Analyse und Interpretation von Pflanzenbeobachtungsdaten auf allen Skalen mit Data Science

Wir arbeiten an der Schnittstelle von Pflanzenwissenschaften und Data Science, um datengetriebene Modelle zu entwickeln, die effizient, genau und umfassend die Struktur und Prozesse von Pflanzen analysieren.

Zu den Forschungsrichtungen und -zielen gehört die Verbesserung des Prozessverständnisses in den Pflanzenwissenschaften durch den Einsatz fortgeschrittener maschineller Lernmethoden. Darüber hinaus sollen neue Methoden für die Pflanzenwissenschaften entwickelt werden, die Herausforderungen wie den Umgang mit Feldbedingungen aufgrund variabler und möglicherweise nicht messbarer oder unbekannter Umweltfaktoren und die schwierige und oft komplexe Datenbasis berücksichtigen. Ein weiteres Ziel ist es, neue anwendungsfelder zu erforschen und neue Entwicklungen anzustoßen, die zu Innovationen in den Pflanzenwissenschaften und der Bioökonomie führen. Ein besonderer Schwerpunkt liegt dabei auf maschinellen Lernmethoden, die z.B. zur Erstellung umfassender Statistiken in der Züchtung oder zur Suche nach neuen Pflanzenideotypen und -materialien eingesetzt werden können.