Prof. Dr. rer. nat. Stephan Doerfel

Stephan Doerfel studierte Mathematik (Diplom) mit Nebenfach Wirtschaft an der Technischen Universität Dresden und an der Universität in Lund (Schweden). Er promovierte an der Universität Kassel im Bereich Wissensverarbeitung und befasste sich dort als wissenschaftlicher Mitarbeiter u.a. mit der Nutzung von maschinellem Lernen auf Metadaten wissenschaftlicher Literatur, mit Empfehlungssystemen, sowie mit Scientometrics und Netzwerkanalysen.
Von 2016 bis 2022 arbeitete Stephan Doerfel für die Micromata GmbH und war dort als Software-Engineer und Data-Scientist in diversen Projekten aktiv. Außerdem koordinierte er die Tech-Gilde der Firma, zur Förderung von technischem Austausch und Innovation.
Seit 2021 ist er Professor für Data Science an der HAW Kiel.

Stephan Doerfel kommt ursprünglich aus Cottbus, wo er das Max-Steenbeck-Gymnasium besuchte (Abitur 2002). Bei Wind und Wetter ist er gelegentlich in der Natur zum Geocaching unterwegs.

Im Zentrum von Stephan Doerfels wissenschaftlicher Arbeit steht die angewandte Datenwissenschaft (Data Science). Sein Fokus liegt darauf, Methoden des Maschinellen Lernens und der Datenanalyse gewinnbringend für komplexe Fragestellungen unterschiedlichster Fachdomänen zu nutzen.

Er engagiert sich außerdem regelmäßig als Mitglied in Programmkomitees internationaler Konferenzen (u. a. ECML/PKDD, WebSci) sowie als Gutachter für wissenschaftliche Fachzeitschriften (u. a. Knowledge-Based Systems).

Forschungsschwerpunkte:
Empfehlungssysteme (Recommender Systems) | Metadaten und Altmetrics | Maschinelles Lernen | KI-Anwendungen

Neueste Publikationen

Predicting Part Quality Early during an Injection Molding Cycle.
International Polymer Processing, 39(2):210-219, 2024.
Lucas Bogedale, Stephan Doerfel, Alexander Schrodt und Hans-Peter Heim.
DOI: 10.1515/ipp-2023-4457

Exploring AI for Interpolation of Combine Harvester Yield Data.
In: C. Hoffmann, A. Stein, E. Gallmann, J. Dörr, C. Krupitzer und H. Floto (Herausgeber): Informatik in der Land-, Forst- und Ernährungswirtschaft, Band 344, Reihe Lecture Notes in Informatics, Seiten 107-118. 2024.
Lucas Johannsen, Sebastian Ramm, Yves Reckleben und Stephan Doerfel.
DOI: 10.18420/giljt2024_17

Online Prediction of Molded Part Quality in the Injection Molding Process Using High-Resolution Time Series.
Polymers, 15(4), 2023.
Lucas Bogedale, Stephan Doerfel, Alexander Schrodt und Hans-Peter Heim.
DOI: 10.3390/polym15040978

Eine vollständige Übersicht seiner Veröffentlichungen findet man auf seinem ORCID-Profil.

Praxistransfer & Kooperationen 

Stephan Doerfel hat bereits über 100 studentische Projekte und Masterarbeiten erfolgreich betreut. Fast alle Arbeiten entstehen als angewandte Forschungs- und Transferprojekte in direkter Kooperation mit externen Partnern – darunter Unternehmen, Forschungseinrichtungen, medizinische Einrichtungen, sowie Akteure aus dem öffentlichen Sektor. Ziel ist es stets, vorhandene Datenpotenziale zu erschließen, praxistaugliche Lösungen zu entwickeln und deren Mehrwert wissenschaftlich fundiert zu bewerten.

Anwendungsdomänen:
Agrarwirtschaft | Bildung | Energie | Ernährung | Maritime Logistik & Navigation | Medien | Medizin (Bildgebung & Datenanalyse) | Mobilität & Transport | Personalwesen | Sport | Tourismus | Versorgung

Methodenspektrum:

• Data Engineering: ETL-Pipelines, Data Lakes, Datenarchitektur & -konzeption
• Data Analytics & BI: Monitoring, KPI-Systeme, interaktive Dashboards
• Machine Learning: Clustering, Klassifikation, Prognostik, Zeitreihenanalysen, Deep Learning, Computer Vision, Recommender Engines
• Advanced AI: Retrieval-Augmented Generation (RAG), Foundation Models

Sprechzeiten (online oder offline) können jederzeit kurzfristig per E-Mail vereinbart werden.