Forschungstransfer

Der Firmenname OmegaLambdaTec bezieht sich auf einen der fundamentalen Parameter des aktuellen kosmologischen Standardmodells, Ω_Λ, gesprochen Omega-Lambda. Sein gemessener numerischer Wert von Ω_Λ≃0.7 gibt den heutigen Anteil der sogenannten Dunklen Energie zum gesamten Energiebudget des Universums an. Mit ca. 70% der Gesamtenergie im Kosmos ist die Dunkle Energie die dominante Energieform im heutigen Universum und treibt durch ihre physikalische Eigenschaft als effektiver negativer Druck die aktuelle beschleunigte Expansion des Universums an. Die Erkenntnis dieser beschleunigten Dynamik des Universums und der Folgerung der Existenz und Dominanz von Dunkler Energie wurde im Jahr 2011 mit dem Physiknobelpreis bedacht.

Die Bezeichnung Dunkel  bringt dabei unsere noch vorherrschende Unwissenheit über das fundamentale physikalische Verständnis und die Natur der Dunklen-Energie-Komponente zum Ausdruck. Um neues Licht auf die Geheimnisse der Dunklen Energie zu werfen, läuft aktuell das
Nachfolge-Beobachtungsprogramm der Nobelpreis-gewürdigten Arbeit von
Prof. Saul Perlmutter, an dem auch OmegaLambdaTec-Gründer Dr. Rene Fassbender aktiv beteiligt ist.

Ein sehr schönes Beispiel wie sich die aktuelle astrophysikalische Forschung innovativer Beobachtungs- und Datenanalyse-Methoden bedient, um neue Erkenntnisse jenseits der Standardverfahren zu erlangen, ist der Gravitationslinseneffekt. Um Licht von den ersten Galaxien im Universum, ausgesandt einige hundert Millionen Jahre nach dem Urknall, zu detektieren, bedarf es eigentlich der nächsten Generation an milliardenteuren Großteleskopen und Forschungssatelliten des nächsten Jahrzehnts. Durch die geschickte Anwendung und Ausnutzung der zusätzlichen Lichtsammelkraft von kosmischen Linsen großer Masse ist es dadurch heute schon möglich, einen direkten ersten Blick auf die frühste Kinderstube des Universums zu werfen.

Nutzen Sie unsere langjährige Forschungserfahrung mit unserem speziellen Arsenal an besonderen Tricks und Kniffen der Datenanalyse, um auch Ihr Daten-Potenzial voll auszuschöpfen und Ihren Mehrwert zu maximieren.

Die Strukturen und Objekte im Universum sind so vielfältig und die Beobachtungs- und
Forschungs-Daten so divers, dass wir im Rahmen unserer Forschungstätigkeit und Data Science Erfahrung mit guter Wahrscheinlichkeit schon einmal eine Datenanalyse durchgeführt haben, die methodisch Ihrer aktuellen Daten-Herausforderung sehr ähnelt. Und falls nicht, dann werden wir für Sie nach optimierten Data Science Lösungen suchen und diese entwickeln, die idealerweise besser sind als existierende Angebote. Als ausgebildete Forscher freuen wir uns auch insbesondere auf Daten-Herausforderungen und Aufgaben, die bisher überhaupt noch nie gelöst wurden und mit denen wir für Sie Data Science Neuland betreten.

Unternehmen, Organisationen, Märkte, Städte, Gesellschaften und Infrastruktur-Netzwerke sind komplexe dynamische Strukturen und sozio-ökonomische Systeme, die ständigen internen und externen Wechselwirkungen sowie äußeren Einflüssen unterworfen sind. Um Daten von und über solch komplexe Systeme optimal analysieren und interpretieren zu können, ist eine ausreichende Data Science Expertise eine notwendige aber keine hinreichende Voraussetzung. Ein tieferes Verständnis und eine adäquate Modellierung solcher Systeme bedingt vielmehr zusätzlich auch eine solide physikalische Ausbildung und Erfahrung mit den Eigenschaften und Mechanismen von wechselwirkenden Vielteilchensystemen.

Durch unsere langjährige Forschungserfahrung zur Entstehung und Entwicklung kosmischer Strukturen wie Galaxien und Galaxienhaufen besitzen wir eine besondere Erfahrung im Umgang und der Datenanalyse komplexer Strukturen. Insbesondere beinhaltet diese Erfahrung folgende Aspekte:

• die physikalische Beschreibung wechselwirkender Systeme mit einigen wenigen Teilkomponenten bis zu einigen hundert Milliarden Teilchen
• die Klassifikation komplexer Systeme und deren Separierung in Sub-Populationen
• der Einfluss von inneren, teils konkurrierenden, Wechselwirkungen der Teilkomponenten
• der Einfluss externer Wechselwirkungen und der System-Interaktion mit der Umgebung
• das Wachstum der Systeme durch innere Prozesse oder durch Zuströme von außen
• disruptive Prozesse wie Systemverschmelzungen
• die Auswirkungen von externen Schocks und abrupten Änderung des Systemzustands
• negative und positive Rückkopplungs-Mechanismen innerhalb der Systeme
• kritische, instabile und meta-stabile Systemzustände
• Entwicklungsprognosen der Systeme in Abhängig des Ausgangszustandes, der Entstehungszeit, der inneren Zusammensetzung, der Umgebungseinflüsse und der Wirkmechanismen

Die folgenden Beispiele zeigen einige von beliebig vielen Einsatzmöglichkeiten, wie und wo sich der Transfer von Datenanalyse-Methoden aus der Astrophysik in andere Anwendungsfelder praktisch eins-zu-eins überträgt:   

• Analysen zur Entwicklung verschiedener Bevölkerungsgruppen in Deutschland sind methodisch identisch zu Populationsanalysen verschiedener Arten von Galaxien-Typen im Universum
• die räumliche Charakterisierung des deutschen Verkehrsinfrastruktur-Netzes und des Netzes der großräumigen kosmischen Strukturen im Universum ist konzeptionell praktisch equivalent 
• Aufbau, Struktur und Wachstum von Großstädten wie Berlin unterscheiden sich in der Analyse von Galaxienhaufen als größte Materiansammlungen im Universum nur durch die um einen Faktor 10¹⁸ unterschiedliche Größenskala
• die Mietpreisentwicklung in Städten wie München seit Beginn der Finanzkrise  zeigt eine charakteristische räumliche Ausbreitungsstruktur wie die Sternentstehungsgebiete in Galaxien nach einer Frontalkollision mit einem kleineren Objekt 
• automatisierte technische Analysen von Finanzmarktdaten sind methodisch nichts anderes als die optimierte dynamische Modellanpassung an astronomische Lichtkurven
• die automatisierte Erkennung verdächtiger Vorgänge in Überwachungskamera-Streams und die Entdeckung neuer Supernovae beruht auf denselben Methoden der digitalen Bildverarbeitung
• räumliche Analysen zur Kundenstruktur um einen Supermarkt oder ein Geschäft sind methodisch equivalent zur Charakterisierung der gemessenen Photonenverteilung einer kosmischen Punktquelle
• Heatmap-Analysen nach Fußballspielen unterscheiden sich von Galaxien-Dichteverteilungen nur durch die Größe des Spielfeldes
• das Kaufverhalten von Kunden kann genauso automatisiert klassifiziert werden wie die Typen- und Entfernungsbestimmung von Galaxien
• die automatisierte Analyse eines Muttermals beim Hautkrebs-Screening unterscheidet sich von der Charakterisierung einer diffusen kosmischen Röntgenquelle nur durch die gesundheitlichen Konsequenzen für den Patienten