Dr. Reena Debray
(Biowissenschaften)
MPI für evolutionäre Anthropologie, Abteilung für Primatenverhalten und Evolution
„Ökologie und Evolution des sozialen Mikrobioms“

Alle Tiere leben in enger symbiotischer Beziehung zu Gemeinschaften von Mikroorganismen, die unter dem Sammelbegriff Mikrobiom bezeichnet werden. Bakterien des Darmmikrobioms spielen eine entscheidende Rolle in Physiologie und Gesundheit, da sie z.B. komplexe Nährstoffe in verwertbare Formen aufspalten und dem Immunsystem vermitteln, wie es Infektionen zu erkennen hat. Diese Bakterien haben sich an die spezifischen Temperatur- und pH-Bedingungen im Darm angepasst und können sich von den Stoffen ernähren, die sie im Darm ihres Wirts vorfinden. Dabei haben sich viele aber so sehr spezialisiert, dass sie außerhalb eines Wirts nicht mehr lebensfähig wären. So würden z.B. mindestens 90 % der Darmbakterienarten absterben, wenn sie Sauerstoff ausgesetzt würden. Dieser Tatbestand wirft eine wichtige Frage auf: Wie gelangen Tiere an das benötigte Mikrobiom, wenn viele wichtige Arten so sehr spezialisiert sind, dass sie nicht über Nahrung, Wasser oder Oberflächen aufgenommen werden können? Dieses Projekt untersucht die sozialen und ökologischen Übertragungswege des Mikrobioms und nimmt dabei unsere nahen Verwandten – die Primaten – in den Blick, um den evolutionären Kontext zu erhellen, in welchem die Verhältnisse zwischen Wirt und Mikrobiom im Laufe der Zeit entstanden, sich spezialisiert und diversifiziert haben.

Reena Debray promovierte in Biologie an der University of California, Berkeley (USA), und leitet eine Minerva-Fast-Track-Forschungsgruppe am Max-Planck-Institut für evolutionäre Anthropologie. Ihre Forschungsarbeiten wurden mehrfach ausgezeichnet, unter anderem mit dem National Science Foundation Graduate Research Fellowship, dem Alexander-von-Humboldt-Forschungsstipendium für Postdoktoranden und dem Best Student Paper Award der Zeitschrift „Molecular Biology and Evolution“.

Dr. Florian Hartmann
(Ingenieurwissenschaften)
MPI für intelligente Systeme, Forschungsgruppe Biomimetische Materialien und Maschinen
„Nachhaltige Elektrische Motoren für Robotik“

Die stetig wachsenden Mengen an Elektroschrott stellen unsere Gesellschaft vor große Herausforderungen. Neben der Unterhaltungselektronik tragen inzwischen auch Roboter zu neuen Abfallströmen bei. Beispiele hierfür sind Haushaltsroboter, Spielzeug oder Drohnen. Viele dieser Produkte bestehen aus Materialien, deren Herstellung viel Energie verbraucht und die sich nur schwer recyceln lassen. Das Projekt verfolgt das Ziel, nachhaltigere Lösungen für die Robotik zu entwickeln. Im Fokus steht ein neuartiger, biologisch abbaubarer Motor aus umweltfreundlicheren Materialien.

Florian Hartmann ist seit 2024 Forschungsgruppenleiter am Max-Planck-Institut für Intelligente Systeme und leitet die Gruppe „Biomimetische Materialien und Maschinen“. Er ist ausgebildeter Physiker und hat 2021 in den Technischen Wissenschaften an der Johannes-Kepler-Universität Linz (Österreich) promoviert. Des Weiteren war er Postdoktorand an der École Polytechnique Fédérale de Lausanne (EPFL) in der Schweiz.

Dr. Jan Gerrit Horstmann
(Physik)
Universität Würzburg, Institut für Physikalische und Theoretische Chemie
„Ultraschnelle Steuerung von Materialeigenschaften mit Licht“

Ob ein Material metallisch, isolierend, supraleitend oder magnetisch ist, hängt von seiner mikroskopischen Struktur ab, also von der Anordnung und Wechselwirkung seiner Atome und Elektronen. Solche technologisch relevanten Eigenschaften lassen sich bislang meist nur durch Veränderungen der chemischen Zusammensetzung, der Temperatur oder des Drucks beeinflussen – Prozesse, die vergleichsweise langsam und energieaufwendig sind. Einen alternativen Ansatz bietet die gezielte Anregung mit extrem kurzen Lichtblitzen: Das starke elektrische Feld des Lichts kann die Anordnung von Atomkernen und Elektronen manipulieren und so Materialeigenschaften innerhalb eines Millionstels einer Milliardstel Sekunde verändern. Das Projekt untersucht eine neue Form dieser optischen Kontrolle, bei der gezielt Lichtpulse im mittleren Infrarot eingesetzt werden. Ziel ist es, funktionale Materialeigenschaften wie Magnetismus möglichst schnell, energieeffizient und auch weit unterhalb der Oberfläche mit Licht zu schalten – wichtige Voraussetzungen für zukünftige dreidimensionale Informationsspeicher.

