Der Schwerpunkt Bioinformatik konzentriert sich auf theoretische und rechnerische Aspekte der Modellierung des Prozesses der Genomevolution und des adaptiven Wandels. Ziel ist Grundlagenforschung und neue Methoden der Bioinformatik in reale Anwendungen zu bringen, die zum Beispiel von der Biotechnologie bis zur biomedizinischen Forschung und Forensik reichen. Der Forschungsbereich ist in verschiedene Forschungsgruppen gegliedert, die jeweils auf gewissen Methoden oder Anwendungsdomänen fokussieren.

Der Schwerpunkt Cognitive Computing for Life Sciences beschäftigt sich mit der Entwicklung und dem Einsatz von computergestützten Methoden, Modellen und Systemen im Bereich der Life Sciences, deren Eigenschaften sich am Vorbild der Lern- und Adaptionsfähigkeiten bzw. Selbstorganisationsprinzipien natürlicher Systeme orientieren. Die entwickelten Lösungen unterstützen anspruchsvolle menschliche Tätigkeiten und Entscheidungsprozesse, können aber auch bei der Automatisierung von Prozessen zum Einsatz kommen. Die folgenden allgemeinen Aspekte stehen für unsere Forschung und Entwicklung im Zentrum: Lernfähigkeit/Adaptionsfähigkeit der Systeme, kontextgebundene Lösungen (Anwendungskontext in den Life Sciences), systemische Betrachtung der Anwendung und des Kontexts.

Der Forschungsschwerpunkt Computational Health befasst sich mit fundamentalen Fragestellungen aus Biologie und Medizin unter Verwendung computergestützter, datengetriebener Methoden. Wichtige Instrumente sind maschinelles Lernen für die Bild- und Signalanalyse, Parameterschätzung für Differenzialgleichungssysteme und Multiphysik-Simulation. Effektive Validierungsstrategien werden eingesetzt, um mit dem Unbekannten umzugehen.

Der Schwerpunkt bündelt spezifische Methoden- und Technologiekompetenzen in der Digitalisierung und Virtualisierung von Laboren, Prozessen und Produktionsanlagen in den Life Sciences. Dazu gehört einerseits die Vernetzung von Geräten, Prozessen und Menschen über Schnittstellen, Datenpipelines und Datenmanagement und andererseits die Modellierung und Simulation von physischen Systemen und Infrastrukturen. Digitale Zwillinge sind ein gutes Beispiel für das Zusammenspiel dieser Themen.