Fundament für anspruchsvolle Aufgaben in Berufsfeldern wie der Entwicklung von Software und Digitalen Diensten, Beratung, Datenanalyse oder auch als Gründerin oder Gründer einer Firma. Der Studiengang macht die Studierenden fit für eine berufliche Zukunft in Start-ups, Mittelstand und Großunternehmen. Der neue Studiengang Wirtschaftsinformatik am KIT vereint Wissenschaft und Praxis der Digitalisierung. Er baut damit auf der langen Tradition an der Schnittstelle der beiden KIT-Fakultäten für Wirtschaftswissenschaften und Informatik im Angebot des auslaufenden Studienganges Informationswirtschaft auf. Interdisziplinär, international und praxisorientiert Beide am Studiengang beteiligten KIT-Fakultäten haben eine bemerkenswerte Geschichte und sind in einschlägigen Rankings auf Spitzenplätzen zu finden. Die KIT-Fakultät für Informatik war die erste Informatikfakultät in Deutschland und zeichnet sich durch ihr vielfältiges Themenspektrum aus, die KIT-Fakultät für Wirtschaftswissenschaften ist bekannt für ihre interdisziplinäre Forschung und Lehre an der Schnittstelle von Wirtschaft, Mathematik, Informatik und Ingenieurswesen. Nicht entweder oder, sondern sowohl als auch Das Studium der Wirtschaftsinformatik am KIT zeichnet sich durch echte Interdisziplinarität, Individualität, Internationalität und der Integration von Wissenschaft und Praxis der Digitalisierung aus. Organisierte Austauschprogramme, Sprachkurse, Lehrveranstaltungen auf Englisch und geförderte Auslandspraktika ermöglichen den Studierenden schon im Bachelorstudium internationale Erfahrungen.   Diesen Beitrag können Sie nachhören oder downloaden unter:

Gudrun spricht in dieser Folge mit Maren Hattebur, Nils Rauscher und Moritz Müller über die Teilnahme von Nils und Moritz beim Wettbewerb Jugend forscht. Die beiden jungen Männer haben im Sommer 2019 ihr Abitur am Tulla-Gymnasium in Rastatt gemacht. Im Gespräch schauen sie noch einmal zurück auf den Weg, der zur Teilnahme an Jugend forscht führte und im Sommer 2018 mit der Teilnahme an der CAMMP week in Voeren (Belgien) begann. Maren hat die beiden in der ganzen Zeit begleitet. Sie ist Doktorandin in der KIT-Fakultät für Mathematik und trägt in der Arbeistgruppe Computational Science and Mathematical Methods sehr aktiv die Projekte CAMMP week und Simulierte Welten mit. Moritz und Nils hatten bis 2018 kein ausgeprägtes Interesse an mathematischen Themen und hätten sich auch eher kein technisches Studium für sich selbst vorgestellt. Die Einladung, eine Woche in einer Gruppe ein Problem aus der Praxis zu knacken, nahmen sie allerdings gern an. In ihrer Gruppe ging es um die Beladung von Lastwagen. Zusammen mit Gleichaltrigen haben sie sich einen Algorithmus überlegt, anschließend implementieren und getestet, der sicherstellt, dass vorbereitete Euor-Paletten in der passenden Reihenfolge entladen werden können. Dabei muss gewährleistet sein, dass Paletten aufeinander auch stapelbar sind. In Voeren gab es eine Lösung der Gruppe. Das Thema war aber noch nicht richtig durch. Deshalb entschlossen sich Moritz und Nils, damit noch weiter zu machen und wurden durch ein Förderstipendium des Programms Simulierte Welten dabei unterstützt. Das Ergebnis reichten sie schließlich im Wettbewerb Jugend forscht ein. Dort gibt es unterschiedliche Fachgebiete. Das Thema passte in den Bereich Arbeitswelten. Im Wettbewerb Junged forscht ist in jedem Jahr Anmeldeschluss am 30. November. Die Teilnehmend Gruppen erhalten bis Ende Dezember die Einladung zu einem Wettbewerb in ihrer Region. Im Januar reichen sie eine schriftliche Ausarbeitung ihres Projekts von maximal 15 Seiten beim zuständigen Wettbewerbsleiter ein. Am ersten Tag des Wettbewerbs bauen die Jungforscherinnen und Jungforscher ihre Stände auf, es findet ein erstes Kennenlernen mit den Organisatoren und vor allem mit den anderen statt. Am zweiten Tag kommt die Jury und schaut sich die Projekte an. Die Gruppen präsentieren und werden anschließend ausgiebig befragt. Bei der Abendveranstaltung werden bereits die Sieger verkündet. Am dritten Tag kommt die Öffentlichkeit und die Presse dazu. Außer den Siegern sind noch keine Preisträger bekannt, so dass es bei der abschließenden Feierstunde noch einmal richtig spannend wird. Moritz und Nils haben die Veranstaltung als tollen Höhepunkt erlebt. Durch die eigene Forschertätigkeit hat sich auch ihr Blick auf Mathematik und ihre Anwendungen im Alltag stark verändert. Sie würden jederzeit empfehlen, sich auf das Experiment einer CAMMP week einzulassen oder ein Projekt für Jugend forscht zu entwickeln. Literatur und weiterführende Informationen CAMMP week Förderstipendium Simulierte Welten Erfahrungsberichte CAMMP week M. Hattebuhr, K. Wohak, G. Thäter: Simulierte Welten, Gespräch im Modellansatz Podcast, Folge 179, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. Erklärfilm Jugend forscht Podcasts E. Dittrich, G. Thäter: Schülerlabor, Gespräch im Modellansatz Podcast, Folge 103, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. B. Böttcher, G. Thäter: Meisterklasse, Gespräch im Modellansatz Podcast, Folge 158, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. G. Thäter, K. Wohak: CAMMP, Gespräch im Modellansatz Podcast, Folge 165, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. K. Wohak, M. Hattebuhr, E. Bastian, C. Beizinger, G. Thäter: CAMMP-Week, Gespräch im Modellansatz Podcast, Folge 174, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. S. Schäfer, I. Häuser, G. Thäter: Schülermarketing, Gespräch im Modellansatz Podcast, Folge 191, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. A. Sage, L. Schenk, G. Thäter: Studienbotschafterinnen, Gespräch im Modellansatz Podcast, Folge 194, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2019.

Thema heute:    KIT: Studiengang Wirtschaftsinformatik startet durch Die Digitalisierung führt zu tief greifenden Veränderungen in Wirtschaft und Gesellschaft. Zur erfolgreichen Gestaltung von nachhaltigen digitalen Lösungen werden Kompetenzen aus den Bereichen Informatik, Wirtschaft und Recht benötigt. Diese Qualifikationen für die digitale Arbeits- und Lebenswelt vermittelt das Studium der Wirtschaftsinformatik am Karlsruher Institut für Technologie (KIT), das auf einer langjährigen, interdisziplinären Lehrtradition aufbaut. Der Studiengang wurde nun vom Ministerium für Wissenschaft, Forschung und Kunst (MWK) freigegeben und wird ab dem Wintersemester 2019/20 am KIT angeboten. Wirtschaftsinformatik: Begehrte Fachkräfte Wirtschaftsinformatikerinnen und -informatiker werden heute in allen Unternehmensbereichen gebraucht. Sie übernehmen eine Schnittstellenfunktion zwischen betriebswirtschaftlicher Perspektive und den informationstechnischen Möglichkeiten. Das Studium der Wirtschaftsinformatik legt ein hervorragendes Fundament für anspruchsvolle Aufgaben in Berufsfeldern wie der Entwicklung von Software und Digitalen Diensten, Beratung, Datenanalyse oder auch als Gründerin oder Gründer einer Firma. Der Studiengang macht die Studierenden fit für eine berufliche Zukunft in Start-ups, Mittelstand und Großunternehmen. Der neue Studiengang Wirtschaftsinformatik am KIT vereint Wissenschaft und Praxis der Digitalisierung. Er baut damit auf der langen Tradition an der Schnittstelle der beiden KIT-Fakultäten für Wirtschaftswissenschaften und Informatik im Angebot des auslaufenden Studienganges Informationswirtschaft auf. Interdisziplinär, international und praxisorientiert Beide am Studiengang beteiligten KIT-Fakultäten haben eine bemerkenswerte Geschichte und sind in einschlägigen Rankings auf Spitzenplätzen zu finden. Die KIT-Fakultät für Informatik war die erste Informatikfakultät in Deutschland und zeichnet sich durch ihr vielfältiges Themenspektrum aus, die KIT-Fakultät für Wirtschaftswissenschaften ist bekannt für ihre interdisziplinäre Forschung und Lehre an der Schnittstelle von Wirtschaft, Mathematik, Informatik und Ingenieurswesen. Nicht entweder oder, sondern sowohl als auch Das Studium der Wirtschaftsinformatik am KIT zeichnet sich durch echte Interdisziplinarität, Individualität, Internationalität und der Integration von Wissenschaft und Praxis der Digitalisierung aus. Organisierte Austauschprogramme, Sprachkurse, Lehrveranstaltungen auf Englisch und geförderte Auslandspraktika ermöglichen den Studierenden schon im Bachelorstudium internationale Erfahrungen.   Diesen Beitrag können Sie nachhören oder downloaden unter:

