Prof. Dr. Günter Rudolph
Curriculum Vitae
11/1996 Promotion in Informatik (Dr. rer. nat.), Universität Dortmund
04/1991 Hauptdiplom in Informatik (Diplom-Informatiker), Universität Dortmund
04/1987 Vordiplom in Informatik (cand. inform.), Universität Karlsruhe (TH)
06/1983 Allgemeine Hochschulreife (Abitur), Ruhr-Gymnasium Witten
04/2005 - heute Universitäts-Professor, Fakultät für Informatik, TU Dortmund
06/2001 - 03/2005 Produkt- und Softwareentwickler, Parsytec AG, Aachen
01/1997 - 05/2001 Wissenschaftlicher Mitarbeiter, Sonderforschungsbereich 531, Universität Dortmund
02/1994 - 12/1996 Wissenschaftlicher Mitarbeiter, Informatik Centrum Dortmund (ICD)
05/1991 - 01/1994 Wissenschaftlicher Mitarbeiter, Fachbereich Informatik, Universität Dortmund
Lehre
WS 2022/23 (Vorschau)
Introduction to Computational Intelligence (040309) 2V + 1Ü
Seminar 2S
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
SS 2022
Praktische Optimierung (041221) 4V + 2Ü
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
WS 2021/22
Introduction to Computational Intelligence (040309) 2V + 1Ü
Ausgewählte Kapitel der Computational Intelligence (042501) 2V
Übungen zu Ausgewählte Kapitel der Computational Intelligence (042502) 2Ü
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
SS 2021
Praktische Optimierung (041221) 4V + 2Ü
Proseminar: Umweltinformatik (040605) 2PS
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
WS 2020/21
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Musikdatenanalyse (040341) 2V + 1Ü
Fachprojekt: Musikinformatik (040275) 4P
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
SS 2020
Praktische Optimierung (041221) 4V + 2Ü
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
WS 2019/20
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Fachprojekt: Musikinformatik(TBD) 4P
Seminar über Bachelor-, Master- und Doktorarbeiten (049115) 2S
SS 2019
Forschungssemester
WS 2018/19
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
SS 2018
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503) 4V + 2Ü
Musikdatenanalyse (040341) 2V + 1Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
WS 2017/18
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar: Entertainment Computing (041407) 2S
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
SS 2017
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503) 4V + 2Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
WS 2016/17
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
SS 2016
Musikdatenanalyse (04xxxx) 2V + 1Ü Blockvorlesung im September!
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503 )4V + 2Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Proseminar: Basistechnologien der Spieleprogrammierung (040605) 2PS
Seminar über Bachelor-, Master-, Diplom- und Doktorarbeiten (049115) 2S
WS 2015/16
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2015
Forschungssemester
WS 2014/15
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Diplom- und Doktorarbeiten(049115) 2S
SS 2014
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503) 4V + 2Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2013/14
Introduction to Computational Intelligence (040309)2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2013
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503) 4V + 2Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Proseminar: Fuzzy Systeme in der Anwendung (040605) 2PS (+1)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2012/13
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Proseminar: Bionische Optimierung (040605) 2PS (+1)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2012
Praktische Optimierung (041221) 4V + 2Ü
Mathematik für Informatiker II (040503) 4V + 2Ü
Fachprojekt: Digital Entertainment Technologies (040268) 4P
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2011/12
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2011
Praktische Optimierung (041221) 4V + 2Ü
Ausgewählte Kapitel der Computational Intelligence (042501) 2V
Übungen zu Ausgewählte Kapitel der Computational Intelligence (042502) 2Ü
Proseminar: Computerlinguistik (040605) 2PS (+1)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2010/11
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2010
Praktische Optimierung (041221) 4V + 2Ü Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2009/10
Introduction to Computational Intelligence (040309) 2V + 1Ü
Einführung in die Programmierung (048001) 4V + 2Ü (+ 4P)
Proseminar: Kreative Algorithmen (040605) 2PS (+1)
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2009
Forschungsfreisemester gemäß §40 Abs. 1 HG
WS 2008/09
Praktische Optimierung (041221 )4V + 2Ü
Einführung in die Programmierung (EINI) (048001)4V + 2Ü + 4P
Seminar: Aktuelle Forschungsgebiete der Musikdatenanalyse (041413) 2S
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2008
Ausgewählte Kapitel der Computational Intelligence (042501) 2V
Übungen zu Ausgewählte Kapitel der Computational Intelligence (042502) 1Ü
Seminar: Computational Intelligence und Musikinformatik (041405) 2S
Proseminar: Medieninformatik (040605) 2PS
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2007/08
Praktische Optimierung (042417) 4V + 2Ü
Einführung in die Programmierung (EINI) (048001) 4V + 2Ü + 4P
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2007
Data Mining mit CI-Methoden (042325) 2V
Übung zu Data Mining mit CI-Methoden (042326) 1Ü
Seminar: Computational Intelligence bei Computerspielen (044625) 2S
Proseminar: Musikinformatik (040716) 2PS
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2006/07
Fundamente der Computational Intelligence (042277) 4V + 2Ü
Einführung in die Programmierung (EINI) (048001) 4V + 2Ü + 4P
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2006
Multikriterielle Optimierung mit Metaheuristiken (042217) 2V
Seminar: Planung und Analyse von Computer-Experimenten (044586) 2S
Proseminar: Multithreading-Techniken (040705) 2PS
Seminar über Diplom- und Doktorarbeiten (049115) 2S
WS 2005/06
Fundamente der Computational Intelligence (042179) 4V + 2Ü
Einführung in die Programmierung (EINI) (048001) 4V + 2Ü + 4P
Seminar über Diplom- und Doktorarbeiten (049115) 2S
SS 2005
Multikriterielle Optimierung mit Metaheuristiken (042817) 2V
Seminar: Evolutionäre Algorithmen in der Bioinformatik (044555) 2S
Seminar über Diplom- und Doktorarbeiten (049115) 2S
Aktuelle Arbeitsgebiete
Unter dem Terminus Computational Intelligence (CI) verstehen wir das Studium der Informationsverarbeitung in natürlichen, insbesondere biologischen, Systemen und die Umsetzung der dabei gewonnenen Erkenntnisse in algorithmische Konzepte für Problemstellungen, die sich mit herkömlichen Methoden auf digitalen Rechnern nur schwer oder noch gar nicht bearbeiten lassen.
