Technische Kompetenzen

Forschung wird technischer als je zuvor: KI-basierte Werkzeuge verändern unsere Arbeitsweise, Machine Learning auf großen Datensätzen hält in alle Fachbereiche Einzug, und Code schreiben und verstehen zu können ist ein echter Vorteil, wenn man mit den aktuellen Entwicklungen Schritt halten will. Genau diese Themen behandle ich in meinen technischen Trainings, gestützt auf meinen eigenen, stark datengetriebenen Forschungshintergrund, von der Entwicklung komplexer Analyseworkflows für biomedizinische Bilddaten bis zum Training neuronaler Netze.

Wissenschaftliches Programmieren
In Forschungsfeldern, in denen Erkenntnisse auf der Erhebung und Auswertung von Daten beruhen, ist eine verlässliche Aufbereitung und Verarbeitung dieser Daten essenziell. Wissenschaftliches Programmieren ist die Grundlage für reproduzierbare und transparente Workflows, die andere nachvollziehen, überprüfen und weiterentwickeln können.

Generative KI in der Forschung
Das Potenzial von KI-Systemen über den gesamten Forschungszyklus hinweg ist enorm, doch ein unkritischer Einsatz dieser Werkzeuge birgt erhebliche Risiken. Einen sinnvollen, kritischen und informierten Umgang mit KI-Werkzeugen zu entwickeln halte ich für eine der wichtigsten Weiterbildungsaufgaben unserer Zeit. Auch die rechtlichen Rahmenbedingungen zu Datenschutz und geistigem Eigentum machen Schulungen dringlicher denn je. 

Integrität
Technische Kompetenz und wissenschaftliche Integrität gehören zusammen, denn zu verstehen, wie eine Methode funktioniert, ist die Voraussetzung dafür, sie verantwortungsvoll einzusetzen, transparent zu machen und Verantwortung dafür zu übernehmen. Die richtige Balance zwischen Produktivitätsgewinn und sorgfältiger Forschung zu finden, ist eine ständige Herausforderung.

Mein Trainingsansatz
Meine technischen Workshops sind praxisnah: Input dazu, wie die Dinge tatsächlich funktionieren, Übungen zum Ausprobieren, gemeinsame Reflexion und Diskussion über Erkenntnisse und Bedenken, und Zeit, das Gelernte auf die eigene Fragestellung anzuwenden. So entsteht ein Raum, in dem kritisches Experimentieren in einem strukturierten Rahmen Freude macht.

Workshop-Beispiele zu technischen Kompetenzen

Generative KI verändert gerade rasant, wie Forschung betrieben wird – von der Literaturrecherche und Datenanalyse bis hin zum Schreiben und Peer Review. In diesem Workshop bekommst du die Möglichkeit, dich strukturiert mit den praktischen Einsatzmöglichkeiten von KI-Tools auseinanderzusetzen – und mit den größeren Fragen, die sie in Bezug auf wissenschaftliche Integrität und Verantwortung aufwerfen.

Im Workshop wirst du:

  • praktische Forschungsaufgaben mit generativen KI-Tools bearbeiten und die Qualität, Zuverlässigkeit und Transparenz der Ergebnisse einschätzen
  • darüber diskutieren, ab wann und in welchem Kontext der KI-Einsatz problematisch wird – im Hinblick auf gute wissenschaftliche Praxis und Prinzipien von Open Science
  • darüber nachdenken, was es bedeutet, geistige Arbeit an mathematische Modelle auszulagern und Daten mit kommerziellen Plattformen zu teilen
  • analysieren, wie bestehende ethische und institutionelle Richtlinien auf reale Forschungssituationen mit generativer KI angewendet werden können
  • eigene Kriterien entwickeln, wie du KI verantwortungsvoll in deinen wissenschaftlichen Workflow integrieren kannst

Der Workshop kann in Umfang und Schwerpunkt angepasst werden – von kurzen Einführungssessions bis hin zu ganztägigen Formaten. 

Dieser Workshop bietet dir eine Einführung in die Nutzung von KI-basierten Systemen zur Datenanalyse. Du bekommst ein grundlegendes Verständnis dafür, wie solche Tools funktionieren, und erforscht, wie man sie praktisch im Forschungsalltag einsetzen kann.

Im Workshop wirst du:

  • die Grundlagen von großen Sprachmodellen und KI-Systemen kennen lernen
  • KI-gestützte Tools zur Datenerkundung, Visualisierung und zur Entwicklung von Analyse-Strategien entdecken
  • praktische Übungen mit tabellarischen Daten machen und dabei KI-basierte Codingtools einsetzen
  • über die Möglichkeiten und Grenzen dieser Tools im Forschungskontext diskutieren
  • ethische und rechtliche Aspekte sowie bestehende Richtlinien für den verantwortungsvollen Einsatz von KI in der Datenanalyse betrachten
  • darüber nachdenken, wie und wann du KI sinnvoll für deine eigenen Daten und Forschungsfragen einsetzen kannst

Der Workshop ist als Halbtages-Workshop konzipiert, kann aber individuell angepasst oder als Teil eines längeren KI-Workshops angeboten werden.

Dieses Workshop-Konzept habe ich gemeinsam mit Dr. Alex Britz entwickelt.. 

Der Workshop zeigt, wie sich wiederkehrende Schritte in der Datenanalyse mithilfe von Python und KI-Assistenten in robuste und reproduzierbare Workflows überführen lassen. Im Mittelpunkt stehen konkrete Anwendungsfälle der Teilnehmenden, die wir gemeinsam in automatisierte Abläufe übersetzen.