Gudrun spricht in dieser Folge mit Tanja Hagedorn, die Geschäftsführerin des KIT-Zentrums MathSEE ist. Das Karlsruher Zentrum für Technologie (KIT) besteht aus sehr vielen Instituten, die in fünf thematischen Bereichen zusammengeschlossen sind. Andererseits gibt es die eher horizontal durch alle Bereiche hindurch sortierenden Gremien, die KIT-Zentren heißen. Hier sind Forscherinnen und Forscher Mitglied und es "werden Fragestellungen, die von fundamentaler Bedeutung für die Existenz und Weiterentwicklung der Gesellschaft sind oder die aus dem Streben nach Erkenntnis resultieren, bearbeitet." ( lt. Webseite). Sieben solche Zentren gibt es seit Gründung des KITs: Energie Information · Systeme · Technologien Mobilitätssysteme Elementarteilchen- und Astroteilchenphysik Klima und Umwelt Materialien Mensch und Technik Allerdings gab es ursprünglich kein Thema, unter dem die vielen Aktivitäten, die die Mathematik am KIT für die Gesellschaft leistet (und die auch nicht nur in der KIT-Fakultät für Mathematik stattfinden), ein Zuhause finden könnte. Deshalb entstand der Wunsch nach einem passenden Zentrum im KIT. Das KIT-Zentrum Mathematics in Sciences, Engineering, and Economics, kurz "MathSEE", gibt es nun seit Oktober 2018. In MathSEE kooperieren theoretisch-mathematisch und anwendungsorientiert arbeitenden Wissenschaftlerinnen und Wissenschaftler in gemeinsamen Forschungsprojekten. Aufgabe von MathSEE ist es auch, diese Forschung nach außen hin sichtbar zu machen sowie neue interdisziplinäre mathematische Forschung am KIT zu fördern. Da gilt es vor allen Dingen auch, Vermittlung zwischen Großforschungs- und Universitätsbereich zu betreiben. MathSEE bietet unter anderem eine Anschubförderung für neue interdisziplinäre Projekte] an, deren erste Ausschreibungsrunde gerade erfolgreich abgeschlossen wurde und die ersten sieben Projekte eine Förderung erhalten haben. Die nächste Bewerbungsfrist ist Ende Juni 2019. Keimzelle von MathSEE war insbesondere der Sonderforschungsbereich 1173: Wellenphänomene: Analysis und Numerik. Doch auch andere bestehende große Drittmittelprojekte in der Mathematik wie das Graduiertenkolleg 2229: Asymptotic Invariants and Limits of Groups and Spaces bilden die Grundlage für die Entstehung von MathSEE. Sie haben dazu geführt, dass die besondere Stellung der Mathematik an der technischen Forschungseinrichtung KIT und die Forschungsstärke der Mathematik sichtbarer wurden. Die Initiative der Sprecherin Marlis Hochbruck hat die Gründung von MathSEE dann ins Rollen gebracht. Der engagierte Wissenschaftliche Sprecher von MathSEE, Prof. Martin Frank, ist in seiner Doppelrolle als Professor in der Mathematik und SCC-Direktor perfekt für die Aufgabe. Um gezielter zusammen arbeiten zu können, ist MathSEE mit seinen momentan knapp 130 Mitgliedern weiter untergliedert in Methodenbereiche: MB 1: Mathematische Strukturen: Formen, Geometrie, Zahlentheorie und Algebra MB 2: Mathematische Modellbildung, Differentialgleichungen, Numerik, Simulation MB 3: Inverse Probleme, Optimierung MB 4: Stochastische Modellbildung, statistische Datenanalyse und Vorhersage Mitglieder arbeiten oft in mehreren Methodenbereichen mit. Die Methodenbereiche werden jeweils durch ein Paar interdisziplinär geleitet, d.h. eine Person aus der Mathematiker und eine Person aus einem anderen Forschungsbereich. Wichtig in MathSEE ist, dass insbesondere auch Promovierende Mitglied sein können und hier Kooperationspartner für Fragestellungen in ihrem Promotionsprojekt finden können. Für sie bietet die Graduiertenschule MathSEED außerdem ein umfassendes Qualifikationsprogramm an. MathSEE fördert darüber hinaus zwei Veranstaltungsformate: In der MathSEE Modellierungswoche im August entwickeln Studierende Lösungsansätze zu aktuellen interdisziplinären mathematischen Fragestellungen von Problemstellenden aus MathSEE. Studierende erhalten dabei einen ersten Eindruck von der Forschung in angewandter Mathematik und die Problemstellenden können erste Ergebnisse erwarten. Bald wird auch ein MathSEE ScienceSlam stattfinden, da MathSEE versucht, auch für Mathematik bei einem größeren Publikum zu werben. Literatur und weiterführende Informationen MathSEE Veranstaltungen und Termine Podcasts M. Frank, G. Thäter: Kinetische Theorie, Gespräch im Modellansatz Podcast, Folge 152, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2017. K. Wohak, M. Hattebuhr, E. Bastian, C. Beizinger, G. Thäter: CAMMP-Week, Gespräch im Modellansatz Podcast, Folge 174, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. M. Hattebuhr, K. Wohak, G. Thäter: Simulierte Welten, Gespräch im Modellansatz Podcast, Folge 179, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018.

Gudrun traf sich zum Gespräch mit Janina Gärtner. Sie hat an der KIT-Fakultät Mathematik gerade ihre Promotion mit dem Titel "Continuation and Bifurcation of Frequency Combs Modeled by the Lugiato-Lefever Equation" abgeschlossen. Die Arbeit war Teil der Forschung im SFB 1173: Wellenphänomene und ist interdisziplinär zwischen Mathematik und Elektrotechnik entstanden. Im Zentrum stehen Frequenzkämme, die Janina theoretisch und praktisch betrachtete. Einerseits geht es um analytische Untersuchungen zur Existenz und Regularität von bestimmten Lösungen der zugehörigen Gleichung. Andererseits werden numerisch bestimmte Fälle gelöst, für die sich die Arbeitsgruppe in der E-Technik besonders interessiert. Frequenzkämme sind optische Signale, die aus vielen Frequenzen bestehen und mehrere Oktaven überspannen können. Sie entstehen beispielsweise indem monochromatisches Laserlicht in einen Ringresonator eingekoppelt wird und die resonanten Moden des Ringresonators angeregt werden. Durch Mischung und aufgrund des nichtlinearen Kerr-Effekts des Resonatormaterials werden Frequenzkämme mit unterschiedlichen Eigenschaften erzeugt. Die mathematische Beschreibung des elektrischen Feldes innerhalb des Ringresonators erfolgt durch die Lugiato-Lefever Gleichung. Von besonderem Interesse sind dabei sog. Solitonen-Kerrkämme („Soliton Kerr Combs“ oder auch „Dissipative Kerr-Soliton Combs“), die aus im Resonator umlaufenden zeitlich und räumlich stark lokalisierten Solitonen-Impulsen entstehen. Solitonen-Kerrkämme zeichnen sich durch eine hohe Zahl an Kammlinien und damit eine große optische Bandbreite, durch geringes Phasenrauschen und durch eine hohe Robustheit aus. Ausgangspunkt von Janinas Untersuchungen ist der Existenzbeweis von Soliton-artigen Frequenzkämmen für den Fall, dass die Dispersion positiv ist. Anschließend können die Parameterbereiche angegeben werden, für die das praktisch auftritt. Mathematisch ist der erste Trick, dass man sich auf zeitlich konstante (stationäre) Lösungen beschränkt. Da örtlich nur eine Variable betrachtet wird, wird aus der partiellen eine gewöhnliche Differentialgleichung. Für diese Gleichung betrachtet Janina zunächst einen sehr einfachen Fall (sogenannte homokline Triviallösungen): Lösungen, die gegen eine Konstante streben. Die Gleichung wird dafür zunächst ohne Dämpfungs- und ohne Anregungsterme betrachtet. Es zeigt sich, dass die einzigen homoklinen Lösungen rein imaginär sind. Anschließend wird zuerst die Anregung hinzugenommen und mit Aussagen zu Eindeutigkeit und Verzweigungen können die Lösungen hier fortgesetzt werden. Selbst nach Hinzunahme der Dämpfung funktionieren noch Fortsetzungsargumente in einer gewissen Umgebung. Das passt aber gut zu der Idee, dass man die Verzweigungsstellen finden möchte. Mit Hilfe der Software pde2path können analytisch alle Verzweigungspunkte bestimmt werden. Anschließend werden anhand von konkreten Beispielen alle primären Verzweigungen vom Ast der Triviallösungen bestimmt. Dies führt zu einer Karte von Lösungen und Stabilitätseigenschaften in der Phasen-Ebene, die sehr gut mit vereinfachten Stabilitätskriterien für nichtperiodische Lösungen übereinstimmt. Daraus werden Heuristiken zum Auffinden der im Zeitbereich am stärksten lokalisierten Frequenzkämme abgeleitet. Janina hat ein Lehramtsstudium Mathematik/Physik am KIT absolviert. Als sie sich für ihre Zulassungsarbeit mit einem mathematischen Thema auseinandergesetzt hat, bekam sie Lust, die mathematische Seite ihrer Ausbildung zum Master Mathematik zu vervollständigen. Anschließend hat sie eine Promotionsstelle in der KIT-Fakultät für Mathematik angenommen, wo sie auch im Schülerlabor Mathematik tätig war. Mit der Gründung des SFB hat sie sich schließlich ganz auf das besprochene Forschungsthema konzentriert. Literatur und weiterführende Informationen Herr, T. et al. Temporal solitons in optical microresonators. Nat. Photon. 8, 145–152, 2014. N. Akhmediev & A. Ankiewicz: Dissipative Solitons: From Optics to Biology and Medicine, Springer, 2008. Marin-Palomo, Pablo, et al.: Microresonator-based solitons for massively parallel coherent optical communications, Nature 546.7657: 274, 2017. Trocha, Philipp, et al. :Ultrafast optical ranging using microresonator soliton frequency combs, Science 359.6378: 887-891, 2018. Podcasts A. Kirsch, G. Thäter: Lehramtsausbildung, Gespräch im Modellansatz Podcast, Folge 104, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. E. Dittrich, G. Thäter: Schülerlabor, Gespräch im Modellansatz Podcast, Folge 103, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. K. Sobotta, H. Klein: Schülerlabore, Resonator-Podcast, Folge 59, Holger Klein/Helmholtz-Gemeinschaft, 2015.