Ursprünglich wurden der CI nur die algorithmischen Konzepte der künstlichen neuronalen Netze (NN), der evolutionären Algorithmen (EA) und der Fuzzy-Systeme (FS) zugerechnet. Diese wurden mittlerweile etwa durch die algorithmischen Konzepte der Schwarmintelligenz (SI) und der künstlichen Immunsysteme (IS) ergänzt.
Bei Fuzzy-Systemen bildet man die menschliche Fähigkeit nach, auch mit unscharfen Begriffen und Angaben erfolgreich Informationen verarbeiten zu können und etwa Schlußfolgerungen daraus zu ziehen. Typische Anwendungsgebiete sind unscharfe Regler und zunehmend die Wissensentdeckung (Data Mining).
Künstliche Neuronale Netze sind die algorithmische Umsetzung biologisch inspirierter Modelle der Informationsverarbeitung im Gehirn und Nervensystem. Anstatt einen Lösungsweg explizit ausprogrammieren und analysieren zu müssen, nutzt man etwa die Fähigkeit neuronaler Netze, eine Lösungsstrategie anhand von präsentierten Beispielen zu erlernen. Ein typisches Anwendungsgebiet ist die Mustererkennung (z.B. zur Anomaliedetektion, Signalklassifikation oder Spracherkennung).
Der Prozess der Variation und Auslese im Rahmen der genetischen Vererbung wird bei den evolutionären Algorithmen als ein iterativer Verbesserungsprozess aufgefasst und entsprechend umgesetzt. Typische Anwendungsgebiete sind Optimierungsprobleme, für die keine Spezialverfahren der mathematischen Optimierung zu Verfügung stehen.
Beim Konzept der Schwarm-Intelligenz wird das erwünschte Gesamtverhalten eines Systems durch das vernetzte Einzelverhalten zahlreicher Individuen ohne eine zentrale Steuerung hervorgerufen. So führt die Modellierung des Sozialverhaltens von Ameisenkolonien zu den sogenannten Ameisenalgorithmen für die kombinatorische Optimierung, während Partikelschwarmverfahren den Bewegungen von Vogel- oder Fischschwärmen nachempfunden sind und zur kontinuierlichen Optimierung eingesetzt werden.
Die künstlichen Immunnetzwerke sind inspiriert vom Immunsystem der Wirbeltiere, welches zwischen körpereigenen und körperfremden Zellen unterscheiden und dieses Wissen im Immunsystem dynamisch speichern kann. Typisches Anwendungsgebiet ist die Mustererkennung und hier speziell die Klassifikation.
Unsere Arbeitsgebiete im Bereich CI lassen sich grob in drei Schwerpunkte gliedern:
Theorie:
Zum Verständnis von CI-Methoden ist eine detaillierte formale Analyse ihrer Arbeitsweise notwendig. Dies beinhaltet auch eine theoretische Betrachtung der Leistungsfähigkeit dieser Methoden auf verschiedenen Einsatzgebieten.
Operationalisierung:
Das Ausmaß des Erfolgs bei Anwendungen von CI-Methoden hängt wesentlich von dem Erfahrungswissen und der Intuition des beteiligten CI-Experten ab. Um auch weniger CI-erfahrenen Anwendern zu einem Erfolg zu verhelfen, entwickeln wir formale Richtlinien und Anleitungen dafür, wie die theoretischen algorithmischen CI-Konzepte zuverlässig in eine konkete Anwendung umgesetzt werden sollten.
Anwendung:
Neben den klassischen Anwendungsentwicklungen in den Bereichen Maschinenbau, Elektrotechnik und chemischer Verfahrenstechnik sollen nun verstärkt auch biotechnologische Problemstellungen bearbeitet werden.
Weitere Informationen
Sprechstunde:
- Dienstags 10:30 - 11:30 (während der Vorlesungszeit, sonst nach Vereinbarung)