• Entwicklung, Bewertung und Optimierung fortgeschrittener KI-/LLM-Systeme für volkswirtschaftliche Entscheidungsfindung, einschließlich Benchmarking, Beurteilung von Schlussfolgerungen, Zuverlässigkeitsprüfungen und Fehleranalyse.

• Verbesserung der Modellgenauigkeit und der domänenspezifischen Leistung durch Prompt Engineering, RAG-/LLM-Optimierungstechniken und Deep Research Rubrics.

• Entwicklung eines prädiktiven Modells zur Identifikation von Abwanderungsrisiken junger Kund*innen und Zusammenarbeit mit dem Deutschen Sparkassen- und Giroverband zur Entwicklung einer datengetriebenen Kundenbindungsstrategie.
• Aufbau und Bewertung von Datenmodellen (XGB) zur automatisierten Kundensegmentierung über 40 Millionen Konten hinweg, inklusive KPI-Design und Wirkungsanalyse zur Optimierung der Vertriebskanäle.

Erkennung von Lungenerkrankungen anhand von Röntgenbildern

• Entwicklung von Deep-Learning- und klassischen ML-Modellen (SVM, XGB) zur Erkennung von Lungenerkrankungen aus 21.000 Röntgenaufnahmen; erreicht 95 % Macro F1-Score mit dem besten TensorFlow-Transfer-Learning-Modell.
• Deployment einer Streamlit-Webanwendung auf AWS Cloud zur Echtzeit-Vorhersage und Grad-CAM-Visualisierung hochgeladener Thorax-Röntgenbilder.

Prognose von Renten- und Arbeitsmarkteffekten mittels Machine Learning und Ökonometrie

• Entwicklung und Implementierung von Machine-Learning- und ökonometrischen Modellen zur Unterstützung datenbasierter Politikentscheidungen im Bereich Rente und Arbeitsmarkt unter Nutzung administrativer Daten von 60 Millionen Personen.
• Aufbau struktureller Zeitreihen- und demografischer Modelle zur Prognose langfristiger Rentenleistungen von 360 Mrd. ? jährlich über einen Zeitraum von 50 Jahren.
• Präsentation analytischer Ergebnisse für interdisziplinäre Stakeholder und Ableitung konkreter Handlungsempfehlungen für die Politik.

• Entwicklung von Finanzmodellen zur Bewertung von Projekten im Bereich erneuerbare Energien.
• Konzeption des Kurses ?Sustainable Finance? mit Fokus auf datenbasierte Analysen zu internationaler Klimafinanzierung, Risiken und Marktbedingungen.

• Forschung in Finanzökonomik mit fortgeschrittenen statistischen Methoden und Datenvisualisierung.
• Lehre datengetriebener Methoden und Betreuung empirischer Masterarbeiten mit Fokus auf statistische Inferenz.