RL

Prof. Dr.-Ing. Richard Lenz

Professur für evolutionäres Datenmanagement

Professorinnen und Professoren

Adresse

Martensstraße 3 91058 Erlangen
Zimmer: 08.136

Kontakt

Sprechstunden

Nach Vereinbarung nach Anmeldung in StudOn

Prof. Dr. Richard Lenz ist seit 2007 Inhaber der Professur für evolutionäres Datenmanagement und Professor am Lehrstuhl für Informatik 6 (Datenmanagement).
Zwischen Mai 2020 und März 2021 hat er den Lehrstuhl kommissarisch geleitet. Im Oktober 2022 hat er erneut die kommissarische Leitung des Lehrstuhls bis zu dessen Wiederbesetzung übernommen.

Forschung

  • Evolutionäre Informationssysteme
  • Informationssysteme im Gesundheitswesen
  • Datenqualität und Datenintegration
  • Dokument- und Prozessverwaltung (Workflow Management)
  • Forschungsdatenmanagement

  • CATCH 2.0: Contextual Anomaly Tracking with Changepoint Detection - Extension


    (Drittmittelfinanzierte Einzelförderung)
    Project leader:
    Term: 1. April 2025 - 31. Juli 2026
    Acronym: CATCH 2.0
    Funding source: Siemens AG
    Abstract

    This follow-up research project builds on previous work that demonstrated the value of change point analysis (CPA) for knowledge discovery in heterogeneous industrial time series data. The project extends existing methods to support large-scale analysis of complex thermodynamic systems, with a particular focus on power plant data characterized by high dimensionality, heterogeneity, and varying data quality. Beyond detecting individual change points, the developed methods enable higher-level analyses such as sequence-based pattern discovery and the identification of related or decoupled changes across hundreds of time series.

    A central objective of the project is to transition the previously developed prototypical algorithms into a scalable, platform-based environment close to the data sources (cloud deployment). In collaboration with Siemens Energy platform teams, the project aims to improve scalability, availability, and iteration speed, enabling broader evaluation across diverse real-world use cases. This setup allows domain experts to apply the methods without direct access to source code and supports faster feedback cycles for algorithmic refinement.

    The research further focuses on systematic evaluation of the algorithms on additional industrial use cases, expert-guided parameter selection, and adaptation of methods to handle edge cases and varying data quality. By strengthening the connection between algorithmic development, scalable infrastructure, and expert-driven evaluation, the project advances the practical applicability of change point analysis as a decision-support tool for industrial time series analysis.

  • ODDA: Ontologie-getriebene Datenerfassung


    (Projekt aus Eigenmitteln)
    Project leader:
    Term: 1. August 2024 - 31. Juli 2030
    Acronym: ODDA
    URL: https://www.cs6.tf.fau.de/faudir/caspar-felix-hanika/
    Abstract

    Ontologien sind leistungsstarke Werkzeuge, um Wissen zu strukturieren und zu formalisieren sowie Interoperabilität zu ermöglichen. Sie spielen eine entscheidende Rolle im Forschungsdatenmanagement, indem sie Daten maschineninterpretierbar machen und die Zusammenführung heterogener Datensätze verschiedener Forschender erleichtern. Im Idealfall tragen die integrierten Datensätze zu globalen Anwendungsfällen bei, die darauf abzielen, neues Wissen zu generieren.

    Hierfür ist es unerlässlich, dass Forschende die für ihre lokalen Anwendungsfälle erhobenen Daten mit bestehenden Fach- oder Anwendungsontologien in Einklang bringen. Allerdings lassen sich die für lokale Anwendungsfälle benötigten Daten oft nicht ohne Weiteres in diese Referenzontologien einfügen. Infolgedessen verzichten Forschende häufig auf die Wiederverwendung bestehender Ontologien und erheben ihre lokalen Daten stattdessen unter Verwendung ad hoc erstellter/improvisierter Schemata.

    Um diese Lücke zu schließen, zielt mein Arbeit darauf ab, Forschende in die Lage zu versetzen, Ontologien wiederzuverwenden, ohne dass dafür fundierte Fachkenntnisse im Bereich Ontology Engineering erforderlich sind. Ein formularbasierter Prototyp ermöglicht es Forschenden, auf ihre spezifischen Bedürfnisse zugeschnittene, ontologiebasierte Datenerfassungsformulare zu definieren und aus den erfassten Daten schließlich ontologiekonforme Wissensgraphen zu generieren.


  • PHAROS: Processing Heterogeneous Assets and Resources to discover Ontologies and Semantics


    (Projekt aus Eigenmitteln)
    Project leader:
    Term: 1. Juni 2019 - 1. Juni 2029
    Acronym: PHAROS
    Abstract

    Der Zweck des Semantic Web ist es, den weltweiten Zugang zum Wissen der Menschheit in maschinenverarbeitbarer Form zu ermöglichen. Ein großes Hindernis dabei ist, dass Wissen oft entweder inkohärent repräsentiert oder gar nicht externalisiert und nur in den Köpfen von Menschen vorhanden ist. Der Aufbau eines Wissensgraphen und die manuelle Erstellung und Fortschreibung einer Ontologie durch einen Domänenexperten ist eine mühsame Arbeit, die einen großen initialen Aufwand erfordert, bis das Ergebnis verwendet werden kann. Infolgedessen wird vieles Wissen dem Semantic Web oft nie zur Verfügung gestellt werden. Ziel dieser Doktorarbeit ist die Entwicklung eines neuen Ansatzes zum Aufbau von Ontologien aus implizitem Benutzerwissen, das in verschiedenen Artefakten wie Anfrageprotokollen oder Nutzerverhalten verborgen ist.

Publikationen


2026

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2014

2013

2012

2011

2010

2009

2008

2007

2006

2005

2004

2003

2002

2001

2000

1999

1997

1996

1995

1994

1993

Lehre

Offene und abgeschlossene Arbeiten finden Sie hier.

Ämter

  • Mitglied der Kollegialen Leitung des Departments Informatik
  • Mitglied der Studienkommission im Studiengang Informatik
  • MItglied der Studienkommission im Studiengang IT-Sicherheit
  • Mitglied der Masterzulassungskommission im Studiengang Medizintechnik
  • Mitglied im Prüfungsauschuss des Studiengangs Data Science
  • Stellvertretender Sprecher der Kollegialen Leitung der CDI (Competence Unit for Research Data and Information)
  • Mitglied der Zertifikatskommission Medizinische Informatik