Prof. Dr. Burkhardt Funk
Werdegang
Burkhardt Funk ist Professor für Wirtschaftsinformatik und Data Science an der Leuphana Universität Lüneburg. Seine Forschung konzentriert sich auf die Entscheidungsfindung und Entwicklung von datengetriebenen Services mit Hilfe des maschinellen Lernens insb. in den Bereichen E-Commerce und E-Health. In seiner Lehre stehen die mathematischen Grundlagen und Anwendungen des maschinellen Lernens im Vordergrund. 2015 initiierte er einen der ersten Data Science Studiengänge in Deutschland und leitet seit 2018 mit DATAx die Data Literacy Education Initiative der Leuphana. Er war Gastwissenschaftler an der Stanford University und der University of Virginia in Charlottesville.
Der Transfer wissenschaftlicher Erkenntnisse in die Praxis spielt in der Arbeit von Burkhardt Funk eine wichtige Rolle. Er war und ist an zahlreichen Unternehmensgründungen beteiligt. Dazu zählen die Unternehmen Parklane Internet, uniquedigital, HelloBetter, Deutscher Pflegering, Adference, erason, PersonalAIze und zuletzt die Smartboatia. Darüber hinaus berät er Unternehmen in den Bereichen datengetriebene Entscheidungen, Produkte und Dienste.
Lehrgebiete
Wirtschaftsinformatik & Data Science
Forschungsgebiete
Die Forschungsschwerpunkte von Burkhardt Funk umfassen die Modellbildung zu Entscheidungsproblemen in unterschiedlichen Anwendungskontexten der Wirtschaftsinformatik und Verfahren zur Datenanalyse (insb. Bayesschen Statistik). Zu den Anwendungsfeldern zählen E-Commerce (z.B. Online Advertising) und E-Health. Er ist Autor zahlreicher Fachartikel und regelmäßig als Mitglied in Programmkomitees wissenschaftlicher Konferenzen und als Gutachter tätig. Zuletzt erschien die Monographie "Machine Learning for the Quantified Self". Er leitet derzeit das vom Stifterverband und von der Nixdorf-Stiftung geförderte Projekt DATAx.
Publikationen
Beiträge in Zeitschriften
- Efficacy of a hybrid online training for panic symptoms and agoraphobia: study protocol for a randomized controlled trial
Dirk Lehr (Autor*in) , Hooria Jazaieri (Autor*in) , Wouter van Ballegooijen (Autor*in) , Burkhardt Funk (Autor*in) , Lara Ebenfeld (Autor*in) , Stefan Kleine Stegemann (Autor*in) , David Daniel Ebert (Autor*in) , Heleen Riper (Autor*in) , Matthias Berking (Autor*in) , 04.11.2014 , in: Trials, 15, 1 , 10 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Real-Time Advertising
Burkhardt Funk (Autor*in) , Martin Stange (Autor*in) , 01.10.2014 , in: Business and Information Systems Engineering, 6, 5 , S. 305-308 , 4 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- A Cross-Industry Analysis of the Spillover Effect in Paid Search Advertising
Burkhardt Funk (Autor*in) , Florian Nottorf (Autor*in) , 01.09.2013 , in: Electronic Markets, 23, 3 , S. 205-216 , 12 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
Beiträge in Sammelwerken
- Cross-Channel Real-Time Response Analysis
Burkhardt Funk (Autor*in) , Nadia Abou Nabout (Autor*in) , 01.01.2016 , S. 141-151 , 11 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Sammelwerken › Transfer
- How Much Tracking Is Necessary? - The Learning Curve in Bayesian User Journey Analysis
Burkhardt Funk (Autor*in) , Martin Stange (Autor*in) , 29.05.2015 , 13 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- The Economic Value of Clickstream Data From an Advertiser's Perspective
Burkhardt Funk (Autor*in) , Florian Nottorf (Autor*in) , 01.01.2013 Atlanta, GA , 12 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- To Bid or Not To Bid?: Investigating Retail-Brand Keyword Performance in Sponsored Search Advertising
Burkhardt Funk (Autor*in) , Reinhard Schulte (Autor*in) , Tobias-Benedikt Blask (Autor*in) , 01.01.2012 , S. 129-140 , 12 S.Publikation: Beiträge in Sammelwerken › Aufsätze in Sammelwerken › Forschung › begutachtet
Lehrveranstaltungen
This course provides an overview of the fundamentals of algorithmic thinking, programming and artificial intelligence. The course covers historical, conceptual and application-oriented aspects. In addition to technical perspectives, the lectures address and contextualise the social impact of these technologies.
• Theoretical foundation of statistical learning
• Learning settings and frameworks
• Linear models
• Regularization and feature selection
• Model evaluation
• Neuronal nets, SVMs and their application
Im ersten Teil der Veranstaltung werden die methodischen Grundlagen vorgestellt. Anschließend bereiten die Studierenden Diskussionen zu ausgewählten Themen aus dem Buch von Easley & Kleinberg vor.
Our colloquium features a diverse set of formats:
* Research Talks: IIS faculty and doctoral researchers present ongoing projects and recent findings, receiving constructive feedback in a collaborative environment.
* Invited Expert Lectures: Renowned national and international scholars are invited to share cutting-edge research and theoretical insights, offering new perspectives and fostering academic exchange.
* Startup & Industry Talks: Entrepreneurs and professionals from startups and established companies discuss real-world challenges and innovations at the intersection of business and technology, providing practical insights and networking opportunities.
* Interdisciplinary Dialogues: The colloquium also opens space for collaborative sessions across disciplines, reflecting the integrative and transdisciplinary mission of Leuphana University.
Open to members of the university and interested guests, the IIS Research Colloquium serves as an essential forum for inspiration, collaboration, and advancing impactful research.
In der Übung entwickeln Sie anhand praktischer Aufgaben ein grundlegendes Verständnis von KI-Modellen (bspw. Klassifikation, Empfehlungssysteme oder Textgenerierung), wenden die verschiedenen Modelle an und evaluieren sie. Zusätzlich bekommen Sie eine Einführung in die Programmierung mit Python und Prompting-Strategien. Im Verlauf des Semesters entwerfen Sie in Kleingruppen ein eigenes kleines KI-gestütztes Programm. Dabei vertiefen Sie Ihr Wissen im Entwurf und in der Evaluation von KI-Systemen weiter – sowohl mit Blick auf technische als auch gesellschaftliche Implikationen. Parallel zu den Übungen stehen von Oktober bis Januar erfahrene und engagierte Tutor:innen (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus im gesamten Lernprozess zu unterstützen.
In der Übung entwickeln Sie anhand praktischer Aufgaben ein grundlegendes Verständnis von KI-Modellen (bspw. Klassifikation, Empfehlungssysteme oder Textgenerierung), wenden die verschiedenen Modelle an und evaluieren sie. Zusätzlich bekommen Sie eine Einführung in die Programmierung mit Python und Prompting-Strategien. Im Verlauf des Semesters entwerfen Sie in Kleingruppen ein eigenes kleines KI-gestütztes Programm. Dabei vertiefen Sie Ihr Wissen im Entwurf und in der Evaluation von KI-Systemen weiter – sowohl mit Blick auf technische als auch gesellschaftliche Implikationen. Parallel zu den Übungen stehen von Oktober bis Januar erfahrene und engagierte Tutor:innen (Teaching Assistants) zur Verfügung, um die Studierenden auf dem Campus im gesamten Lernprozess zu unterstützen.