Institute for Technologies and Management of Digital Transformation

Dr.-Ing. Tristan Funken

Wissenschaftlicher Mitarbeiter

Forschungsinteressen:

  • Visual Analytics for Industrial Applications
  • Utilization of Complex Domain Knowledge
  • Artificial Intelligence and Machine Learning

Biographie

Tristan Funken ist seit Januar 2020 wissenschaftlicher Mitarbeiter am Institute for Technologies and Management of Digital Transformation an der Bergischen Universität Wuppertal. In seiner Forschung beschäftigt sich Herr Funken mit der frühzeitigen Integration von komplexem Fachwissen in die Datenanalyse industrieller Produktionsprozesse. Dazu untersucht er, wie Wissen aus der Interaktion von Domänenexperten mit Daten extrahiert und für ähnliche Analyseprozesse nutzbar gemacht werden kann. 

Herr Funken studierte Informatik an der RWTH Aachen University. Seine Vertiefungsgebiete waren Human-Computer-Interaction und Softwarearchitekturen. Anschließend arbeitete er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Informationsmanagement im Maschinenbau der RWTH Aachen Universität, wo er an verschiedenen Forschungs- und Entwicklungsprojekten KI-Verfahren im Produktionskontext entwickelte. 

Publikationen

2024
Langer, T. , Meyes, R. , & Meisen, T. (2024). "Guided Exploration of Industrial Sensor Data" , Computer Graphics Forum , 43 (1),
2023
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

2022
Langer, T. , Meyes, R. , & Meisen, T. (2022). "Gideon Replay: A library to replay interactions in web-applications" , SoftwareX , 17 , 100964.
Langer, T. , Welbers, V. , & Meisen, T. (2022). "Gideon-TS: Efficient Exploration and Labeling of Multivariate Industrial Sensor Data" , 2184-4992 .

Weitere Infos über #UniWuppertal: