Institute for Technologies and Management of Digital Transformation

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

2024
Bohn, C., Freeman, I., Tercan, H., & Meisen, T. (2024). Task Weighting through Gradient Projection for Multitask Learning.
Hahn, Y., Kienitz, P., Wönkhaus, M., Meyes, R., & Meisen, T. (2024). "Towards Accurate Flood Predictions: A Deep Learning Approach Using Wupper River Data" , Water , 16 (23),
Alves-Gomes, M., Meisen, P., & Meisen, T. (2024). Towards Lifelong Learning Embeddings: An Algorithmic Approach to Dynamically Extend Embeddings.
Hoseini, S., Burgdorf, A., Paulus, A., Meisen, T., Quix, C., & Pomp, A. (2024). "Towards LLM-augmented Creation of Semantic Models for Dataspaces" in The Second International Workshop on Semantics in Dataspaces, co-located with the Extended Semantic Web Conference .
Hadwiger, S., Kube, D., Lavrik, V., & Meisen, T. (2024). "Towards Precision in Motion: Investigating the Influences of Curriculum Learning based on a Multi-Purpose Performance Metric for Vision-Based Forklift Navigation" in 2024 IEEE 20th International Conference on Automation Science and Engineering (CASE) , IEEE 796—803.

zuletzt bearbeitet am: 20.05.2025