Campus-System

  • Forschungsdokumentation
  • Personensuche
  • Lehrveranstaltungs-Übersicht
  • Prüfungen

Beschäftigten-Portal

  • Organisationshandbuch
  • Betriebsmitteilungen
  • Interne Mitteilungen
  • Persönliche Mitteilungen

Links

  • Bibliothek
  • Webmail
  • Stellenausschreibungen
  • Mitteilungsblätter
  • Schwarzes Brett
  • Personensuche
  • Campus Plan
  • IT Services (ZID)
  • Center for University Learning and Teaching
  • Familienservice
  • USI
  • ÖH Klagenfurt

Informationen für

  • Schüler*innen
  • Studieninteressierte
  • Studierende
  • International
  • Weiterbildung
  • Wissenschaftler*innen
  • Mitarbeiter*innen
  • Lehrende
  • Menschen mit Behinderungen
  • Alumni & Karriere
  • Partner & Förderer
  • Medien
Gütesiegel evalagGütesiegel Betriebliche GesundheitsförderungSatisfaction Award 2021EMAS SiegelGütezeichen hochschuleundfamilieGütezeichen Equalita
English
search
Quicklinks +
  • English English Englisch en
  • Deutsch Deutsch Deutsch de
  • Twitter
  • Facebook
  • Youtube
  • Instagram
  • LinkedIn
Universität Klagenfurt
  • Home
  • Universität
        • Organisation
          • Leitung
          • Studienrecht & -organisation
          • Fakultäten, Institute & Fakultätszentren
          • Universitätszentren
          • Stabsstellen
          • Administration & Verwaltung
          • Interessensvertretungen & Beauftragte
          • Organisationsplan
          • Satzung
        • Profil
          • Leitbild
          • Rankings
          • Qualitätsstrategie
          • Digitalisierungsstrategie
          • Geschichte der Universität
          • Ehrentafel
          • Gender & Gleichstellung
          • Kärntner Hochschulkonferenz
          • Alpen-Adria-Rektor*innen-Konferenz
          • Universität und Gesellschaft
          • Universität und Region
          • Fakten, Zahlen, Daten
        • Campus
          • Rund um den Campus
          • Kunst und Kultur
          • Wohnen
          • Gastronomie
          • Sport und Freizeit
          • Green Campus
          • Parkplätze und Parkordnung
          • Der Shop der Universität Klagenfurt
          • Sanierung
          • 50 Jahre Universität Klagenfurt
          • Die UNI radelt
        • Service & Kontakt
          • Stellenausschreibungen
          • Mitteilungsblatt
          • Partner & Förderer
          • Veranstaltungs­management
          • Medienservice
          • Services für Familien
          • Center for University Learning and Teaching
          • IT Services (ZID)
          • Services für Menschen mit Behinderungen
          • Universitätsbibliothek
          • Covid19-Informationen
  • Studium
        • Studienangebot
          • Studienübersicht
            • Bachelorstudien
            • Masterstudien
            • Lehramtsstudien
            • Doktoratsstudium
          • Englischsprachige Studien
          • Erweiterungsstudien
          • Joint und Double Degrees
          • Vertiefende Angebote & Wahlfachbereiche
          • Universitätslehrgänge
        • Studienorganisation
          • Checkliste für den Start
          • Studienzulassung
          • Studienbeginn
          • Studienverlauf
          • Studienabschluss
          • Suche nach Lehrveranstaltungen
        • Studentisches Leben
          • DISCOVER Klagenfurt
          • Campus
          • Wohnen
          • Gastronomie
          • Barrierefrei Studieren
          • Sport & Freizeit
          • Studieren & Arbeiten
          • Studieren & Familie
          • Stipendien & Zuschüsse
          • Anlaufstellen & Services
        • International Studieren
          • Studieren im Ausland
          • Studieren in Klagenfurt
          • Sommerschulen
          • Service & Beratung
        • Service & Information
          • Termine & Fristen
          • FAQs
          • Studien- und Prüfungsabteilung
          • Studienrektorat
          • International Office
          • Studieninformation
          • Doc.Service
          • ÖH Klagenfurt
          • Ombudsstelle für Studierende
          • Alumni & Karriere
          • Universitätsbibliothek
          • SchreibCenter (SC)
  • Forschung
        • Forschungsprofil
          • Grants & Winners
          • Forschungsschwerpunkte
          • Institutionelle Kooperationen
          • Gute Wissenschaftliche Praxis
          • Ethikrat
          • Open Access
          • Wissenstransfer
          • Kollegs
        • Forschungsförderung
          • Interne Förderungen
          • Externe Förderungen
        • Nachwuchsförderung
          • Doktoratsprogramme
          • Young Scientists Mentoring
          • Karrierewege
          • Weiterbildungsprogramm für NachwuchswissenschaftlerInnen
          • Think Tank
          • PromoLi – Promotion ohne Limit
        • Service & Kommunikation
          • Forschungsservice
          • Forschungskommunikation
          • Forschungsdokumentation (FoDok)
  • International
        • Internationales Profil
          • Internationales Studienangebot
          • Partneruniversitäten
        • Studieren im Ausland
          • Erasmus+ Studienaufenthalte
          • Joint-Study
          • Joint & Double Degrees
          • Kurzfristiges wissenschaftliches Arbeiten im Ausland (KWA)
          • Weitere Förderungen
          • Sommerschulen
          • FAQ für Outgoing-Studierende
        • Studieren in Klagenfurt
          • Studierende in Mobilitätsprogrammen
          • Einreise und Aufenthalt (VISUM)
          • Unterkunft
          • MORE-Programm für Menschen mit Fluchthintergrund
          • Unterstützung für Studierende aus der Ukraine
        • Arbeiten im Ausland
          • Lehrende
          • Wissenschaftlicher Nachwuchs
          • Allgemeines Personal
          • Erasmus+ Studierendenpraktika
          • Fachspezifisches Praktikum weltweit
          • Deutsch lehren im Ausland
        • Service & Beratung
          • International Office
          • Studien- & Prüfungsabteilung
          • ESN Klagenfurt
          • ÖH Referat für Internationale Studierende
          • Deutsch in Österreich
          • Sprachzertifikate
          • SchreibCenter (SC)

INSTITUT FÜR STATISTIK

AAU1/...Institut für Statistik2/Forschung3/Projekte

Projekte

Laufende Projekte

Modeling – Analysis – Optimization of discrete, continuous, and stochastic systems

Projektleitung

Michaela Szölgyenyi, Barbara Kaltenbacher, Clemens Heuberger, Philipp Hungerländer, Christian Pötzsche, Franz Rendl, Elena Resmerita, Gunter Spöck, Angelika Wiegele

Projekt­mitarbeiter:innen

Roswitha Rissner, Melanie Siebenhofer, Verena Schwarz, Iris Rammelmüller, Kathrin Spendier, Phuoc Truong Huynh, Iryna Vasylieva, Diane Puges, Johannes Andreas Hofmeister, Dunja Pucher, Teresa Rauscher, Jutta Astrid Rath, Jan Schwiddessen, Tobias Wolf, Tim Krüger, Sarah Jane Selkirk

Laufzeit

01.10.2020 - 30.09.2024

Förderung

Fonds zur Förderung der wissenschaftlichen Forschung (FWF)

Webseite

https://www.aau.at/tewi/doktoratsprogramme/mao/doctoral_school/

Optimization problems accompany us all the time in our every-day life. For example supermarkets guarantee the supply by optimizing the route of transportation of their goods, electricity providers optimize the supply with electricity, and highways are built in a way such that cars produce as little noise as possible. For this, discrete, stochastic, which means influenced by randomness, and continuous mathematical models are used, which need to be analyzed.In order to solve such problems, it is often essential to have a multi-perspective view and combine the knowledge of several mathematical sub-disciplines to create synergies. In crossing these borders lies a great innovative potential.It is the aim of the doc.funds doctoral school and its nine professors from the Departments of Mathematics and Statistics at the University of Klagenfurt to provide PhD students with the mathematical knowledge necessary for understanding and solving challenging mathematical questions, coming from optimization problems in every-day life.

Weitere Informationen

High-dimensional statistical learning: New methods to advance economic and sustainability policies

Projektleitung

Gregor Kastner, Laura Vana, Florian Huber, Philipp Piribauer, Laura Nenzi, Karin Dobernig, Stefan Schupp

Projekt­mitarbeiter:innen

Gregor Kastner, Luis Bastian Gruber, Alexander Mozdzen, Florian Schwendinger, Annalisa Cadonna, Laura Vana, Rainer Hirk, Florian Huber, Michael Pfarrhofer, Niko Hauzenberger, Philipp Piribauer, Laura Nenzi, Roman Kuznets, Ennio Visconti, Karin Dobernig, Stephan Adelsberger, Roman Parzer, Camilla Damian

Laufzeit

01.08.2019 - 31.07.2024

Förderung

Fonds zur Förderung der wissenschaftlichen Forschung (FWF)

Webseite

https://zk35.org

Recent years have seen a tremendous surge in the availability of socioeconomic data characterized by vast complexity and high dimensionality. However, prevalent methods employed to inform practitioners and policy makers are still focused on small to medium-scale datasets. Consequently, crucial transmission channels are easily overlooked and the corresponding inference often suffers from omitted variable bias. This calls for novel methods which enable researchers to fully exploit the ever increasing amount of data.In this project, we aim to investigate how the largely separate research streams of Bayesian econometrics, statistical model checking, and machine learning can be combined and integrated to create innovative and powerful tools for the analysis of big data in economics and other social sciences. Thereby, we pay special attention to properly incorporating relevant sources of uncertainty. Albeit crucial for thorough empirical analyses, this aspect is often overlooked in traditional machine learning techniques which have mainly been centered on producing point forecasts for key quantities of interest only. In contrast, Bayesian statistics and econometrics are based on designing algorithms to carry out exact posterior inference which in turn allows for density forecasts.Our contributions are twofold: From a methodological perspective, we develop cutting-edge methods that enable fully probabilistic inference of dynamic models in vast dimensions. In terms of empirical advances, we apply these methods to highly complex datasets that comprise situations where either the number of observations, the number of potential time series and/or the number of variables included is large. More specifically, empirical applications center on four topical issues in the realm of sustainable development and socioeconomic policy to answer questions such as: How do market and economic uncertainty affect income inequality? What are the relationships between greenhouse gas emissions and macroeconomic indicators? Which role do tweets play in the evolution of the prices of crypto-currencies? Which policy measures are most effective to foster sustainable urban mobility patterns?In these applications, we focus on probabilistic forecasting using real-time data to perform model validation in an efficient way. Moreover, we address structural inference. As policy makers are typically interested in evaluating their policies quantitatively, robust econometric tools are crucial for counterfactual simulations. In light of the increasing complexity of the economy, however, large information sets need to be exploited to appropriately recover the underlying causal structures and provide a rich picture of potential transmission channels of policy interventions.The team constitutes a genuinely collaborative partnership of five young high-potential researchers composed of statisticians, machine learning experts, macro- and regional economists as well as social and computer scientists.

Weitere Informationen

Eine vollständige Liste aller Forschungsprojekte des Instituts für Statistik finden Sie in der Forschungsdokumentation (FoDok).

