Christof Schroth

Christof Schroth ist seit 2019 am Fraunhofer IESE in der Abteilung »Data Science« als Entwickler tätig. Er hat an der Universität Ulm Mathematik studiert und beschäftigt sich vor allem mit Statistik, Stochastik, Zeitreihenanalysen, Maschinellem Lernen und Künstlicher Intelligenz. Momentan befasst er sich außerdem mit den Themen »Datenqualität« und »Digitalisierung im ländlichen Raum«. --- Christof Schroth has been working as a developer in the department “Data Science” at Fraunhofer IESE since 2019. He studied mathematics at the University of Ulm, Germany, and his main research interests are in statistics, stochastics, time series analysis, Machine Learning, and Artificial Intelligence. Currently, he is also working on the topics of “data quality” and “digitalization in rural areas”.

Time Series Analysis (Change Point Detection)

Time Traveling with Data Science: Focusing on Change Point Detection in Time Series Analysis (Part 2)

In the first blog post of our „Time traveling with data science“ series, we presented several tasks related to the analysis of time series. In this post, we dive into the task called „change point detection“.   Changes in time series or…

Digitalisierung auf dem Land (DESIRA)

Digitalisierung auf dem Land: Digitaler Wandel für Verwaltung und Bevölkerung mit DESIRA

In vielen Regionen Europas sind ländliche Räume mit ähnlichen Herausforderungen konfrontiert. Diese beinhalten unter anderem eingeschränkte Jobperspektiven und Bildungsangebote, begrenzte Leistungen im Nahverkehr oder bei der medizinischen Versorgung sowie eine unterdurchschnittliche digitale Infrastruktur. Dabei bietet die Digitalisierung große Potentiale, das Leben auf dem Land attraktiver und nachhaltiger zu gestalten. An diesem Punkt setzt das Fraunhofer IESE an und identifiziert Handlungsoptionen für die Gestaltung der digitalen Transformation in ländlichen Kommunen. In Zusammenarbeit mit der Verbandsgemeinde Betzdorf-Gebhardshain werden in einem Living Lab Ursachen und Auswirkungen des digitalen Wandels untersucht, um mögliche Lösungsszenarien für ländliche Regionen zu entwickeln.

Time traveling with data science: Focusing on time series analysis

Time Traveling with Data Science: Focusing on Time Series Analysis (Part 1)

Time traveling with data science: In this blog series, we will cover some of the different techniques that make up time series analysis. This first post will provide an overview of the different types of analysis possible and answer the…

Digitale Abbildung von Nährstoffkreisläufen – Ein Schlüssel zu mehr Nachhaltigkeit in der Landwirtschaft?

In der Landwirtschaft sind gut funktionierende Lebensgemeinschaften wohlbekannt. Um die Potenziale einer gut funktionierenden Landwirtschaft effektiv zu nutzen, arbeiten wir im Fraunhofer Leitprojekt »Cognitive Agriculture (COGNAC)« an Lösungen, um Kernkompetenzen wie Data Science und Plattformökonomie mit Expert*innen aus der Landwirtschaft zu verknüpfen. Denn mit der Unterstützung von Data Science können Landwirt*innen einen deutlichen Mehrwert für ihren Betrieb erhalten. Wie genau z. B. eine digitale Abbildung von Nährstoffkreisläufen somit zu mehr Nachhaltigkeit in der Landwirtschaft beitragen kann, möchten wir in diesem Blog-Beitrag erläutern.