Modeling–Analysis–Optimization of discrete, continuous, and stochastic systems

Optimierungsprobleme begleiten uns ständig im täglichen Leben. Zum Beispiel stellen Supermärkte die Versorgung sicher, indem Sie die Transportwege der Ware optimieren, Energieversorger optimieren die Bereitstellung von Strom, und Autobahnen werden so gebaut, dass die darüber fahrenden Autos möglichst wenig Lärm verursachen. Dabei kommen diskrete, stochastische, also vom Zufall beeinflusste, und stetige mathematische Modelle zum Einsatz, die es zu analysieren gilt. Um solche Probleme zu lösen, ist es oft essenziell, nicht nur vom Blickwinkel eines mathematischen Teilgebietes daran zu arbeiten, sondern das Wissen mehrerer Teilgebiete zu vereinen und damit Synergien zu schaffen. In der Überschreitung dieser Grenzen einzelner mathematischer Fachdisziplinen liegt ein sehr großes innovatives Potential. Das Ziel der doc.funds doctoral school und ihrer neun Professor*innen der Institute für Mathematik und Statistik an der Universität Klagenfurt ist es, die Doktorand*innen mit dem nötigen mathematischen Wissen auszustatten, um anspruchsvolle mathematische Fragestellungen, die aus Optimierungsproblemen des täglichen Lebens resultieren, zu verstehen und zu lösen.

Über den fünfjährigen Förderzeitraum von 2020 bis 2025 hinweg bot die FWF doc.funds doctoral school Modeling - Analysis - Optimization of discrete, continuous, and stochastic systems eine strukturierte Doktoratsausbildung in der Mathematik mit internationaler Ausrichtung und ausgeprägter Forschungsmobilität. Insgesamt wurden im Rahmen des Programms 15 Doktoratsstellen gefördert. Bis zum Ende der Förderperiode haben 11 Doktorand*innen ihre Promotion erfolgreich abgeschlossen, darunter eine Preisträgerin des nationalen Awards of Excellence 2023 für ihre Dissertation. Neun der Absolvent*innen sind Frauen, worin sich der Beitrag des Programms zur Förderung der Geschlechterbalance in der Mathematik widerspiegelt. Vier Doktorand*innen traten zu einem späteren Zeitpunkt in das Programm ein und setzen ihre Forschung derzeit im Rahmen anderer geeigneter Förderungen fort. Ein zentrales Element der Doktoratsschule war ihre vielschichtige und international ausgerichtete Betreuungsstruktur, die eine intensive fachliche Betreuung ebenso wie die Förderung einer breiteren professionellen Entwicklung gewährleistete. Jede*r Doktorand*in wurde von zwei Betreuer*innen begleitet und zusätzlich von einer*m internationalen Mentor*in als wissenschaftliche*r Kooperationspartner*in sowie einer*m lokalen Mentor*in als "professional role model" unterstützt. Internationale Mobilität war ein wesentlicher Bestandteil des Programms. Alle Doktorand*innen absolvierten geförderte Forschungsaufenthalte im Ausland, sowohl kurze Forschungsbesuche als auch längere Forschungsaufenthalte, um ihre wissenschaftlichen Profile zu stärken und internationale Zusammenarbeit aufzubauen. Auf diese Weise trug das Programm dazu bei, die Doktoratsprojekte in internationale Forschungsnetzwerke einzubinden und kooperative Projekte zwischen den beteiligten Institutionen zu unterstützen. Über die individuellen Forschungsprojekte hinaus legte die Doktoratsschule großen Wert auf wissenschaftlichen Austausch und den Ausbau der scientific community. Im Jahr 2021 wurde ein Doktorats-Retreat veranstaltet, um die Kommunikation und Zusammenarbeit über verschiedene mathematische Teildisziplinen hinweg zu fördern. Darüber hinaus organisierte die Doktoratsschule zwei Summer Schools mit internationalen Vortragenden und Teilnehmenden: eine Summer School zu Aspekten der Optimierung im Jahr 2022 sowie eine Summer School zu inversen Problemen im Jahr 2023. Ergänzend wurden gezielte Workshops zur professionellen Weiterentwicklung angeboten, um die Karriereentwicklung der Doktorand*innen zu unterstützen. Absolvent*innen des Programms haben sowohl im nationalen als auch im internationalen Umfeld Karrierewege in der Wissenschaft sowie der Industrie eingeschlagen. Dies spiegelt die breite Palette an beruflichen Möglichkeiten wider, die durch die Ausbildung eröffnet wurden.