Abgeschlossene Projekte

Integrated Development 4.0

Projektleitung

Gerald Reiner, Jürgen Pilz

Projekt­mitarbeiter:innen

Konstantin Posch

Laufzeit

01.05.2018 - 31.12.2022

Förderung

Horizon 2020, Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Task 1.2.1 – Capture the Competences and information Flow:Development of intelligent statistical data pre-processing methods for semiconductor manufacturing. Probabilistic graphical modeling, in close cooperation with the group of Prof. Reiner, will be used to infer the dependence structures and dimension reduction schemes.Task 1.2.2 – Dynamic Knowledge UpdateDevelopment of intelligent learning algorithms to extract relevant information out of big data sets with a focus on adaptive and networked (smart) production systems, in cooperation with the group of Prof. Reiner. Particular attention will be paid to Bayesian regularization methodsExtract key parameters for process control from results of Statistical Machine Learning and Bayes Deep Learning algorithms, in close cooperation with the KnowCenter groupDevelopment of Bayesian ensemble filtering and data assimilation methods incorporating the observations and process dynamics through sequential posterior updating (modified Bayes Kalman filters), Monitoring of probability distributions as data summaries instead of only using selected key numbers of raw datCombination of methods of active learning and model choice to take account of covariate shift (Bayes statistical learning in non-stationary environments)Task 1.2.3 – Knowledge ValidationValidation of KPIs for decision making support with a focus on adaptive and networked (smart) production systems, in close cooperation with the group of Prof. Reiner:Validation of key parameters to increase acceptance of data driven methods in semiconductor manufacturing environmentValidation of knowledge about dependencies between advanced dynamic screening methods and production system performance: In particular, we will investigate the use of empirical Bayes estimation of posterior probabilities of enrichment for controlling the False Discovery Rate (FDR)Task 1.3.2 – Data Driven Methods (AI, Deep Learning, Black-Box Modeling, etc.)Development and integration of data driven methods to support and enable an effective root cause analysis of yield loss (Functional ANOVA Decompositions, Approximate Inference Algorithms)Development of novel Bayesian variational and perturbation methods and their integration into structured predictors and deep learners of production performance characteristics (Bayes deep learning)Task 1.3.3 - Validation of AI approaches:Jointly with KAI and the group of Prof. Reiner, we will work on the validation of the implemented routines from Task 1.3.2 by comparing expert results and results of data driven methods with regard to accuracy, robustness, etc.With regard to the joint work on the tasks within UC1 (WP 1, 4), we will further focus on relating (raw data) machine parameters and SPC parameters through Canonical Correlation Analysis and the choice of a “best” set of training data.

Weitere Informationen

Planung und Instandhaltung eines Sensormessnetzes für Umweltdaten für das Görtschitztal

Projektleitung

Gunter Spöck

Projekt­mitarbeiter:innen

Albrecht Gebhardt, Maximilian Arbeiter

Laufzeit

01.12.2016 - 31.12.2020

Im Görtschitztal soll ein privates Sensormessnetz für Umweltdaten wie Luftfeuchtigkeit, Temperatur, Druck, Wind, Niederschlag, Nebel, Lichtintensität, NO2, S02, CO, CO2, O2, NHO§, NH3, PM und Schwermetalle aufgebaut und instand gehalten werden. Die elektronische Sensorik basiert auf Arduino, Waspmote und Raspberry. Zum Nachvollziehen der Umweltbelastungen kommen Methoden der Räumlichen Statistik und Umweltstatistik zum Einsatz.

Weitere Informationen

Numerical methods for stochastic differential equations with irregular coefficients with applications in risk theory and mathematical finance

Projektleitung

Michaela Szölgyenyi

Laufzeit

01.09.2018 - 27.05.2020

Förderung

AXA Research Fund

https://www.axa-research.org/en/project/michaela-szolgyenyi/

Weitere Informationen

Vergabe einer Diplomarbeit mit dem Arbeitstitel „Insurance Education“

Projektleitung

Michaela Szölgyenyi

Laufzeit

01.09.2019 - 31.03.2020

Förderung

Kärntner Gesellschaft für Versicherungsfachwissen (KGV)

Erstellung einerDiplomarbeit zum Thema Insurance Education in Sekundarstufe I, Sekundarstufe IIund in der Erwachsenenbildung.Wie funktioniert Versichern und auf welchen mathematischen Grundlagen basiertes? Diese Fragen sollen für die unterschiedlichen Altersstufen geklärt werdenund es sollen Unterrichtsmaterialien entwickelt werden.

Weitere Informationen

Hydrometeorological and particle dispersion data at the Worthersee (Klagenfurt)

Projektleitung

Glenda Garcia-Santos

Projekt­mitarbeiter:innen

Gunter Spöck, Albrecht Gebhardt

Laufzeit

01.01.2018 - 31.03.2019

Researchers from Geography and Statistics at the Alpen-Adria-University aim to promote crowd meteorological data collection in Klagenfurt am Wörthersee to investigate local spatial differences and particle distribution across the city in function of the meteorological conditions using mathematical models. An initial amount of 10 meteorological stations will be installed by staff and students from the University starting in 2018 onwards. Through user-friendly weather stations and the Internet of Things technology, “amateur” users can download automated sub-hourly observations, store electronically and carry on easy analysis and data sharing through an online platform.Members of the project will carried out local analytics and after aggregation of the information applications to smart cities, smart environment, security, smart metering and smart agriculture would be possible.

Weitere Informationen

EPT300

Projektleitung

Jürgen Pilz

Projekt­mitarbeiter:innen

Daniel Kurz

Laufzeit

01.04.2012 - 08.11.2016

Förderung

ENIAC JU, Österreichische Forschungsförderungsgesellschaft mbH (FFG), Infineon Technologies Austria AG

Entwickelt werden statistische Methoden und Verfahren zur Prozesskontrolle für die neue 300mm Wafer-Technologie zur Herstellung von Chips für die Automobil- und Industrieelektronik.

Kooperationspartner:innen

Weitere Informationen

Snapshot Spectral Imaging

Projektleitung

Jürgen Pilz

Projekt­mitarbeiter:innen

Michael Mulyk

Laufzeit

01.02.2009 - 31.03.2013

Förderung

FFG - Basis-Programm

Im Gegensatz zu den klassischen sequentiellen SI-Aufnahmeverfahren ermöglichen Snapshot Spectral Imaging-Verfahren die Erfassung der räumlichen und der spektralen Informationen durch die Aufnahme eines einzelnen Bildes. Ziel des Projekts ist die Entwicklung statistischer Methoden und Algorithmen zur Trennung überlappender Emissionsspektren (spectral unmixing), insbesondere für Vielkanalanwendungen. Als diagnostische Anwendung ist vom Projektpartner Tissue Gnostics (Wien) der Bereich der Prostatakrebserkennung vorgesehen; die Projektkoordination erfolgt duch das CTR Villach.

Weitere Informationen

  • Institut für Statistik
    • Team
    • Forschung
      • Projekte
    • Studium
      • Empfohlener Studienverlauf Bachelorstudium
      • FUNktionen-Raum
      • Lehrveranstaltungskalender
      • Bachelor- und Masterarbeiten
      • Warum Mathematik
      • Doktoratsprogramm
    • Veranstaltungen
      • 11th Austrian Stochastics Days
    • Alumni

Quicklinks

  • Bibliothek
  • Webmail
  • Stellenausschreibungen
  • Mitteilungsblatt
  • Schwarzes Brett
  • Personensuche
  • Campus Plan
  • IT Services (ZID)
  • Familienservice
  • USI
  • ÖH Klagenfurt
  • Index A-Z

Plattformen

  • Campus-­System
  • Beschäftigten-­Portal
  • Moodle
  • Facebook
  • Twitter
  • Youtube
  • Instagram
  • LinkedIn
Siegel der Alpen-Adria-Universität Klagenfurt

Informationen für

  • Schüler*innen
  • Studieninteressierte
  • Studierende
  • International
  • Weiterbildung
  • Wissenschaftler*innen
  • Mitarbeiter*innen
  • Lehrende
  • Menschen mit Behinderungen
  • Alumni & Karriere
  • Partner & Förderer
  • Medien

Adresse

Alpen-Adria-Universität Klagenfurt
Universitätsstraße 65-67
9020 Klagenfurt am Wörthersee
Austria

+43 463 2700
uni [at] aau [dot] at
www.aau.at
Campus Plan
Gütesiegel evalag Gütesiegel Betriebliche Gesundheitsförderung EMAS Siegel Satisfaction Award 2021 Gütezeichen hochschuleundfamilie Logo KWF-Förderemblem Gütezeichen Equalita
© Universität Klagenfurt
  • Kontakt
  • Impressum
  • Datenschutzerklärung
  • Barrierefreiheit
  • AGB
  • AGB Forschung
  • AGB ULGs
  • AVB
  • Webredaktion

Ihre Privatsphäre ist uns wichtig!


