Prof. Dr.-Ing. Tobias Meisen

Professor für Technologien und Management der Digitalen Transformation
Forschungsinteressen:
- Deep and Machine Learning
- Deep Reinforcement Learning
- Explainable and Transparent Artificial Intelligence
- Knowledge Graphs
- Semantic Interoperability
Biographie
Univ.-Prof. Dr.-Ing. Tobias Meisen ist seit September 2018 Professor für Technologien und Management der Digitalen Transformation an der Bergischen Universität Wuppertal. Er studierte Informatik mit dem Schwerpunkt auf Data Mining und Datenmanagement und wurde zum Dr.-Ing. mit Auszeichnung promoviert. Von 2015 bis 2018 war er Juniorprofessor an der RWTH Aachen University, wo er unter anderem im DFG-Exzellenzcluster „Integrative Produktionstechnik für Hochlohnländer“ forschte und als Geschäftsführer des Instituts für Informationsmanagement im Maschinenbau tätig war.
In seiner Forschung beschäftigt sich Tobias Meisen mit der digitalen Transformation und dem modernen Informationsmanagement in einer zunehmend vernetzten Welt. Ein besonderer Fokus liegt auf der Entwicklung von datengetriebenen Systemen, die auf Methoden des Machine Learning und Deep Learning basieren und gezielt für industrielle Anwendungen konzipiert sind. Anders als viele klassische KI-Ansätze, die auf große, zentral verfügbare Datenmengen setzen, adressiert seine Forschung die Herausforderungen realer industrieller Umgebungen, in denen Daten oft verteilt, heterogen oder unvollständig vorliegen. Ziel ist es, auch unter diesen Bedingungen robuste, lernfähige Systeme zu schaffen, die Prozesse automatisieren, Entscheidungen unterstützen und neue Formen der Mensch-Technik-Interaktion ermöglichen. Ergänzend dazu befasst er sich mit der strukturierten Erfassung, Integration und Verwaltung von Daten durch den Aufbau von Knowledge Graphs, die als Grundlage für transparente, nachvollziehbare und adaptive industrielle KI-Systeme dienen.
Tobias Meisen ist Sprecher des Interdisziplinären Zentrums für Machine Learning and Data Analytics (IZMD) der Bergischen Universität Wuppertal und Vorstandsvorsitzender des In-Instituts für Systemforschung der Informations-, Kommunikations- und Medientechnologie (SIKoM). Zudem ist er Mitglied im wissenschaftlichen Beirat des Center for Advanced Internet Studies (CAIS). Seit Februar 2025 bringt er seine wissenschaftliche Perspektive als sachverständiges Mitglied in die Enquetekommission „Künstliche Intelligenz – Für einen smarten Staat in der digitalisierten Gesellschaft“ des Landtags Nordrhein-Westfalen ein.
Als Mitgründer der HotSprings GmbH, die später in die umlaut integriert wurde und heute Teil von Accenture ist, verfügt Tobias Meisen über langjährige Erfahrung an der Schnittstelle von Wissenschaft, Technologieentwicklung und Anwendung. Für seine Arbeiten wurde er mehrfach ausgezeichnet, unter anderem mit Best Paper Awards und dem Young Researcher Award im Rahmen der ersten Förderphase der Exzellenzinitiative. Er ist Autor und Mitautor zahlreicher wissenschaftlicher Publikationen und engagiert sich kontinuierlich in nationalen und internationalen Forschungs- und Entwicklungsprojekten gemeinsam mit Partnern aus Wissenschaft und Industrie.
Publikationen
- 2023
- Alves Gomes, M., Wönkhaus, M., Meisen, P., & Meisen, T. (2023). "TEE: Real-Time Purchase Prediction Using Time Extended Embeddings for Representing Customer Behavior" , Journal of Theoretical and Applied Electronic Commerce Research , 18 (3), 1404—1418.
- Paulus, A., Pomp, A., & Meisen, T. (2023). "The PLASMA Framework: Laying the Path to Domain-Specific Semantics in Dataspaces" in Companion Proceedings of the ACM Web Conference 2023 , Ding, Ying and Tang, Jie and Sequeda, Juan and Aroyo, Lora and Castillo, Carlos and Houben, Geert-Jan, Eds. New York, NY, USA : ACM 1474—1479.
ISBN: 9781450394192
- Hahn, Y., Langer, T., Meyes, R., & Meisen, T. (2023). "Time Series Dataset Survey for Forecasting with Deep Learning" , Forecasting , 5 (1), 315—335.
- Langer, T., Pomp, A., & Meisen, T. (2023). "Towards a Data Space for Interoperability of Analytic Provenance" in Companion Proceedings of the ACM Web Conference 2023 , Ding, Ying and Tang, Jie and Sequeda, Juan and Aroyo, Lora and Castillo, Carlos and Houben, Geert-Jan, Eds. New York, NY, USA : ACM 1502—1503.
ISBN: 9781450394192
- Hahn, Y., Maack, R., Buchholz, G., Purrio, M., Angerhausen, M., Tercan, H., & Meisen, T. (2023). "Towards a Deep Learning-based Online Quality Prediction System for Welding Processes" , Procedia CIRP , 120 , 1047—1052.
zuletzt bearbeitet am: 20.05.2025