In diesem Workshop lernen die Teilnehmenden

  • eigene Anwendungsfälle zu identifizieren und als klaren Workflow zu beschreiben (Input, Arbeitsschritte, Output, Qualitätskriterien)
  • mit Unterstützung von KI Python-Skripte zu erstellen, die diese Workflows automatisieren
  • Strategien zur Validierung und Fehlerkontrolle anzuwenden
  • den Einsatz von KI im Bezug auf gute wissenschaftliche Praxis zu reflektieren (Transparenz, Datenschutz, Dokumentation)

Ich biete Workshops zu Python und Machine Learning an in Zusammenarbeit mit Dr. Alex Britz entwickelt.. 

Dieser 2-tägige Workshop ist darauf ausgelegt, dir eine solide Grundlage im wissenschaftlichen Programmieren mit Python zu vermitteln.

Durch eine Mischung aus theoretischem Input und praktischen Übungen wirst du:

  • einen Überblick über die Vielseitigkeit von Python anhand von Anwendungsbeispielen bekommen.
  • lernen, wie man Python installiert und loslegt: Jupyter Notebooks, Spyder, Anaconda, Kommandozeile
  • in die Python-Syntax eintauchen: Datentypen und Variablen, Bedingungen, Schleifen und Funktionen.
  • das Lesen und Schreiben von Dateien umsetzen.
  • erste Schritte in der Datenverarbeitung mit Numpy und Datenvisualisierung mit Matplotlib durchlaufen.
  • das Gelernte direkt an deinen eigenen Daten und Fragestellungen ausprobieren.

Der Workshop ist ideal für Gruppen mit maximal 12 Teilnehmenden geeignet. Es sind keine Vorkenntnisse im Programmieren nötig.

Ich biete Workshops zu Python und Machine Learning an in Zusammenarbeit mit Dr. Alex Britz entwickelt.. 

In diesem 2- oder 3-tägigen Workshop bekommst du eine solide Grundlage in den wichtigsten Konzepten des maschinellen Lernens, vertiefst deine Python-Kenntnisse und arbeitest an praktischen Anwendungen.

Durch eine Mischung aus theoretischem Input und praktischen Übungen wirst du:

  • die grundlegenden Prinzipien von Machine Learning zu verstehen und wie du Daten sinnvoll vorbereitest
  • deine Python-Skills gezielt zu erweitern – mit Fokus auf fortgeschrittene Konzepte für ML-Projekte.
  • überwachte Lernverfahren mit der Scikit-Learn-Bibliothek anzuwenden.
  • erste Schritte mit neuronalen Netzen und Deep-Learning-Frameworks wie PyTorch zu machen.
  • das Gelernte auf deine eigenen Daten und Probleme anwenden

Am Ende des Workshops hast du nicht nur ein solides konzeptionelles Verständnis, sondern auch konkrete praktische Skills, die du direkt in deinen eigenen Machine-Learning-Projekten einsetzen kannst.

Der Workshop ist ideal für kleine Gruppen mit maximal 12 Teilnehmenden.

In Arbeit

Meine Beiträge zum Thema

Meine eigene Forschung beschäftigt sich damit, wie sich mit Magnetresonanztomographie (MRT) biologisch und medizinisch aussagekräftige Marker des Gehirns verlässlich messen lassen. In den letzten Jahren habe ich mich außerdem an den breiteren Debatten um die verantwortungsvolle Entwicklung und Nutzung von KI beteiligt, und ich bin Teil von Trainer:innen-Communities, in denen wir diskutieren, wie sich digitale Kompetenzen am besten vermitteln lassen.

Beiträge in meinem Forschungsfeld

  • Über mehr als ein Jahrzehnt habe ich Analysemethoden für komplexe biomedizinische Daten entwickelt, unter anderem mit Deep Learning, und sowohl die Werkzeuge als auch die dazugehörige Validierungsarbeit veröffentlicht22 open access papers, over 900 citations).
  • Ich habe ein Softwarepaket für die Analyse quantitativer MRT-Daten entwickelt, frei verfügbar auf GitHub: github.com/IlonaLipp/postmortembrain-mpm
  • Leitung der OHBM analysis tutorials frei zugängliche Lehrmaterialien zu Machine Learning im Neuroimaging-Bereich, Resting-State-fMRT-Analyse, Diffusions-MRT, Neuroanatomie, GABA-Messung mittels MRS, Netzwerk-Neurowissenschaft sowie Reproduzierbarkeit und guter Praxis im Neuroimaging-Bereich.

Beiträge zu verantwortungsvoller KI-Entwicklung und -Nutzung

  • Lipp, I., Van Scherpenberg, C. (2025). Opportunities and risks at the intersection of AI and Open Research Data. Open Science Conference, Hamburg.
  • Mayer, K., …, Lipp, I., … et al. (2025). Offenheit neu verhandeln: KI im öffentlichen Interesse gestalten (Weizenbaum Policy Paper, 15). Weizenbaum Institute, Berlin. doi: 10.34669/WI.PP/15
  • Mayer, K., …, Lipp, I., … et al. (2025). Yes, we are open?! Künstliche Intelligenz verantwortungsbewusst gestalten: Konferenzergebnisse im Spannungsfeld Open Science und KI (Weizenbaum Discussion Paper, 51). Weizenbaum Institute. doi: 10.34669/WI.DP/51

Trainer:innen-Communities für digitale Kompetenzen