Kopfbereich

School of Engineering

Health and Environmental Analytics

Analysieren von Daten, um interpretierbare Ergebnisse mithilfe statistischer und maschineller Lernverfahren zu gewinnen

Wir verwenden ein breites Spektrum an statistischen und maschinellen Lernverfahren sowie Methoden zur datenbasierten Modellentwicklung, um komplexe Datensätze zu analysieren und Trends sowie zukünftige Entwicklungen vorherzusagen. Das übergeordnete Ziel ist es, Rohdaten in umsetzbare Erkenntnisse zu verwandeln, die fachliche und politische Entscheidungen unterstützen.

Möchten Sie bestimmte Aspekte dieser Methoden näher besprechen oder mehr darüber erfahren, wie sie in realen Szenarien angewendet werden können?

Unsere Verfahren der Datenanalyse

  • Statistische Methoden sind Techniken zur Erhebung, Analyse, Interpretation und Darstellung von Daten, um Muster zu erkennen, Hypothesen zu testen und fundierte Entscheidungen unter Unsicherheit zu treffen.
  • Prädiktive Analytik nutzt statistische Modelle und Verfahren des maschinellen Lernens – einschliesslich Ensemble-Methoden und Deep Learning –, um aktuelle und historische Daten zu analysieren und Vorhersagen über zukünftige Ergebnisse oder Trends zu treffen.
  • Spezielle Themen
    • Kausale Inferenz
      Dient der Identifizierung und Quantifizierung von Ursache-Wirkungs-Beziehungen in Daten – über blosse Assoziationen oder Korrelationen hinaus.
    • Conformal Predictions
      Eine Methode zur Erstellung verlässlicher Unsicherheitsmasse für jede einzelne Vorhersage.
    • Anonymisierung von Daten
      Schützt sensible personenbezogene Daten, gewährleistet die Einhaltung von Datenschutzvorschriften, reduziert Risiken und ermöglicht sicheres sowie innovatives Teilen und Analysieren von Daten.
    • Versuchs- und Studiendesign
      Planung und Strukturierung von Forschungsarbeiten zur systematischen Untersuchung von Hypothesen, um durch kontrollierte Methoden und Verfahren valide und zuverlässige Ergebnisse sicherzustellen.
    • Netzwerkanalyse
      Eine Methode zur Untersuchung der Struktur und Dynamik komplexer Systeme, indem Entitäten als Knoten und ihre Beziehungen als Kanten in einem Graphen dargestellt werden.

 

Forschung & Projekte

Modellbasierter Dreistufenklassifikator für Schwebestaub

Heatmap der Element-zusammensetzung von 889 Partikeln aus einer in Kaiseraugst entnommenen Probe. Mehr Informationen unter Details zum Projekt.

Für die routinemässige Analyse von Schwebestaubpartikel mittels Rasterelektronenmikroskopie und energiedispersiver Röntgenspektroskopie (SEM-EDS) haben wir gemeinsam mit der Particle Vision GmbH einen universell einsetzbaren, dreistufigen Partikelklassifikator entwickelt. Dieser ermöglicht die automatisierte und standardisierte Auswertung grosser Partikeldatensätze, indem er Partikel anhand ihrer chemischen Zusammensetzung in Tausende von Klassen einordnet und so eine effiziente und reproduzierbare Analyse sicherstellt.
Details zum Projekt

Deep-Learning-basierte Klassifikation von histologischen Subtypen von Lungentumoren

a) 3D‑t‑SNE von 4.096 Merkmalen aus Lungenkrebsbildern.
b) VGG‑CNN extrahiert 4.096 Bildmerkmale an der angegebenen Schicht.
Mehr Informationen unter Details zum Projekt.