Gudrun unterhält sich in dieser Episode mit Marcel Schweiker. Marcel arbeitet in der KIT-Fakultät für Architektur im Fachgebiet Bauphysik & Technischer Ausbau. Die Gruppe schlägt in ihren Themen Brücken zum Bauingenieurwesen, dem Maschinenbau und der Psychologie. Sie interessieren sich für Lösungen im Neubau und Bestand, die langfristig hohen Nutzungskomfort mit niedriger Umwelt- und Ressourcenbelastung verbinden. Marcel hat Architektur in Kassel studiert und sich dabei mehr und mehr für die Rolle des Menschen im umbauten Raum interessiert. Deshalb hat er das Architekturstudium durch ein Ergänzungsstudium Technik-, Wirkungs- und Innovationsmanagement abgerundet. Parallel hat er noch ein Zusatzstudium Energie und Umwelt absolviert und ist zertifizierter Gebäudeenergieberater. Im Anschluss hat er sich für eine Promotion in Japan entschieden. An der Tokyo City University (Laboratory for Built Environmental Research) wurde er 2010 in Umweltinformationswissenschaften promoviert. Seitdem ist er am KIT tätig und hat sich inzwischen auch hier habilitiert. Ein schönes Anschauungsobjekt für die Themen des Gespräches ist das 2015 bezogene Kollegiengebäude Mathematik. Der erste Sommer im Haus begann nämlich schon mit dem Einzug im April 2015. Damals hatte man sich erhofft, mit den nötigen Beschattungsmaßnahmen für das Atrium noch etwas Zeit zu haben und das Gebäude bezogen, obwohl die Technik noch nicht funktionierte. In mehreren Schritten sind inzwischen die geplanten Maßnahmen für die Lüftung und Beschattung des Gebäudes im Wesentlichen in Betrieb gegangen und zeigen sich als durchaus geeignet, einen Komfort auch im Sommer zu ermöglichen. Trotzdem hat an dem sehr sonnigen Februartag des Gespräches, die niedrig stehende Sonne das Büro sehr aufgeheizt. Im Sommer sorgt die Regelung der Außenbeschattung rechtzeitig für Verdunklung - im Winter hätte Gudrun selbst vor der Mittagspause für Beschattung sorgen müssen, um das zu vermeiden. Schon sind Marcel und Gudrun mitten im Gespräch über das für und wider von Kontrolle durch zentrale Modelle oder durch die Personen im Raum. Ein Forschungsergebnis ist dass, die empfundene Kontrolle sich auf das thermische Empfinden der Personen auswirkt. Ob man ein Fenster prinzipiell öffnen kann oder nicht hat Einfluss auf thermische Zufriedenheit. Solche Experimente werden z.B. im Raumklimateststand LOBSTER der Arbeitsgruppe durchgeführt. Dort werden experimentelle Studien durchgeführt, während derer die Studienteilnehmer*innen unter unterschiedlichen Temperatur- und Lichtbedingungen arbeiten. Es werden dabei auch physiologische Reaktionen des Körpers gemessen. Der Teststand hat eine etwa 10mx10m große Grundfläche und enthält zwei Büroräume. Es ist eine Temperaturregelung über alle Wände (inkl. Decke und Boden) möglich. So ist es auch möglich, Bedingungen außerhalb der Norm zu untersuchen. Man weiß, dass sich der menschliche Körper an warme Temperaturen anpassen kann. Überhaupt ist die Wahrnehmung der Temperatur relativ und nicht absolut. Meist unbemerkt wird die Körperkerntemperatur durch Veränderung des Blutflusses vom Körperkern zur Peripherie des Körpers konstant gehalten. Zusammen mit Physiologen und Psychologen hat Marcel eine Metastudie abgeschlossen, welche Einflussgrößen zu individuellen Unterschieden in der Temperaturwahrnehmung führen. Ein Aspekt war hierbei auch, inwieweit sich das Wärmeempfinden von Frauen und Männern unterscheidet. Frauen tendieren zwar dazu sich etwas kühler zu fühlen, aber in einem Bereich von etwa 75% zeigen Frauen und Männern keinen großen Unterschied. Die Untersuchungen der Arbeitsgruppe können helfen, auch ohne aktive Kühlung Gebäude thermisch komfortabel zu gestalten. Auch für die Zukunft, wenn die Temperaturen in Deutschland weiter steigen werden. Prinzipiell sind Großraumbüros zwar schwierig für alle Nutzer gleichzeitig komfortabel thermisch zu beherrschen, gleichzeitig wird untersucht, inwieweit neueste Technik es ermöglicht eine lokale Steuerung der Temperaturen über die Stühle oder Luftauslässe am Schreibtisch zu realisieren, um den individuellen Bedürfnissen von Personen gerecht zu werden. In den Modellen, die Marcel und seine Kolleginnen benutzen, werden Gleichungen für Blutfluss vom Körperkern zur Peripherie benutzt. Außerdem wird sowohl die Strahlungswärme als auch die Konvektion vom Körper betrachtet. Sie werden in Computerprogrammen gelöst, die typischerweise auch Rückwirkungsschleifen enthalten. Zusätzlich braucht es statistische Modelle, die helfen, die experimentellen Daten zu ordnen und zu interpretieren. In naher Zukunft soll auch die Kopplung von thermischen, akustischen und visuellen Anteilen an der Gesamtzufriedenheit gleichzeitig betrachtet werden können. Literatur und weiterführende Informationen M. Schweiker e.a.: Drivers of diversity in human thermal perception – A review for holistic comfort models Temperature, 1–35, 2018. doi:10.1080/23328940.2018.1534490 M. Schweiker e.a.: comf: Functions for Thermal Comfort Research Programme, 2017. M. Schweiker & A. Wagner: The effect of occupancy on perceived control, neutral temperature, and behavioral patterns Energy and buildings 117, 246-259, 2016. doi: 10.1016/j.enbuild.2015.10.051 M. Schweiker & A. Wagner: A framework for an adaptive thermal heat balance model (ATHB) Building and environment 94, 252-262, 2015. doi: 10.1016/j.buildenv.2015.08.018 Podcasts M. Rösler, G. Thäter: Raumklima, Gespräch im Modellansatz Podcast, Folge 143, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2017.