Dr. Jan Gerrit Horstmann leitet die Nachwuchsgruppe „Ultraschnelle Strukturdynamik“ am Institut für Physikalische und Theoretische Chemie der Universität Würzburg. Nach seiner Promotion in Physik an der Universität Göttingen war er mit einem ETH Postdoctoral Fellowship sowie einem SNSF Postdoctoral Fellowship am Department für Materialwissenschaften der ETH Zürich tätig. Für seine wissenschaftliche Arbeit und sein gesellschaftliches Engagement wurde er mehrfach ausgezeichnet, unter anderem mit dem Wissenschaftspreis Niedersachsen und dem ETH Career Seed Award.

Dr. Sung-Ching Lee
(Geowissenschaften)
MPI für Biogeochemie, Abteilung Biogeochemische Integration
„Prozessverständnis zur Umsetzung naturbasierter Klimalösungen in Trocken- und Küstengebieten“

Naturbasierte Klimalösungen sind eine wichtige Ergänzung zur Beschleunigung des Klimaschutzes, doch uns fehlen entscheidende Kenntnisse darüber, wie sie in die Ökosysteme von Trocken- und Küstengebieten – in denen mehr als die Hälfte der Weltbevölkerung ansässig ist, große Mengen an Kohlenstoff gespeichert sind und ein hohes Maß an Artenvielfalt geschützt wird – wirksam umgesetzt werden können. Dieses Projekt verwendet fortschrittliche Überwachungs- und Modellierungstechniken, um diese Lücken in den Blick zu nehmen und die Auswirkungen unterschiedlicher Wassereinträge in Trockengebieten bzw. Salzgehaltsänderungen in Küstengebieten auf den Stoffwechsel von Ökosystemen zu beurteilen. Die Schaffung dieser wissenschaftlichen Grundlage ist unerlässlich für die Umsetzung wirkungsvoller, nachhaltiger naturbasierter Klimalösungen in diesen beiden Ökosystemen und ermöglicht die weltweite Umsetzung zuverlässigerer Klimaschutzstrategien.

Sung-Ching Lee ist Gruppenleiter am Max-Planck-Institut für Biogeochemie und beschäftigt sich mit den zugrunde liegenden Prozessen von Ökosystemfunktionen. Im Jahr 2020 promovierte er in Physischer Geografie an der University of British Columbia, Kanada.

Dr. Julia Mierbach
(Literaturwissenschaften)
Universität zu Bonn, Institut für Germanistik
„Sicherheit. Eine Literatur- und Kulturgeschichte des geteilten Deutschlands“

Das Projekt untersucht, wie „Sicherheit“ zu einem soziokulturellen Leitbegriff der Gegenwart wurde. Die vergleichende Analyse der Kultur- und Literaturgeschichte von „Sicherheit“ in Ost- und Westdeutschland zielt dabei nicht allein auf eine Rekonstruktion der politischen Sprache in beiden Systemen. Vielmehr wird der kollektive Imaginationsraum von Sicherheitsvorstellungen vermessen, wobei mediale und literarische Formationen in Beziehung zu den politischen Diskursen der Nachkriegsordnung gesetzt werden. Ziel ist es, die konzeptgeschichtlichen Voraussetzungen im kulturellen Gedächtnis sichtbar zu machen, unter denen Sicherheitsdebatten heute geführt werden.

Dr. Julia Mierbach ist Akademische Rätin a. Z. am Institut für Germanistik, Vergleichende Literatur- und Kulturwissenschaft der Universität Bonn. Forschungsaufenthalte führten sie u.a. an die Yale University und an die New York University, NYC. In ihrer Dissertation rekonstruierte Mierbach die Theoriegeschichte serieller Formen der Reihenbildung in Literaturtheorie, Ästhetik und Wissensordnungen der Moderne. In ihrer aktuellen Forschung analysiert sie die historischen Tiefenstrukturen soziopolitischer Leitbegriffe der Gegenwart.

