Data Science and Networked Life

Der wissenschaftliche Fokus der Fachgruppe „Data Science und Networked Life“ liegt derzeit auf Techniken der kooperativen Spieltheorie und deren Anwendung im Bereich Data Science, insbesondere zur Analyse von Netzwerkdaten.

• Bedingungsloses Grundeinkommen (Untersuchungen mittels evolutionärer Simulation, gemeinsam mit Arend Hintze, Dalarna University)

• Analyse von Netzwerkdaten, insbesondere von Unternehmensnetzwerken mit wechselseitiger Eigentümerschaft, mittels Machtindizes und gewichteten Abstimmungsspielen (gemeinsam mit Izabella Stach, AGH Krakau)

• Faire Aufteilung der Einkünfte im Online-Advertising (gemeinsam mit Tamás Solymosi und Márton Benedek, Corvinus Universität Budapest)

• Faire Sitzverteilung und fairer Zuschnitt von Wahlkreisen, Verhindern des sog. Gerrymandering (gemeinsam mit László Kóczy, TU Budapest, und Balázs Sziklai, Ungarische Akademie der Wissenschaften)
   

Die Fachgruppe „Data Science and Networked Life“ wird geleitet von Jochen Staudacher. Seine Forschungsschwerpunkte liegen im Bereich kooperative und evolutionäre Spieltheorie und deren Anwendung zur Lösung praktischer Probleme sowie in der Paketentwicklung mit R.

• Elmar Böhler steuert seine Kenntnisse im Bereich Komplexitätstheorie und Design von Algorithmen bei.
   
• Arnulf Deinzer beschäftigt sich mit realen Netzwerken aus der Praxis, insbesondere Rechnernetzen.
   
• Georg Hagel steuert seine Kompetenz im Bereich Software Engineering bei.
   
• Wolfgang Hauke ist Präsident der Hochschule Kempten. Seine Habilitationsschrift hat er über „Fuzzy-Modelle in der Unternehmensplanung“ verfasst.
   
• Johannes Kraus beschäftigt sich mit kooperativer Spieltheorie und setzt diese zur Analyse von Supply-Chains in der Logistik ein.

• Rafael Mayoral Malmström bringt die Themen Netzwerke und Data Science im Gesundheitswesen in die Fachgruppe ein.
   
• Thomas Zeh beschäftigt sich mit realen Netzwerken aus der Ingenieurwissenschaft.
   

• Fatma Aslan, Technische Universität Budapest

• Márton Benedek, Ungarische Akademie der Wissenschaften und Corvinus Universität Budapest

• Arend Hintze, Dalarna University, Schweden
   
• Tamás Solymosi, Corvinus Universität Budapest und Ungarische Akademie der Wissenschaften
   
• Izabella Stach, AGH Krakau
   
• Balázs Sziklai, Corvinus Universität Budapest und Ungarische Akademie der Wissenschaften

[1] Hauke, W. (2013). Fuzzy-Modelle in der Unternehmensplanung (Vol. 68). Springer-Verlag.

[2] Hintze, A., Staudacher, J., Gelhar, K., Pothmann, A., Rasch, J., & Wildegger, D. (2020). Inclusive groups can avoid the tragedy of the commons. Scientific reports, 10(1), 1-8. https://doi.org/10.1038/s41598-020-79731-y

[3] Staudacher, J., Kóczy, L. A., Stach, I., Filipp, J., Kramer, M., Noffke, T., Olsson, L., Pichler, J. & Singer, T. (2021). Computing power indices for weighted voting games via dynamic programming. Operations Research and Decisions, 31(2), 123-145. https://doi.org/10.37190/ord210206.

[4] Staudacher, J., Olsson, L., & Stach, I. (2021). Implicit power indices for measuring indirect control in corporate structures. In: Transactions on Computational Collective Intelligence XXXVI. Lecture Notes in Computer Science; Nguyen, N., Kowalczyk, R., Mercik, J., Motylska-Kuzma, A. Eds.; Springer: Berlin/Heidelberg, Volume 13010, pp. 73-93. https://doi.org/10.1007/978-3-662-64563-5_4

[5] Mercik, J., Gladysz, B., Stach, I., & Staudacher, J. (2021). Shapley-Based Estimation of Company Value—Concept, Algorithms and Parameters. 23 pages. Entropy 23(12), 1598. https://doi.org/10.3390/e23121598

[6] Staudacher, J., Wagner, F., & Filipp, J. (2022). Dynamic Programming for Computing Power Indices for Weighted Voting Games with Precoalitions. 17 pages. Games 13(1), 6. https://doi.org/10.3390/g13010006