Gudrun spricht mit Sebastian Schäfer und Isabel Häuser von der KIT-Fakultät für Informatik. Ihre Aufgabe dort ist die Öffentlichkeitsarbeit. Der persönliche Kontakt hatte sich durch die gemeinsame Arbeit in einem Gremium des KIT ergeben, wo Ideen entwickelt werden, wie mehr junge Frauen für ein Studium am KIT gewonnen werden können. Das Podastgespräch fasst das Thema etwas allgemeiner und beleuchtet das derzeitige Schülermarketing an der Informatik am KIT und wie es sich über die letzten Jahre entwickelt hat. Die KIT-Fakultät für Informatik hat seit den frühen 2000ern eine eigene Stelle für Öffentlichkeitsarbeit. Seit 2009 wurden in diesem Rahmen besondere Anstrengungen unternommen, um Schülerinnen und Schüler strategisch für ein Informatikstudium am KIT zu werben. Diese Aktivitäten werden unter dem Namen Schülermarketing zusammengefaßt. Da es in den Jahren 2005-2008 einen Einbruch der Anfängerzahlen gegeben hatte, wollte man gezielter als bisher die jungen Leute ansprechen und informieren, um die Studierendenzahlen dadurch zu steigern. Seitdem wurden die diesbezüglichen Aktivitäten deutlich ausgebaut und es gibt nicht nur eine verantwortliche Person, sondern ein Team. Zur Zeit sind das Sebastian und Isabel, die direkt mit Rückendeckung von Geschäftsführung und Fakultätsvorstand arbeiten. Sie bringen dafür ihr Kommunikations-Know-how mit, das sie in einem geisteswissenschaftlichen Studium erworben haben. Tatsächlich lohnt sich diese Arbeit, denn die Einschreibezahlen haben sich seit 2009 mehr als verdoppelt. Ein wichtiges Werkzeug für Information nach innen wie außen und für den ersten Eindruck sind die Informationsseiten der Website. Deshalb nimmt deren Pflege und Weiterentwicklung eine wichtige Rolle in der täglichen Arbeit ein. Außerdem die traditionellen Schüler-Outreach-Formate am KIT wie Teilnahme an Berufsinformationsmessen, viele Aktionen zum Girls' Day, Uni für Einsteiger und das Anbieten von Schnupperkursen. Hier geht es in der Abteilung vor allem um die Kommunikation und Koordination aber auch um die Entwicklung (und Durchführung) von Ideen für einzelne Aktionen (wie z.B. Gewinnspiele), die gezielt auf einzelnen Kanälen (Instagram, Facebook und Twitter) laufen und auf die Fakultät aufmerksam machen. Weitere Veranstaltungsformate, die große Resonanz haben, sind die regelmäßigen Sommercamps, aus denen jedes Jahr neue Studierende hervorgehen. Ein bewährtes Instrument sind Give-Aways, mit denen die beiden versuchen, etwas Witziges mit Informatik-Bezug zu verbinden. Hierfür gibt es zum Glück viele Ansatzpunkte. Bisher waren das z.B. Turnbeutel mit verschlüsseltem Text, Pixelbrillen und Cardboards. Aber selbst so konventionelle Geschenke wie Kuli-Serien und Stofftaschen finden auf diesem Weg begeisterte junge Besitzer. Inzwischen gibt es auch spezielle Ansätze, um mehr Frauen für das Studium zu gewinnen - auch weil die Fakultät das Schlusslicht im Frauenanteil am KIT darstellt. Gerechte Bild- und Textsprache sind eine Selbstverständlichkeit und weibliche Rollenmodelle werden aktiv gesucht und gefunden wie z.B. aktuell in einem Video über den Semesterstart. Ein Wunsch für die Zukunft wäre es, noch mehr im Video-Format erarbeiten zu können, um auf Youtube einen stärkeren eigenen Akzent setzen zu können. Literatur und weiterführende Informationen Informationsseiten zum Studium an der KIT-Fakultät für Informatik Youtube-Kanal KIT-Fakultät für Informatik auf Twitter Podcasts E. Dittrich, G. Thäter: Schülerlabor, Gespräch im Modellansatz Podcast, Folge 103, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. B. Böttcher, G. Thäter: Meisterklasse, Gespräch im Modellansatz Podcast, Folge 158, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. G. Thäter, K. Wohak: CAMMP, Gespräch im Modellansatz Podcast, Folge 165, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. K. Wohak, M. Hattebuhr, E. Bastian, C. Beizinger, G. Thäter: CAMMP-Week, Gespräch im Modellansatz Podcast, Folge 174, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018.

In dieser Folge unterhält sich Gudrun gleich mit vier Personen. Im Gespräch geht es um ein ganz besonderes Angebot für Schülerinnen und Schüler: die CAMMP-week. Die Abkürzung CAMMP steht hier für "Computational and Mathematical Modeling Program" (deutsch: "Computergestütztes Mathematisches Modellierungsprogramm"). Das Programm wurde in der Arbeitsgruppe von Martin Frank während seiner Tätigkeit an der RWTH in Aachen entwickelt. Mit seinem Wechsel ans KIT in Karlsruhe gibt es nun seit Januar 2018 auch ein Standbein am KIT. Mit Kirsten Wohak hatte Gudrun schon über das Konzept, die Idee und konkrete Beispiele für CAMMP gesprochen. Dabei entstand der Wunsch, unbedingt auch Schülerinnen und Schüler zu Wort kommen zu lassen, die an einer CAMMP-Veranstaltung teilgenommen haben. Elly Bastian und Christian Beitzinger haben vom 24.-29. Juni 2018 an der diesjährigen CAMMP week in der Jugendherberge in Voeren (Belgien) teilgenommen und hatten Lust, im Podcast über ihre Erfahrungen zu berichten. Elly ist derzeit noch Schülerin der 10. Klasse am Goethe-Gymnasium in Gaggenau und Christian ist in der K1 im Tulla-Gymnasium in Rastatt. Zwei Programmgestalterinnen waren ebenfalls mit in der Podcast-Gesprächsrunde, nämlich Kirsten Wohak und Maren Hattebuhr. Sie gehören am KIT zur Arbeitsgruppe von Martin Frank Computational Science and Mathematical Methods. Diese Gruppe schlägt eine Brücke zwischen dem Steinbuch Center for Computing und der KIT-Fakultät für Mathematik. Das Angebot der CAMMP week richtet sich an Schüler und Schülerinnen der Oberstufe, die an Mathematik interessiert sind, an Mathematiklehrpersonen sowie Personen im Referendariat oder Lehramtsstudium und findet jährlich in der Jugendherberge in Voeren in Belgien statt. In Karlsruhe wird zusätzlich noch eine zweite Modellierungswoche in Zusammenarbeit mit dem MINT-EC angeboten, an welcher Schülerinnen und Schüler von Schulen, die Teil des MINT-Schulnetzwerks sind, teilnehmen können. In beiden Wochen werden die Teilnehmenden in Gruppen aufgeteilt, die jeweils aus sechs Schülerinnen und Schülern und zwei (angehenden) Lehrkräften bestehen. Bei den zu lösenden Problemen handelt es sich um reale Fragestellungen aus der Forschung von Firmen oder Universitätsinstituten. Jede Gruppe erhält eine individuelle Aufgabenstellung, an der sie innerhalb der fünf Tage forscht. Dabei wird sie auch wissenschaftlich betreut. Die Schülerteams präsentieren ihre Ergebnisse den Firmen am Ende der Woche im Rahmen einer repräsentativen Abschlussveranstaltung. Hier sind auch die Familien und die Schulen dabei. Welche Wege führen junge Menschen nun in die CAMMP week? Elly hatte Anfang 2018 die Arbeit der Gruppe um Martin Frank im Rahmen ihres BOGY-Praktikums kennen gelernt und dabei Lust bekommen, noch mehr praktische Mathematik zu machen. Obwohl sie keine andere Person kannte, die auch nach Belgien fahren würde, war ihre Lust so groß, dass sie sich auf das Abenteuer einlassen wollte. Christian wurde von seinem Mathelehrer auf die Möglichkeit hingewiesen und hatte sich mit Mitschülern abgesprochen. Beide berichteten darüber, dass sie in der jeweiligen Gruppe mit viel Enthusiasmus arbeiten konnten, viele Ideen geboren und wieder verworfen wurden und am Ende auch in schwierigen Phasen ein Ausweg gefunden wurde. Es war eine interessante Erfahrungen, mit anderen Schülerinnen und Schülern zusammen zu sein, die auch Begeisterung für Mathematik empfinden. Beide haben nun ein neues Bild von Mathematik und den Möglichkeiten einer späteren Berufstätigkeit mit einer mathematischen Vorbildung und würden auch gern wieder an einer CAMMP week teilnehmen. Podcasts E. Dittrich: Schülerlabor, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 103, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. M. Frank: Kinetische Theorie, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 152, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2017. B. Böttcher: Meisterklasse, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 158, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. G. Thäter, K. Wohak: CAMMP, Gespräch im Modellansatz Podcast, Folge 165, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. 10 Jahre Omega Tau Podcast

Am 6. Juni 2018 hat Dietmar Gallistl seine Antrittsvorlesung gehalten. Dies ist der traditionelle Abschluss jedes Habilitationsverfahrens an der KIT-Fakultät für Mathematik. Der Titel des Vortrags lautete: Die Stabilitätskonstante des Divergenzoperators und ihre numerische Bestimmung. Im Zentrum des Vortrags und des Gespräches mit Gudrun stand die Inf-sup-Bedingung, die u.a. in der Strömungsrechnung eine zentrale Rolle spielt. Das lineare Strömungsproblem (Stokesproblem) besteht aus einer elliptischen Vektor-Differentialgleichung für das Geschwindigkeitsfeld und den Gradienten des Drucks und einer zweiten Gleichung. Diese entsteht unter der Annahme, dass es zu keiner Volumenänderung im Fluid unter Druck kommt (sogenannte Inkompressibilität) aus der Masseerhaltung. Mathematisch ist es die Bedingung, dass die Divergenz des Geschwindigkeitsfeldes Null ist. Physikalisch ist es eine Nebenbedingung. In der Behandlung des Problems sowohl in der Analysis als auch in der Numerik wird häufig ein Lösungsraum gewählt, in dem diese Bedingung automatisch erfüllt ist. Damit verschwindet der Term mit dem Druck aus der Gleichung. Für das Geschwindigkeitsfeld ist dann mit Hilfe des Lax-Milgram Satzes eine eindeutige Lösung garantiert. Allerdings nicht für den Druck. Genau genommen entsteht nämlich ein Sattelpunktproblem sobald man den Druck nicht ausblendet. Dieses ist nicht wohlgestellt, weil man keine natürlichen Schranken hat. Unter einer zusätzlichen Bedingung ist es aber möglich, hier auch die Existenz des Druckes zu sichern (und zwar sowohl analytisch als auch später im numerischen Verfahren solange der endliche Raum ein Unterraum des analytischen Raumes ist). Diese heißt entweder inf-sup Bedingung oder aber nach den vielen Müttern und Vätern: Ladyzhenska-Babushka-Brezzi-Bedingung. Die Konstante in der Bedingung geht direkt in verschiedene Abschätzungen ein und es wäre deshalb schön, sie genau zu kennen. Ein Hilfsmittel bei der geschickten numerischen Approximation ist die Helmholtzzerlegung des L2. Diese besagt, dass sich jedes Feld eindeutig in zwei Teile zerlegen läßt, von der eines ein Gradient ist und der andere schwach divergenzfrei. Es lassen sich dann beide Teile getrennt betrachten. Man konstruiert den gemischten Finite Elemente Raum so, dass im Druck stückweise polynomielle Funktionen (mit Mittelwert 0) auftreten und und für den Raum der Geschwindigkeitsgradienten das orthogonale kompelemt der schwach divergenzfreien Raviart-Thomas-Elemente gewählt ist. Dietmar Gallistl hat in Freiburg und Berlin Mathematik studiert und promovierte 2014 an der Humboldt-Universität zu Berlin. Nach Karlsruhe kam er als Nachwuchsgruppenleiter im SFB Wellenphänome - nahm aber schon kurz darauf in Heidelberg die Vertretung einer Professur wahr. Zur Zeit ist er als Assistant Professor an der Universität Twente tätig. Literatur und weiterführende Informationen D. Gallistl. Rayleigh-Ritz approximation of the inf-sup constant for the divergence. Math. Comp. (2018) Published online, https://doi.org/10.1090/mcom/3327 Ch. Bernardi, M. Costabel, M. Dauge, and V. Girault, Continuity properties of the inf-sup constant for the divergence, SIAM J. Math. Anal. 48 (2016), no. 2, 1250–1271. https://doi.org/10.1137/15M1044989 M. Costabel and M. Dauge, On the inequalities of Babuška-Aziz, Friedrichs and Horgan-Payne, Arch. Ration. Mech. Anal. 217 (2015), no. 3, 873–898. https://doi.org/10.1007/s00205-015-0845-2 D. Boffi, F. Brezzi, and M. Fortin, Mixed finite element methods and applications, Springer Series in Computational Mathematics, vol. 44, Springer, Heidelberg, 2013. Podcasts J. Babutzka: Helmholtzzerlegung, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 85, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. M. Steinhauer: Reguläre Strömungen, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 113, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016

Gudrun hat sich mit Kirsten Wohak unterhalten. Sie ist seit Januar 2018 in der Arbeitsgruppe Computational Science and Mathematical Methods von Prof. Frank tätig. Diese Gruppe schlägt eine Brücke zwischen dem Steinbuch Center for Computing und der KIT-Fakultät für Mathematik. Thema des Gespräches war jedoch ein ganz besonderes Angebot für Schülerinnen und Schüler: Das Computational and Mathematical Modeling Program (CAMMP) . Zusammen mit Maren Hattebuhr kümmert sie sich um das schon an der RWTH Aachen erprobte Konzept nun auch in Karlsruhe. Beantwortet wird die Frage: Wie funktionieren eigentlich... Animationsfilme Fitnesstracker Google GPS mp3 Shazam Solarkraftwerke Sicherung der Privatsphäre in Sozialen Netzwerken...... und was hat das mit Mathe zu tun? Anhand solchen praxisorientierter Fragestellungen aus dem eigenen Alltag werden Schüler und Schülerinnen in die Grundlagen der mathematischen Modellierung eingeführt. Dabei finden mathematische Inhalte, wie beispielsweise Winkelsätze oder Matrizenrechnung Anwendung, die bereits aus dem Unterricht bekannt sind. Neben inhaltlicher Arbeit werden in den Workshops vor allem prozessbezogene Kompetenzen gefördert. Das typische Format ist ein sogenannter CAMMP-day. Er findet jeweils am Schülerlabor Mathematik im Mathebau statt und wird auf Anfrage je nach Themenwahl mit Oberstufen- bzw. Mittelstufenkursen von ein bis zwei wissenschaftlichen Mitarbeitern/-innen durchgeführt. Die Schüler/innen erhalten morgens zunächst eine Einführung, die die Bedeutung von mathematischer Modellierung und Simulation für Wissenschaft und Industrie anhand verschiedener Beispiele veranschaulicht. Anschließend finden die Workshops statt. Nachmittags werden die Ergebnisse von Schülerinnen und Schülern vorgestellt und im Bezug auf die Anfangssituation diskutiert. Seit dem 23. April 2018 läuft für sechs Montage der Schnupperkurs Mathematik zum Thema GPS und Navigation und am heutigen Girls' day findet der Shazam-Kurs statt. Podcasts B. Böttcher: Meisterklasse, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 158, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2018. E. Dittrich: Schülerlabor, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 103, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. A. Kirsch: Lehramtsausbildung, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 104, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016.

Corina Schwitzke ist Gruppenleiterin im Institut für thermische Strömungsmaschinen (ITS) am KIT. Gudrun wollte gern ein Gespräch über partikelbehaftete Strömungen mit ihr führen, denn dies ist ein wichtiges Thema in beiden Arbeitsgruppen. In Corinas Institut gilt das Interesse vor allem der Zerstäubung von Kerosin zu feinen Tröpfchen in Flugtriebwerken Seit 10 Jahren gibt es dort Strömungssimulation mit einer sogenannten Partikelmethode. Die Partikel in dieser Anwendung sind Stützstellen der Rechenmethode und repräsentieren die Flüssigkeit, z.B. Kerosin, und das Gas, d.h. die verdichtete Luft. Vom Blickpunkt der Simulation aus sind die Partikel eigentlich nur Diskretisierungspunkte, die sich mit der Strömung mitbewegen. Sie repräsentieren dabei ein Volumen und die benutzten Koordinaten "schwimmen" mit dem Fluid, d.h. die Methode benutzt ein Lagrange-Koordinatensystem. Die Gleichungen, die der Simulation zugrunde liegen, sind die Navier-Stokes Gleichungen - zunächst isotherm. Falls die Temperaturänderung mitbetrachtet werden muss, dann erfolgt das durch das Lösen der Energiegleichung, für die die diskrete Fassung sehr einfach zu realisieren ist. Das für den Zerstäubungsprozess gut geeignete numerische Verfahren, das am ITS umgesetzt wurde (und dort auch noch weiter entwickelt wird) ist Smoothed particle Hydrodynamics (SPH). Die Methode wurde zu Beginn der 1970er Jahre für die Simulation von Galaxie-Entstehung entwickelt. Ein großer Vorteil ist, dass das Verfahren sich extrem gut parallel implementieren läßt und die Simulation Gebiete ausspart, wo zunächst nichts passiert. Außerdem ist es einfacher, die Physik des Tröpfchenzerfalls zu modellieren als mit den klassischen kontinuumsmechanischen Ansätzen. Der wichtigste Aspekt für die Simulation der Kraftstoffzerstäubung ist die Oberflächenspannung. Sie muss physikalisch und numerisch richtig beschrieben werden und führt dann dazu dass ein Flüssigkeitsfilm in Tropfen zerfällt. Hier geht das Wissen um Oberflächenspannungskoeffizienten ein, die aus Experimenten gewonnen werden ebenso wie die erwartbaren Kontaktwinkel an Wänden. Das Kräftegleichgewicht von angreifenden Scher- und Oberflächenkräften muss die modellierende Physik abbilden - die numerischen Partikel bekommen daraus direkt eine Geschwindigkeit zugewiesen, die auch ausdrückt, ob der Film reißt oder zusammenhängend bleibt. Diese Partikelmethode vermeidet die Probleme von gitterbasierten Verfahren beim Reißen des Films, denn Grenzflächen werden automatisch mittransportiert. Durch die gut skalierende parallele Implementierung ist es möglich, mit einigen Milliarden Partikeln zu rechnen. Die Ergebnisse der Simulationen haben vielfältige Anwendungen. Eine ist es Schadstoffemission zu minimieren. Das ist möglich durch erzwingen der vollständigen Verbrennung des Kraftstoffes oder durch die Vermeidung der Entstehung von Stick- und Schwefeloxiden im Prozess. Das kann durch die Kraftstoffverteilung und über die Temperaturniveaus gesteuert werden. Eine andere Anwendung, die mit diesen Ideen schon funktioniert, ist die Kühlung von Zahnrädern in Getrieben durch einen Flüssigkeitsstrahl. In Zukunft soll auch die Simulation von Zerstäubung einer Biomasse möglich werden, die nichtnewtonsche Fließeigenschaften hat. Das große Ziel am ITS, das in naher Zukunft umgesetzt werden soll, ist ein virtueller Prüfstand für Zerstäubungsprozesse. Corina Schwitzke (geb. Höfler) hat Verfahrenstechnik an der Uni Karlsruhe studiert mit einem Schwerpunkt in Richtung Strömungsmechanik und Verbrennungstechnik. Ihre Diplomarbeit fertigte sie in Los Angeles zu einem Thema im Kontext von Verbrennung an. Es folgte eine Promotion an der KIT-Fakultät Maschinenbau in Karlsruhe, in der sie die Grundlage für die physikalische Modellierung der Zerstäubung mittels der SPH-Methode leistete. Studierende aus der Technomathematik und Informatik sowie dem Maschinenbau unterstützen das Institut in der Implementierung des Verfahrens.Literatur und weiterführende Informationen M.C. Keller e.a.:Turbomachinery Technical Conference and Exposition : Volume 2B - Turbomachinery Proceedings of ASME Turbo Expo 2017, Charlotte, North Carolina, USA, 26th - 30th June 2017, Art.Nr. GT2017-63594, ASME, New York (NY). doi:10.1115/GT2017-63594, 2017. M.C. Keller e.a.: Numerical Modeling of Oil-Jet Lubrication for Spur Gears using Smoothed Particle Hydrodynamics, 11th International SPHERIC Workshop, Munich, Germany, June 13-16, 2016, 69-76. S. Braun e.a.: Simulation of Primary Atomization: Assessment of the Smoothed Particle Hydrodynamics (SPH) Method ICLASS 2015 / 13th International Conference on Liquid Atomization and Spray Systems : August 23-27, 2015, Tainan, Taiwan. Ed.: Ta-Hui Lin C. Höfler:Entwicklung eines Smoothed Particle Hydrodynamics (SPH) Codes zur numerischen Vorhersage des Primärzerfalls an Brennstoffeinspritzdüsen. Dissertation. 2013. Karlsruhe. doi:10.5445/IR/1000048880 J.J. Monaghan: Smoothed Particle Hydrodynamics. Annu. Rev. Astrophys. 1992.Podcasts T. Henn: Partikelströmungen, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 115, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2016. S. Höllbacher: Finite Volumen, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 122, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2017.

Markus Scholz hat gerade seine Dissertation Estimation of Cointegrated Multivariate Continuous-Time Autoregressive Moving Average Processes an der KIT-Fakultät für Mathematik verteidigt. Gudrun ergriff die Gelegenheit, mit ihm über die Idee und Anwendungsmöglichkeiten von Zeitreihen-Modellen zu sprechen. Prinzipiell stehen Zeitreihen einerseits für zeitlich geordnete (Mess-)Daten, die z.B. durch Abtasten (wiederholtes Messen) eines Vorgangs in der Realität entstehen. Andererseits werden sie in der Statistik als Ergebnis eines Stochastischen Prozesses interpretiert, der diese Zeitreihe als eine seiner Realisierungen erzeugt. Der stochastische Prozess ist hierbei ein Modell und soll die wichtigsten Eigenschaften der Daten erfassen. Er soll auch dazu dienen, zuverlässige Schätzungen zu liefern, wie sich die Zeitreihe wahrscheinlich in die Zukunft fortsetzt. Mitunter interessieren hier sogar nur so oberflächliche Informationen wie Saisonalität und Trends. Ein Aspekt, der im Titel der Arbeit von Markus Scholz als "Moving Average" beschrieben ist, ist die Eigenschaft, dass die Werte der Zeitreihe vor allem durch die letzten davor liegenden Meßpunkte beeinflusst sind und die "Erinnerung" an weiter in der Vergangenheit liegende Zustände abklingt. Im Modell ist hier stets eine Zufallsquelle integriert, die man sich wie ein Auswürfeln pro Zeitpunkt vorstellen kann. Wie erfolgt hier die Zuordnung zwischen Datenreihe und stochastischem Modell? In der Regel basiert die Wahl auf der Erfahrung über zuvor benutzte Modelle in ähnlichen Zusammenhängen und auf den bekannten Eigenschaften der Modelle. Anschließend müssen jedoch stochastische Tests belegen, dass die Zuordnung tatsächlich korrekt ist. Markus Scholz hat sich mit stochastischen Prozessen beschäftigt, die kontinuierlich in der Zeit sind statt - wie bisher beschrieben - diskret. Sie eignen sich z.B. zur Modellierung von Temperaturverläufen. Prinzipiell nimmt man dabei an, dass eine hoch genug gewählte Abtastrate den Übergang von diskreten Messungen zu einem als stetig angesehenen Prozess unkritisch macht. Der Aspekt, der ihn hier vor allem beschäftigt hat, war die Erweiterung bekannter Modelle um die Eigenschaft der Nicht-Stationarität. Das heißt kurz gesagt, die Grundeigenschaften des Prozesses können sich über die Zeit ändern. Das kennen wir ja auch von der Temperatur: Einerseitzs durchlaufen tägliche Tiefst-, Höchst- oder Mittelwerte der Temperatur im Jahresverlauf eine typische Kurve für eine betrachtete Region. Andererseits kann im konkreten Jahr ein untypischer Verlauf vorliegen und es ist gar nicht so leicht zu quantifizieren, ob es sich um eine untypische Beobachtung handelt oder sich z.B. die Mittelwerte tatsächlich statistisch signifikant ändern. Anders gesagt führt die Nicht-Stationarität im Modell auf Probleme bei zugehörigen Schätzungen, die in der Regel schwer zu lösen sind. Deshalb hat Markus Scholz zunächst einen handhabbaren Spezialfall ausgewählt, die sogenannten kointegrierte Prozesse. Als stochastische Quelle - dienen ihm Lévy-Prozesse, die Sprünge zulassen. Die einfachste Zufallsquelle wären Brownsche Bewegungen, die aber nur stetig (d.h. ohne Sprünge) möglich sind. Lévy- Prozesse sind flexibel haben jedoch nützliche Eigenschaften, die ihre Behandlung erleichtern, wie z.B. stationäre Inkremente. Grundidee der Arbeit war es, vorhandene Resultate für zeitdiskrete nicht-stationäre Modelle und zeitstetige stationäre Modelle so zu vereinen, dass ein neues zeitstetiges und nicht-stationäres Modell mit gut studierbaren Eigenschaften entsteht. Hierbei wurden Zustandsraummodelle verwendet, welche durch Matrizen charakterisiert werden, die die Eigenschaften des Modells bestimmen. Eine entscheidende Beweisidee beruht darauf, dass die Matrizen so transformiert werden können, dass ein Entkopplung in stationäre und nicht-stationäre Anteile erfolgt und die Benutzung der jeweils bekannten Resultate auf den zusammengesetzten Prozess möglich wird. Besonders wertvoll sind hier die entwickelten Schätzverfahren für kointegrierte Prozesse. In der Praxis haben die Zeitreihen meist einen ungefähren Gleichlauf über die Zeit, damit sind sie gemeinsam integriert, also kointegriert. Der Begriff Integration bedeutet, dass die nicht-stationären Zeitreihen durch Differenzenbildung auf neue stationäre Zeitreihen zurückgeführt werden können. Die Schätzmethode baut auf derMaximum-Likelihood-Schätzung auf, welches anschließend mit Hilfe eines numerisches Optimierungsverfahren gelöst wird. Für die Schätzmethode konnte die Konsistenz nachgewiesen werden, d.h. Schätzfolgen mit immer mehr Daten werden immer besser (Konvergenz in Wahrscheinlichkeit gegen wahren Wert). Referenzen C. Granger: Nobel Prize Lecture, 2003. R. Stelzer: CARMA Processes driven by Non-Gaussian Noise, TUM-IAS Primary Sources - Essays in Technology and Science, 1 no.1, 2012. E. Schlemm and R. Stelzer: Quasi maximum likelihood estimation for strongly mixing state space models and multivariate Lévy-driven CARMA processes, arXiv, 2012.

Stephan Hemri hat an der ETH in Zürich einen Bachelorstudiengang Umweltwissenschaften absolviert und sein Studium mit einem Master in Statistik abgerundet. Seine Masterarbeit entstand an der Eidgenössischen Forschungsanstalt für Wald, Schnee und Landschaft (WSL). Hierbei hat er auch statistisches Postprocessing kennengelernt. Mit diesem Wissen und dem vorhandenen Interesse übernahm er ein Promotionsthema von Tilmann Gneitling am Lehrstuhl für Computational Statstics an der KIT-Fakultät für Mathematik und am Heidelberger Institut für Theoretische Studien. Zu den Höhepunkten dieser Zeit zählt er die vier Monate, die er am Europäischen Wetterzentrum (Zentrum für Mittelfristprognose) in Reading mitforschen konnte. Schon seit langem werden für die Wettervorhersage numerische Modelle eingesetzt. Dabei werden Größen wie zum Beispiel Temperatur und Niederschlag auf einem globalen 3-dimensionale Gitter durch das Lösen von großen gekoppelten und nichtlinearen Gleichungssystemen bestimmt, die aus physikalischen Modellen hergeleitet sind, nach denen sich Luftmassen und Wasser in der Atmosphäre in etwa bewegen und dabei unser Wetter erzeugen. Ebenso wichtig - wenn auch weniger bekannt - sind hydrologische Vorhersagen zu Pegelständen an Flüssen, die mit ähnlichen Methoden für einige Zeit im voraus berechnet werden. Zu Beginn waren die damit verbundenen Rechnungen rein deterministisch, was den großen Nachteil hatte, dass die Ergebnisse der Modellläufe nichts über Unsicherheiten der Vorhersage aussagen konnten. Eine Idee, um Ungenauigkeiten der Modellrechnungen zu bestimmen, ist zu Ensemblevorhersagen überzugehen. Das heißt, man berechnet nicht nur eine Vorhersage, sondern mehrere Modelläufe, jeweils zu abgeänderten (gestörten) Anfangsbedingungen oder mit verschiedenen Modellen, um zu sehen, wie stark sie sich in den Ergebnissen unterscheiden. Sind sich die verschiedenen Rechnungen weitestgehend einig, ist die Vorhersage recht sicher zutreffend. Weichen sie stark voneinander ab, sind sie entsprechend wenig sicher. Die Datenlage in der Wettervorhersage ist sehr gut. Insofern, kann man natürlich im Nachgang immer abgleichen, inwiefern Vorhersagen eingetroffen sind und dies zur Verbesserung der Modelle benutzen. Aber trotzdem bleiben konkrete Aussagen wie z.B. Hochwasservorhersagen oder Vorhersagen zu Pegeln anhand von Niederschlags-Daten sehr schwierig, weil die Modelle nicht ausgereift sind und die Verbesserung nicht auf der Hand liegt. Zum Beispiel am Europäischen Wetterzentrum in Reading ist derzeit ein Ensemble bestehend aus 51 Modellenvarianten verfügbar. Zusammen mit einem deterministischen Modell höherer Auflösung, führt dies zu einem recht großen Ensemble von Vorhersagen. In der statistischen Nachbearbeitung (dem Postprocessing) wird vor allem nach systematischen Fehlern Ausschau gehalten. Dabei werden bedingte Wahrscheinlichkeits-Vorhersagen auf das Ensemble bezogen und parametrische Dichtefunktionen erzeugt. Als Trainingsperiode werden dabei z.B. die letzten 30 Tage gewählt. Bei hydrologischen Abschätzungen sind jahreszeitliche Trainingsperioden (gleiche Jahreszeiten, aber andere Jahre) häufig sehr hilfreich. Dieses Vorgehen führt in der Regel zu einer besseren Schätzung des zukünftigen Wetters und Pegelständen. Für die Temperatur kann man sich das Vorgehen am einfachsten vorstellen: Es gibt einen Ensemble-Mittelwert, dessen Fehler in etwa normalverteilt ist. Bei der Nachbearbeitung wird z.B. der Mittelwert-Parameter an den Mittelwert des Ensembles in linearer Weise angepasst. Auch die Varianz ist in erster Näherung eine lineare Funktion der Varianz des Ensembles. Das ist ein sehr einfaches Modell, aber schon hilfreich. Zwei grundlegende Ideen gehen in der Parameterschätzung ein. Zum einen nichthomogene Regression, die gut verstanden aber nicht so flexibel ist - zum anderen Baysean Model averaging. Über allen statistischen Verfahren und Verbesserungen bleibt jedoch auch die Forderung, dass die Nutzbarkeit der Ergebnisse für den Endnutzer gegeben sein muss. Deshalb wird - gerade bei Wasserstandsvorhersagen - manchmal dann doch nur ein zu erwartender Pegelstand übermittelt ohne alle im Prozess gewonnenen Erkenntnisse über mögliche Abweichungen von diesem approximativen Wert mitzuteilen. Literatur und weiterführende Informationen Cloke, H. L. and F. Pappenberger (2009). Ensemble flood forecasting: a review. Journal of Hydrology 375, 613--626. Gneiting, T., A. E. Raftery, A. H. Westveld, and T. Goldman (2005). Calibrated probabilistic forecasting using ensemble model output statistics and minimum CRPS estimation. Monthly Weather Review 133, 1098--1118. Raftery, A. E., T. Gneiting, F. Balabdoui, and M. Polakowski (2005). Using Bayesian model averaging to calibrate forecast ensembles, Monthly Weather Review 133, 1155--1174. Thorarinsdottir, T. L. and T. Gneiting (2010). Probabilistic forecasts of wind speed: ensemble model output statistics by using heteroscedastic censored regression, Journal of the Royal Statistical Society (Series A) 173, 371--388.

Im Gespräch mit Ulrike Leyn wollten wir den Blick auf Aufgaben im heutigen Verkehrswesen richten. Wir begannen die Unterhaltung damit, zu erkunden, auf welchem Weg Ulrike Leyn zum Verkehrswesen gekommen ist und schließlich für das Thema Feuer gefangen hat. Am Anfang stand wohl ihre Entscheidung für das Studienfach Wirtschaftsingenieurwesen aus dem einfachen und sehr nachvollziehbaren Grund, sich damit thematisch nicht so stark festlegen zu müssen und im Anschluss sehr viele auch sehr verschiedenartige Möglichkeiten des beruflichen Einstiegs zu haben. Im Wirtschaftsingenieurwesen gibt es je nach Universität verschiedene Ausbildungsstrategien. An einigen muss man sich zu Beginn auf eine Ingenieurdisziplin festlegen, die dann mit ökonomischen Fächern kombiniert wird. In Karlsruhe ist die Ausbildung jedoch ingenieurtechnisch sehr breit angelegt. Es werden also Grundlagen für sehr verschiedene Ingenieurwissenschaften im Studium gelehrt und erst in der Vertiefung erfolgt eine Spezialisierung nach eigener Neigung. Außerdem ist auch der Anteil zwischen ökonomisch ausgerichteten und ingenieurstechnischen Fächern am Karlsruher Institut für Technologie (KIT) je nach persönlicher Wahl stark variabel. Das waren zwei Aspekte, die Ulrike Leyn darin bestärkten in Karlsruhe zu studieren. Für sie war es schließlich die Wahl der Fächerkombination 'Grundlagen der Raum- und Infrastrukturplanung', die zum ersten Schritt in die Richtung Verkehrwsesen wurde. Die Interdisziplinarität des Themas hat sie von Anfang an sehr angesprochen. Deshalb schrieb sie schließlich auch ihre Diplomarbeit am Institut für Verkehrswesen. Direkt im Anschluss begann sie, als wissenschaftliche Mitarbeiterin am Institut zu arbeiten. In ihrer jetzigen Tätigkeit im Verkehrswesen kann Ulrike Leyn vor allem ausnutzen, dass sie im Studium gelernt hat, sich in sehr viele verschiedene Probleme selbstständig einzuarbeiten. Außerdem erwies sich ihre Tätigkeit als Tutorin der Vorlesung Programmieren in Java als sehr hilfreich, um Simulationen anzupassen und automatisiert auszuwerten. In Karlsruhe am KIT ist Verkehrswesen als Teil des Bauingenieurwesens an der KIT-Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften etabiliert. Inzwischen gibt es auch einen eigenen Master-Studiengang Mobilität und Infrastruktur. Neben der Möglichkeit als Ingenieurs-Vertiefung im Wirtschaftsingenieurwesen (und der technischen VWL) kann es auch als Zusatzfach in Informatik, Physik oder Wirtschaftsmathematik gewählt werden oder als technisches Fach im Master Technomathematik. Die Lehrangebote des Instituts erstrecken sich über mehrere Bereiche. Das Projekt, an dem Ulrike Leyn für lange Zeit gearbeitet hat und das gerade abgeschlossen wurde, soll die Möglichkeit bieten, Verkehrs-Simulation auf Computern so zu verwenden, dass man sie einfacher als Ergänzung bzw. Ersatz der Richtlinien im Handbuch für die Bemessung von Straßenverkehrsanlagen (HBS) einsetzen kann. Diese Richtlinie hilft die Qualitätsstufe von Anlagen einzuschätzen. Allerdings - insbesondere bei Nicht-Standard-Situationen ist es heute schon üblich, statt der stark vereinfachenden Rechnungen nach dieser Richtlinie, Simulationen zu benutzen. Denn die Voraussetzungen für die Anwendung der Richtlinien sind nur dann gegeben, wenn auch vorher Richtlinen-getreu gebaut wurde für Normalverkehrssituationen. Ein Schwerpunkt der Untersuchungen waren Autobahnen, wo z.B. Ein- und Ausfahrten und starke Anstiege besondere