Unser Webauftritt verwendet Cookies, um die grundlegende Funktionalität unseres Webauftritts zu gewährleisten sowie unsere Webseiten für Sie optimal zu gestalten und fortlaufend zu verbessern. Dazu ist es erforderlich, Informationen an die jeweiligen Dienstanbieter weiterzugeben. Durch Betätigen des Buttons „Alle Cookies akzeptieren“ stimmen Sie der Verwendung zu.
Sie können Ihre bevorzugten Einstellungen jederzeit nachträglich unter „Einstellungen verwalten“ anpassen.
Weitere Informationen zu den verwendeten Cookies erhalten Sie in unserer Datenschutzerklärung.

Einstellungen verwaltenAlle Cookies akzeptieren

Cookies und Privatsphäre-Einstellungen



Wie wir Cookies verwenden

Wir setzen auf unserer Website Cookies ein, um unsere Webseiten für Sie optimal zu gestalten und fortlaufend zu verbessern.

Klicken Sie auf die verschiedenen Kategorienüberschriften, um mehr zu erfahren und die Standardeinstellungen zu ändern. Beachten Sie bitte, dass die Ablehnung einiger Cookies Auswirkungen auf die Funktionsweise unserer Website haben kann. Möglicherweise werden Webseiten nicht richtig dargestellt und funktionieren nicht einwandfrei.


Hinweis auf Verarbeitung Ihrer auf dieser Webseite erhobenen Daten in Staaten ohne angemessenes Datenschutzniveau
Indem Sie auf "Alle Cookies akzeptieren" klicken, willigen Sie zugleich gem. Art. 49 Abs. 1 S. 1 lit. a DSGVO ein, dass Ihre Daten durch Google, Facebook, LinkedIn, Twitter, Youtube u. a. in den USA verarbeitet werden.
Der Europäische Gerichtshof schätzt die USA als ein Land mit einem nach EU-Standards unzureichendem Datenschutzniveau ein.

Unbedingt erforderliche Cookies & Cookie Hinweis

Unbedingt erforderliche Cookies

Diese Cookies sind zum Funktionieren der Website erforderlich.
Essenzielle Cookies ermöglichen grundlegende Funktionen und sind für das einwandfreie Funktionieren der Website erforderlich.
Sie können Ihren Browser so einstellen, dass diese Cookies blockiert oder Sie über diese Cookies benachrichtigt werden. Einige Bereiche der Website funktionieren dann aber möglicherweis nicht wie erwartet. Diese Cookies speichern keine personenbezogenen Daten.


Ausblenden des Cookies-Hinweises

Zwei Cookies werden benötigt, damit diese Einstellung gespeichert wird. Andernfalls wird dieser Hinweis bei jedem Seitenladen wieder eingeblendet.

Google Tag Manager

Wir nutzen Tracking- und Analysetools um eine fortlaufende Optimierung und bedarfsgerechte Gestaltung unserer Webseite sicherzustellen. Mit Hilfe von Tracking-Maßnahmen ist es uns auch möglich, die Nutzung unserer Website durch Besucher statistisch zu erfassen und unser Onlineangebot mit Hilfe der dadurch gewonnenen Erkenntnisse für Sie weiterzuentwickeln.

Um zu verhindern, dass Informationen zu Ihrer Nutzung unserer Website durch Google und Facebook erfasst und übertragen werden, klicken Sie hier:

Andere externe Dienste

Wir verwenden verschiedene externe Dienste wie z. B. Google Webfonts, Google Maps oder Youtube-Videos.
Da diese Dienste personenbezogene Daten sammeln können, haben Sie die Möglichkeit diese zu blockieren. Bitte denken Sie daran, dass eine Blockierung dieser Dienste die Funktionalität und das Erscheinungsbild unserer Website beeinträchtigen kann.
Das Neuladen der Webseite aktiviert Ihre Einstellungen.

Google Webfont Settings:

Google Maps Settings:

Google reCaptcha Settings:

Vimeo and Youtube video embeds:

Datenschutzerklärung

Weitere Informationen zu den verwendeten Cookies auf unserem Webauftritt finden Sie in der Datenschutzerklärung der Universität ­Klagenfurt.

Auswahl akzeptieren und speichern Abbrechen
Nachrichtenleiste öffnen
Nach oben scrollen