Dr. Maria Maleshkova ist Professorin für Datenverarbeitung/Data Engineering an der Helmut-Schmidt-Universität (HSU) in Hamburg. Ihr Weg führte sie über verschiedene Stationen in Praxis und Wissenschaft 2021 an die HSU.
In ihrer Forschung legt sie ihre Schwerpunkte auf:
- Die Verbindung von semantischen Technologien mit verteilten Systemen
- Internet of Things (IoT) (Prognose und Überwachung)
- Die Sammlung von Daten, deren Aufbereitung und Integration
- Qualität von Daten
- Analyse von Daten mit KI-Methoden
- Systemüberwachung und Predictive Maintenance
- Prognosen im medizinischen Bereich (z.B. Unterzuckerung von Diabetiker:innen)
- Stress- und Phobieerkennung
- Cyber Security (Automatische Angriffserkennung)
In der Lehre bietet sie folgende Themen an:
- Large-Scale Data Management
- Cyber Security
- Semantic Web und Linked Data
- Kommunikation in verteilten Systemen
- Autonome Systeme
- Informationssicherheit vernetzter logistischer Systeme
- ISA: Einführung in die künstliche Intelligenz
- RZ-Praktikum: Client-Server Kommunikation
Die Wissenschaftlerin hat bereits Erfahrungen in der Begleitung von Gründunen und in Projekten mit kleinen und mittleren Unternehmen und ist daher an weiteren Kooperationen mit Unternehmen unterschiedlicher Größenordnung sehr interessiert.
Hier einige Beispiele von Kooperationsprojekten, die Prof. Maleshkova bereits mit Unternehmen durchgeführt hat:
- Monitoring und Analyse des Gesundheitszustands von Systemen und Maschinen zur vorausschauenden Wartung
Prof. Maleshkova hat verschiedene Forschungs- und Industrieprojekte im Bereich der Zustandsüberwachung und Predictive Maintenance durchgeführt. Im Mittelpunkt steht dabei die Entwicklung von Modellen, die den Gesundheitszustand von Systemen und Maschinen auf Basis von Sensordaten erfassen und potenzielle Ausfälle frühzeitig vorhersagen können. Des Weiteren werden hierfür fortgeschrittene Methoden der automatischen Anomalieerkennung entwickelt und eingesetzt. Nach dem Aufbau solcher Modelle und der Erhebung der notwendigen Daten werden konkrete Handlungsempfehlungen für Unternehmen abgeleitet, beispielsweise zur Optimierung von Wartungsstrategien, zur Reduzierung von Stillstandszeiten oder zur Steigerung der betrieblichen Effizienz..
- Erkennung von kritischen Gesundheitszustände
In diesem Forschungsbereich geht es um die Entwicklung datengetriebener Methoden zur frühzeitigen Erkennung kritischer Gesundheitszustände, zum Beispiel im Zusammenhang mit Diabetes und Unterzuckerungszuständen. Ziel ist es, physiologische Daten, beispielsweise aus Wearables oder kontinuierlichen Glukosemesssystemen, zu analysieren und Auffälligkeiten im Gesundheitszustand automatisch zu identifizieren. Dabei werden Verfahren des maschinellen Lernens und der Anomalieerkennung eingesetzt, um potenziell gefährliche Veränderungen frühzeitig zu erkennen und rechtzeitig geeignete Maßnahmen einzuleiten. Diese Forschung trägt dazu bei, personalisierte und präventive Gesundheitssysteme zu entwickeln, die Patientinnen und Patienten im Alltag unterstützen und das Risiko akuter Notfälle deutlich verringern.
- Modellierung und Optimierung mit Digitalen Zwillingen
Prof. Maleshkova beschäftigt sich mit der Entwicklung und Anwendung Digitaler Zwillinge zur Modellierung, Überwachung und Optimierung komplexer Systeme, sowohl in der Industrie als auch im Gesundheitswesen. Digitale Zwillinge bilden reale Maschinen, Produktionsanlagen oder biologische Systeme virtuell ab und ermöglichen es, ihr Verhalten unter verschiedenen Bedingungen zu simulieren und zu analysieren. In der Produktion und Wartung werden sie beispielsweise eingesetzt, um den Zustand von Maschinen vorherzusagen, Wartungsintervalle zu optimieren und Ausfallzeiten zu reduzieren. Auch im Bereich der Gesundheitsüberwachung kommen Digitale Zwillinge zunehmend zum Einsatz, etwa bei der Analyse von Stressmustern, um präventive Maßnahmen zu entwickeln und die individuelle Gesundheit zu fördern. Das Ziel dieser Forschung ist es, datengetriebene Modelle zu entwickeln, die nicht nur den aktuellen Zustand eines Systems abbilden, sondern auch Prognosen und Optimierungsvorschläge liefern zur Steigerung der Effizienz, Reduktion von Risiken und Verbesserung der Lebensqualität.
Folgende Formate der Zusammenarbeit bietet der Lehrstuhl an:
- Bachelor- und Masterarbeiten: In drei bis sechs Monaten bearbeitet ein:e Student:in oder eine Studierendengruppe eine Aufgabenstellung aus Ihrem Unternehmen.
- Studierendenprojekte (eine Studierendengruppe erarbeitet im Rahmen eines Seminars für drei Monate Ihre Aufgabenstellung)
- Beteiligung an (geförderten) Forschungsprojekten
- Auftragsforschung, Durchführung von Studien
- Expert:innengespräch
- Vorträge im Unternehmen
- Methoden- und Wissenstransfer durch Workshops
Andere Formen der Kooperation sind selbstverständlich ebenfalls denkbar.
Weitere Informationen zu Professorin Maleshkova finden Sie auf der Homepage der Universität Hamburg.
Wünschen Sie eine Einschätzung, ob Prof. Maleshkova eine geeignete Kooperationspartnerin für Ihr Vorhaben ist? Dann wenden Sie sich gerne an das Team der IKS. Selbstverständlich steht es Ihnen auch für alle weiteren Fragen zur Zusammenarbeit zwischen Wirtschaft und Wissenschaft zur Verfügung.