Prof. Dr. Katarzyna Reluga
(Mathematik)
Humboldt-Universität zu Berlin Lehrstuhl für KI in den Wirtschaftswissenschaften
„KI-gestützte statistische Methoden zur präzisen Schätzung sozioökonomischer Indikatoren“

Präzise sozioökonomische Indikatoren sind essenziell für eine wirksame politische Gestaltung und eine gerechte Ressourcenverteilung, doch bevölkerungsbezogene Methoden verdecken häufig lokale Unterschiede. Dieses Projekt nutzt interpretierbares maschinelles Lernen (ML), um zuverlässige, fein aufgelöste Schätzungen auf Bezirks- und Gemeindeebene zu ermöglichen. Durch die Verbindung statistischer Strenge mit der Flexibilität von ML werden theoretisch fundierte Methoden und praxisnahe Werkzeuge für datenarme Kontexte entwickelt, unterstützt durch eine R-basierte Plattform zur Visualisierung und Unsicherheitsanalyse.

Katarzyna Reluga ist Juniorprofessorin und Leiterin des Lehrstuhls für KI in den Wirtschaftswissenschaften an der HU Berlin. Zuvor war sie Lecturer in Statistical Science an der University of Bristol und hatte Forschungspositionen an der University of California, Berkeley, der University of Toronto sowie der University of Cambridge inne. Sie promovierte in Statistik an der Universität Genf. Ihre Forschung entwickelt Methoden an der Schnittstelle von Statistik und maschinellem Lernen zur Bewältigung von Herausforderungen in Public Health und Ökonomie.

Jun.-Prof. Dr. Marcel Schorpp
(Chemie)
Universität Regensburg, Institut für Anorganische Chemie
„Von der Bindungsaktivierung zur Nachhaltigkeit: Mechanochemische Katalyse mit Hauptgruppenelementen“

Das Streben nach mehr Nachhaltigkeit prägt unsere Gesellschaft, stellt uns jedoch vor technologische Herausforderungen, bei deren Lösung chemische Prozesse oft eine zentrale Rolle spielen. Etablierte Verfahren haben allerdings meist einen hohen Energiebedarf oder nutzen Katalysatoren aus toxischen oder seltenen Elementen. Dieses Projekt entwickelt Katalysatoren aus häufig vorkommenden, ungiftigen Elementen. Dabei werden fundamentale Prinzipien der Aktivierung polarer Bindungen auf die gesellschaftlich relevanten Probleme der Wasserstoffspeicherung, CO₂-Nutzung und Kunststoffrecycling übertragen, um Industrieabläufe sicherer und nachhaltiger zu gestalten. Ein weiterer Fokus liegt dabei auf mechanochemischen Verfahren, um diese Prozesse lösungsmittelfrei und energieeffizienter zu machen.

Marcel Schorpp studierte Chemie an der Universität Freiburg (Promotion 2020). Nach Forschungsaufenthalten in Heidelberg und Oxford leitet er seit 2023 eine Arbeitsgruppe an der Universität Regensburg.

Dr. Sven Weinzierl
(Wirtschaftsinformatik)
Friedrich-Alexander-Universität Erlangen-Nürnberg, Institut für Wirtschaftsinformatik
„Verbesserung der Patientenbehandlung in Krankenhäusern durch genaue und interpretierbare Vorhersagen in Patientenpfaden“

Das Fachpersonal in Krankenhäusern muss häufig innerhalb kürzester Zeit kritische Entscheidungen über den weiteren Behandlungsverlauf von Patienten treffen, um begrenzte Ressourcen effizient zu nutzen und Menschenleben zu retten. Zur Unterstützung dieser Entscheidungen werden KI-basierte Systeme eingesetzt, die Vorhersagen über den weiteren Behandlungsverlauf erzeugen. Allerdings beruhen diese Systeme auf Vorhersagemodellen, die entweder transparent, aber ungenau, oder genau, aber intransparent sind. Dieses Projekt beschäftigt sich daher mit der Entwicklung von Ansätzen, die auf fortgeschrittenen, intrinsisch interpretierbaren Modellen des maschinellen Lernens – d. h. auf neuronalen Generalized Additive Models – basieren, um genaue und zugleich transparente Vorhersagen zu erzeugen und so die Behandlung von Patienten in Krankenhäusern zu verbessern.

Sven Weinzierl ist Akademischer Rat auf Zeit am Institut für Wirtschaftsinformatik an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Für seine Forschung zur datengetriebenen Entscheidungsunterstützung mithilfe von Verfahren des maschinellen Lernens hat er renommierte Stipendien und Auszeichnungen erhalten, wie beispielsweise das Schöller-Fellowship, das Software-Campus-Fellowship und den Hermann-Gutmann-Preis.