Die Subtypisierung von Lungentumoren ist entscheidend für die Therapieauswahl und wird derzeit von Pathologen durch visuelle Begutachtung von Hämatoxylin- und Eosin gefärbten Gewebeschnitten durchgeführt. In dieser Studie analysieren wir pro Patient 50 histologische Aufnahmen aus 207 diagnostizierten Fällen, um Adenokarzinome und Plattenepithelkarzinome zu unterscheiden. Deep-Learning-Methoden, insbesondere Convolutional Neural Networks (CNN), ermöglichen eine automatisierte Klassifikation mit einer Genauigkeit, die der von erfahrenen Pathologen vergleichbar ist.
Details zum Projekt

Tarifsystem für die stationäre Rehabilitation

Schematische Darstellung der Gruppierungslogik im Tarifsystem

Im Rahmen des leistungsorientierten und pauschalen Vergütungsmodells für Spitäler und Kliniken, das durch das Krankenversicherungsgesetz vorgeschrieben ist, hat die ZHAW ein Tarifsystem für leistungsbasierte Tagespauschalen in der Rehabilitation entwickelt.
Details zum Projekt

Anonymisierung von Daten

Verteilung des individuellen Re-Identifikationsrisikos für pseudonymisierte und anonymisierte Daten. Mehr Informationen unter Details zum Projekt.

Helsana stellt komplexe Datensätze bereit, auf die ein Anonymisierungsprozess angewendet wird. Dieser ist sowohl für die gemeinsame Nutzung als auch für den internen Gebrauch erforderlich, um die Identifizierung von Personen zu verhindern und gleichzeitig die analytische Qualität der Daten so weit wie möglich zu erhalten.
Details zum Projekt

Prognolite: Umsatzprognosen für die Gastronomie

Das Verständnis des Gästeaufkommens und der Präferenzen unterstützt den Restaurantbetrieb durch datengestützte Planung und ermöglicht eine präzise Prognose, Bestandskontrolle und Personaleinsatzplanung. Mehr Informationen unter Details zum Projekt.

Prognolite ist ein Start-up, das Software zur Prognose von Umsatz und Kundenfrequenz in der Gastronomie und im Catering anbietet. Wir haben Prognosealgorithmen entwickelt, die mit Eingaben wie Kalenderdaten, Wetter, Veranstaltungen und weiteren Faktoren arbeiten – und so effiziente Entscheidungen ermöglichen sowie helfen, Lebensmittelverschwendung zu reduzieren.
Details zum Projekt

News

Keine Nachrichten verfügbar.

Publikationen

Ausgewählte aktuelle Artikel in wissenschaftlichen Fachzeitschriften (peer-reviewed)

Achermann Basil B, Regazzi Naire, Heynen Rahel, Lüdin Dennis, Suter Julia, Drewek Anna, Lorenzetti Silvio R., 2025. From monitoring to prediction : velocity-based strength training in female floorball athletes.Sports. 13(6), S. 175. https://doi.org/10.3390/sports13060175

Spurk Christoph, Koch Carmen, Bürgin Reto, Chikopela Louis,  Konaté Famagan, Nyabuga George, Sarpong Daniel Bruce, Sousa Fernando, Fliessbach Andreas, 2023. Farmers’ innovativeness and positive affirmation as main drivers of adoption of soil fertility management practices: evidence across sites in Africa. The Journal of Agricultural Education and Extension. https://doi.org/10.1080/1389224X.2023.2281909

Bürgin Reto, Muratori Corrado, Roca-Riu Mireia, Heitz Christoph, 2023. A space-time model for demand in free-floating carsharing systems. Journal of Advanced Transportation. 2023(6610624). https://doi.org/10.1155/2023/6610624

Arpogaus Marcel, Voss Marcus, Sick Beate, Nigge-Uricher Mark, Dürr Oliver, 2023. Short-term density forecasting of low-voltage load using bernstein-polynomial normalizing flows. IEEE Transactions on Smart Grid. 14(6), S. 4902-4911. https://doi.org/10.1109/TSG.2023.3254890

Mildenberger Thoralf, Braschler Martin, Ruckstuhl Andreas, Vorburger Robert, Stockinger Kurt, 2023. The role of data scientists in modern enterprises : experience from data science education. SIGMOD Record. 52(2), S. 48-52. https://doi.org/10.21256/zhaw-27357

Müller Werder Claude, Mildenberger Thoralf, Steingruber Daniel, 2023. Learning effectiveness of a flexible learning study programme in a blended learning design : why are some courses more effective than others? International Journal of Educational Technology in Higher Education. 20(10). https://doi.org/10.1186/s41239-022-00379-x

Ausgewählte aktuelle Artikel in wissenschaftlichen Fachzeitschriften (non-peer-reviewed)

Thalmann Basilius, Hofer Christoph, Wächter Daniel, Kulli Beatrice, 2022. Per- und polyfluorierte Alkylsubstanzen (PFAS) in Schweizer Böden. altlasten spektrum. 31(6), S. 176-179. https://doi.org/10.37307/j.1864-8371.2022.06.05

Ausgewählte aktuelle Projektberichte

Bürgin Reto, Stucki Michael, Vetsch-Tzogiou Christina, Kauer Lukas Kohler Andreas, Drewek Anna, Thommen Christoph, Dettling Marcel, Wieser Simon, 2024. Wirkungsanalyse zum Risikoausgleich mit pharmazeutischen Kostengruppen (PCG): Schlussbericht. https://doi.org/10.21256/zhaw-30489

Drewek Anna, Ordelt Christian, Riahi Nima, Sedding Helmut, 2024. 100 Jahre Sollzeiten - Ein Konzept für die Zukunft?. Logistics Innovation. 2024(1), S. 10-13.

Cieliebak Mark, Drewek, Anna, Jakob Grob Karin, Kruse Otto, Mlynchyk Katsiaryna, Rapp Christian, Waller Gregor, 2023. Generative KI beim Verfassen von Bachelorarbeiten: Ergebnisse einer Studierendenbefragung im Juli 2023. https://doi.org/10.21256/zhaw-2491

Ausgewählte aktuelle Vorträge (peer-reviewed)

Bürgin, Reto; Vetsch-Tzogiou, Christina; Stucki, Michael; Kauer, Lukas; Pirktl, Lennart; van Kleef, Richard C.; Kohler, Andreas; Drewek, Anna; Thommen, Christoph; Dettling, Marcel; Wieser, Simon, 2024. Improving risk adjustment in Switzerland with pharmaceutical cost groups [Paper]. In: 6th Swiss Health Economic Workshop, Lucerne, Switzerland, 7 June 2024.

 

Detaillierte Publikationslisten finden Sie auf den Profilseiten der Teammitglieder.

Lehre

"Wir vermitteln Studierenden, wie sie mithilfe statistischer Methoden aus Daten lernen und dabei relevante Strukturen von zufälligem Rauschen unterscheiden können."

Lehrveranstaltungen

Wir vermitteln Bachelor-Studierenden umfassende Kenntnisse in statistischer Datenanalyse – von der explorativen Datenanalyse über statistische Inferenz, statistische Modellierung, fortgeschrittene Regressionsmodelle, Stichprobendesign und Analyse von Umfragedaten, Methoden des maschinellen Lernens für Klassifikation, prädiktive Modellierung, Data Analytics bis hin zur statistischen Qualitätskontrolle.

Unsere zentralen Lehrbeiträge liegen in den Bachelor-Studiengängen Wirtschaftsingenieurwesen, Mobility Science und Data Science. Ergänzend bieten wir zwei vertiefte Module im Master of Engineering an: Advanced Statistical Data Analysis und Business Analytics.

Darüber hinaus führen wir zwei CAS-Kurse durch: Data Analysis and Advanced Statistical Data Analysis, organisiert von der School of Engineering im Rahmen des MAS Data Science. Ergänzend dazu gibt es das R Boot Camp, einen kompakten Einführungskurs in R. 

Betreuung von Studierendenprojekten

Wir freuen uns, mit Studierenden zusammenzuarbeiten und sie während ihrer Projektarbeiten engagiert zu begleiten – sowohl auf Bachelor- als auch auf Masterstufe (MSE).
Aktuelle Projekt- und Thesis-Möglichkeiten finden Sie auf Complesis.
Gerne entwickeln wir gemeinsam mit Ihnen Ihre Ideen weiter und setzen sie in spannenden Projekten um.

Team