Matthias Weidlich kehrt ans Hasso-Plattner-Institut zurück
Prof. Dr. Matthias Weidlich übernimmt neues Fachgebiet für datengetriebene Informationssysteme am HPI und forscht zu komplexen Verfahrensabläufen.
Das Hasso-Plattner-Institut (HPI) baut seine Forschung zu datengetriebenen Informationssystemen aus. Seit dem 1. April 2026 leitet Prof. Dr. Matthias Weidlich das neue Fachgebiet "Data Systems" an der gemeinsamen Digital Engineering Fakultät mit der Universität Potsdam. Die Berufung ist auch eine Rückkehr für Weidlich, der 2011 am HPI promovierte.
Matthias Weidlich forscht zu Datenmanagement und datengetriebener Analyse komplexer Systeme. Zuletzt war er Professor am Institut für Informatik der Humboldt-Universität zu Berlin, wo er seit 2018 den Lehrstuhl für Databases and Information Systems innehatte. Zuvor war er Juniorprofessor für Process-Driven Architectures an der HU Berlin sowie als Wissenschaftler unter anderem am Imperial College London und am Technion - Israel Institute of Technology tätig.
Im Zentrum von Weidlichs Forschungsarbeit steht die datenbasierte Analyse des Verhaltens komplexer Systeme. Das können Behandlungsabläufe in Krankenhäusern, globale Warenströme und Lieferketten oder standardisierte Auswertungsmethoden wissenschaftlicher Experimente sein.
Prof. Weidlich entwickelt Algorithmen für die datengetriebene Analyse solcher Prozesse, um sie in Echtzeit beobachten und auswerten zu können.
"Vor zwei Jahrzehnten hat mich das inspirierende Umfeld am HPI zur Forschung über Prozesse und Daten gebracht. Mit meiner Rückkehr an das Institut möchte ich Studierende dazu ermutigen, Innovationen in der datengetriebenen Prozessanalyse und der Datenstromverarbeitung voranzutreiben und ihre Ideen in praxisrelevante Systeme und Anwendungen zu überführen", sagt Prof. Weidlich.
Mit der Forschungsgruppe "Data Systems" knüpft Prof. Weidlich an seine bisherige Forschung an und widmet sich den algorithmischen Grundlagen und Infrastrukturen für die datengetriebene Analyse komplexer Systeme. Im Fokus steht die Entwicklung von Methoden, die Nutzer:innen beim Entwurf von Datenanalysen unterstützen und praktische Prozessverbesserungen aus den gesammelten Daten ermöglichen.