Herausforderungen an die Modellierung stellen. Das Ziel war kurz gesagt das Finden von Parametern, bei denen die durch Simulation erzeugten Ergebnisse denen nach der Richtlinie berechneten entsprechen. Das klingt einfacher als es ist. Ein generelles Problem ist beispielsweise, dass es häufig nicht genug verlässliche Verkehrsdaten gibt bzw. die Güte der Daten nicht offensichtlich ist. Trotzdem soll mit den so gefundenen Einstellungen der Realität möglichst gut entsprechende Simulationen möglich werden - sogar falls keine Daten vorhanden sind - wenn man nun mit den Einstellungen arbeitet, die im Projekt gefunden wurden. Die Parameter sind zugeschnitten auf die Situation auf deutschen Autobahnen (also auch ohne Tempolimit). Der Einfluss verschieden großer Anteile von Schwerverkehr auf der Autobahn wurde untersucht und als etwas vereinfachender Standard dann 10% gewählt. Es gibt neben Standard-LKWs auch längere Zugverbände, die dann mehr Platz brauchen. Das wird auch beim Einfädeln relevant. Bei der Bewertung der Güte der Modelle werden vor allem Endergebnisse von Simulationen für festgelegte makroskopische Größen wie z.B. die Kapazität der Strecke (nämlich typischerweise etwa 2000 PKW-Einheiten pro Fahrstreifen pro Stunde) zugrunde gelegt. Das Messen der Kapazität ist aber gar nicht so einfach, weil man eigentlich nur konkrete Fahrzeuganzahlen pro Zeit- oder Raumeinheit der Simulation oder der Realität entnehmen kann. Die Kapazität ist die Obergrenze für realisierbare Dichten, also das, was kurz vor dem Zusammenbrechen des Verkehrs als maximaler Zustand vorliegt. Eine Verkehrssimulation zum zusammenbrechen zu bringen ist aber nicht so einfach, weil es nicht vorgesehen ist. Verkehrswesen hat viele sehr unterschiedliche Aspekte. Sie reichen von sehr technisch motivierten Arbeitsbildern zu mehr soziologisch geprägten. Letztere sind z.B. Fragen, warum Wege zurückgelegt werden, wie Verkehrsmittel ausgewählt werden und Veränderungen hierbei. Außerdem sind u.a. autonomes Fahren und Elektromobilität neue und spannende Themen. Literatur und weiterführende Informationen HBS-konforme Simulation des Verkehrsablaufs auf Autobahnen Informationen für Studieninteressierte Wirtschaftswissenschaften am KIT Handbuch für die Bemessung von Straßenverkehrsanlagen Podcasts G.Heller: Klothoiden, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 50, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2015. http://modellansatz.de/klothoiden H.Benner: Fußgänger, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 43, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2015. http://modellansatz.de/fussgaenger L. Osovtsova: Logistik und Big Data, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 33, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2014. http://modellansatz.de/logistik M. Petersen: Unfallvorhersage, Gespräch mit G. Thäter im Modellansatz Podcast, Folge 29, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2014. http://modellansatz.de/unfallvorhersage T. Arens: Lärmschutz, Gespräch mit S. Thäter im Modellansatz Podcast, Folge 16, Fakultät für Mathematik, Karlsruher Institut für Technologie (KIT), 2014. http://modellansatz.de/laermschutz

Jens Babutzka hat Anfang 2016 seine Promotion an der KIT-Fakultät für Mathematik verteidigt. Das Gespräch dreht sich um einen Teil seiner Forschungsarbeit - dem Nachweis der Gültigkeit der sogenannten Helmholtz Zerlegung im Kontext von Gebieten mit einer sich periodisch wiederholenden Geometrie. Das lässt sich für die Untersuchung von photonischen Kristallen ausnutzen unter der Wirkung einer Zeit-harmonischen Wellengleichung. Für die Untersuchung von partiellen Differentialgleichungen auf Lösbarkeit, Eindeutigkeit der Lösungen und deren Regularität gibt es verschiedene Grundwerkzeuge. Eines ist die Helmholtz Zerlegung. Falls sie in einem Raum möglich ist, kann man jedes Vektorfeld des Raumes eindeutig aufteilen in zwei Anteile: einen Gradienten und einen zweiten Teil, der unter der Anwendung der Divergenz das Ergebnis Null hat (man nennt das auch divergenzfrei). Wann immer Objekte miteinander skalar multipliziert werden, von denen eines ein Gradient ist und das andere divergenzfrei, ist das Ergebnis Null. Anders ausgedrückt: sie stehen senkrecht aufeinander. Die Untersuchung der partiellen Differentialgleichung lässt sich dann vereinfachen, indem eine Projektion auf den Teilraum der divergenzfreien Funktionen erfolgt und erst im Anschluss die Gradienten wieder "dazu" genommen, also gesondert behandelt werden. Da die Eigenschaft divergenzfrei auch physikalisch als Quellenfreiheit eine Bedeutung hat und alle Gradienten wirbelfrei sind, ist für verschiedene Anwendungsfälle sowohl mathematisch als auch physikalisch motivierbar, dass die Aufteilung im Rahmen der Helmholtz Zerlegung hilfreich ist. Im Kontext der Strömungsmechanik ist die Bedingung der Divergenzfreiheit gleichbedeutend mit Inkompressibilität des fließenden Materials (dh. Volumina ändern sich nicht beim Einwirken mechanischer Kräfte). Für das Maxwell-System kann es sowohl für das magnetische als auch für das elektrische Feld Divergenzfreiheitsbedingungen geben. Ob die Helmholtz Zerlegung existiert, ist im Prinzip für viele Räume interessant. Grundbausteine für die Behandlung der partiellen Differentialgleichungen im Kontext der Funktionalanalysis sind die Lebesgue-Räume . Eine (verallgemeinerte) Funktion ist in , wenn das Integral (des Betrags) der q-ten Potenz der Funktion über Omega existiert. Eine Sonderrolle spielt hier der Fall , weil dieser Raum ein Skalarprodukt hat. Das gibt ihm eine sehr klare Struktur. Darüber hinaus ist er zu sich selbst dual. Unter anderem führt das dazu, dass die Helmholtz Zerlegung in für beliebige Gebiete mit genügend glattem Rand immer existiert. Wenn nicht ist, sind Gebiete bekannt, in denen die Helmholtz Zerlegung existiert, aber auch Gegenbeispiele. Insbesondere bei der Behandlung von nichtlinearen Problemen reicht es aber häufig nicht, sich auf den Fall zu beschränken, sondern die Helmholtz Zerlegung für möglichst viele wird eine wesentliche Voraussetzung für die weitere Theorie. Das liegt u.a. an der dann verfügbaren Einbettung in Räume mit punktweisen Eigenschaften. Jens Babutzka hat in seiner Promotion unter anderem bewiesen, dass die Helmholtz Zerlegung für -Räume für die Gebiete mit einer sich periodisch wiederholenden Struktur gilt. Mathematisch muss er hierfür nachweisen, dass das schwache Neumannproblem immer eine (bis auf Konstanten) eindeutige Lösung hat in . Dabei hilft ihm die periodische Struktur der Geometrie. Mithilfe eines erst kürzlich bewiesenen Theorems von Bernhard Barth über Blochoperatoren kann er das Problem auf eine Familie von Phasenoperatoren auf der (beschränkten) periodischen Zelle reduzieren. Falls diese Operatoren regulär genug sind, lassen sie sich fortsetzen von auf . Anschließend überprüft er, ob die so erzeugte Abbildung auch wirklich die Helmhotz Zerlegung ist. Hier ist ein wesentliches Hilfsmittel, dass unendlich glatte Funktionen mit kompaktem Träger dicht in den Teilräumen liegen. Außerdem ist die Fouriertheorie in der besonderen Form der Blochoperatoren hilfreich. Sie hilft später auch beim Auffinden des Spektrums des betrachteten Wellenoperators. Für beschränkte Gebiete hängt es im Wesentlichen von der Glattheit des Randes ab, ob die Helmholtz Zerlegung in gilt. Das liegt u.a. daran, dass man in der Lage sein muss, eine eindeutige Normalenrichtung für jeden Punkt des Randes zu finden. Für Knicke im Rand kann es hier Probleme geben, die dazu führen, dass das schwache Neumann Problem nur noch für in einem kleineren Intervallbereich lösbar ist, und nicht mehr für alle zwischen und wie das bei glattem Rand der Fall ist. Literatur und weiterführende Informationen A. Figotin and P. Kuchment: Band-Gap Structure of Spectra of Periodic Dielectric and Acoustic Media. II. Two-Dimensional Photonic Crystals, SIAM J. Appl. Math., 56, 1561–1620, 1995. P. Galdi: An Introduction to the Mathematical Theory of the Navier-Stokes Equations - Steady-State Problems, Springer, 2011. B. Barth: The Bloch Transform on Lp-Spaces, KIT-Dissertation, 2013. W. Dörlfer e.a: Photonic Crystals: Mathematical Analysis and Numerical Approximation, Birkhäuser, 2011. M. Geissert e.a.: Weak Neumann implies Stokes, Journal für die reine und angewandte Mathematik 669, 75–100, 2012. Quellen für physikalische Grundlagen A. Birner e.a.: Photonische Kristalle, Physikalische Blätter 55 (1999), 27-33, 1999. Photonische Kristalle