Dr. Felix Weiss
(Biowissenschaften)
Deutsches Rheuma-Forschungszentrum Berlin, Programmbereich Systemrheumatologie
„Allelselektion als bestimmender Faktor für Entzündung“

Wir erben zwei Kopien (Allele) jedes Gens, eine von der Mutter und eine vom Vater. Aber wie wir alle wissen, bilden wir unsere Eltern nicht zu gleichen Teilen ab, und dasselbe gilt für die Frage, ob unsere Zellen sich dafür entscheiden, unsere väterlichen oder mütterlichen Allele zu verwenden. Welche Genkopie unsere Zellen bevorzugen, kann die Fähigkeit des Körpers beeinflussen, Infektionen zu bekämpfen, Gewebeschäden zu reparieren – oder aber Erkrankungen zu entwickeln. Felix Weiss untersucht, wie die Allelselektion in Immunzellen verläuft und wie die Fähigkeit des Körpers, Entzündungen zu regulieren, beeinträchtigt wird, wenn die korrekte Allelselektion gestört ist. Dieses Projekt soll neue Erkenntnisse über einen grundlegenden Mechanismus zur Steuerung von Entzündungen liefern und neue therapeutische Möglichkeiten zur Manipulation der Allelselektion bei Krankheiten eröffnen.

Felix Weiss promovierte in Genregulation und leitet seit Mai 2025 eine unabhängige Nachwuchsgruppe am Deutschen Rheuma-Forschungszentrum (DRFZ), einem Leibniz-Institut in Berlin. Nach seiner Promotion arbeitete er als Postdoc an der Universität Bonn, wo er untersuchte, wie sich stammspezifische genomische Variationen auf die angeborene Immunität und die myeloische Signalübertragung im Zentralnervensystem während der Autoimmunität auswirken.

Dr. Tizian Wenzel
(Mathematik)
LMU München, Mathematisches Institut
„Verstehen und Ausnutzen von Alignment Effekten im Deep Learning“

Künstliche Intelligenz ist in aller Munde und hilft uns in vielen Aspekten des alltäglichen Lebens. Obwohl diese Systeme im Kern nur aus einfachen mathematischen Operationen wie Addition und Multiplikation mit trainierbaren Parametern bestehen, entsteht aus ihrem Zusammenspiel ein komplexes und bislang nur teilweise verstandenes Verhalten. Die zugrunde liegenden mathematischen Mechanismen sind noch nicht ausreichend erforscht. Insbesondere sogenannte Ausrichtungs- oder Alignment-Effekte – also die Frage, wie sich Parameter während des Lernens an relevanten Datenpunkten ausrichten – spielen eine zentrale Rolle für das Verständnis. Ziel dieses Projekts ist es, diese mathematischen Grundlagen systematisch zu untersuchen. Die gewonnenen Erkenntnisse sollen dazu beitragen, die Funktionsweise besser zu verstehen und damit die künstliche Intelligenz sicherer zu machen.

Tizian Wenzel studierte Physik und Mathematik an der Universität Stuttgart, wo er 2023 promoviert wurde. Er war anschließend Postdoktorand an der Universität Hamburg und ist seit 2024 akademischer Rat an der LMU München. Seine mathematischen Arbeiten wurden unter anderem mit dem IMA Leslie Fox Preis ausgezeichnet.

Dr. Barbara Wichtmann
(Medizin)
Universität Bonn, Klinik für Diagnostische und Interventionelle Neuroradiologie und Kinderneuroradiologie
„KI macht das verborgene Ausmaß des Glioblastoms messbar”

Glioblastome sind die häufigsten bösartigen hirneigenen Tumoren mit schlechter Prognose. Ihr hochaggressives Wachstum führt zu strukturellen Veränderungen des Gehirns weit über die Tumorgrenzen hinaus, die mittels Bildgebung messbar sind und mit Krankheitsverlauf und Überleben korrelieren. Standardmethoden der Bildanalyse versagen jedoch, wenn Tumoren oder Operationshöhlen die Anatomie stark verzerren. Moderne KI-Modelle ersetzen tumorbedingte Veränderungen synthetisch durch gesund wirkendes Gewebe und ermöglichen so erstmals eine Analyse des gesamten Gehirns. Dr. Barbara Wichtmann validiert diesen innovativen Ansatz an einer longitudinalen Kohorte von Glioblastompatienten am Universitätsklinikum Bonn zur Entwicklung bildbasierter Biomarker.

Dr. Barbara Wichtmann ist Radiologin und Medizinphysikerin sowie Leiterin der Forschungsgruppe Onkologische Bildgebung am Universitätsklinikum Bonn. Ihren wissenschaftlichen Weg prägten Forschungsaufenthalte an der Harvard Medical School und ein Management Fellowship am Mass General Brigham in Boston. Sie engagiert sich in nationalen sowie internationalen Fachgesellschaften und wurde unter anderem als Junior Fellow der ISMRM, mit dem Promotions- sowie Eugenie-und-Felix-Wachsmann-Innovationspreis der DRG ausgezeichnet.