Kai Moltzen, M.Sc.

Portrait
21335 Lüneburg, Universitätsallee 1, C4.308b
Fon +49.4131.677-2417, kai.moltzen@leuphana.de
Wiss. Mitarbeiter*in, Professur für Wirtschaftsinformatik, insbesondere Künstliche Intelligenz und Erklärbarkeit

Inhaltsverzeichnis dieser Seite

Werdegang

Nach meinem Bachelorstudium in Wirtschaftsingenieurwesen (B. Eng.) an der Hochschule Esslingen habe ich den Master in Data Science (M.Sc.) an der Leuphana Universität Lüneburg absolviert. Neben meinem Studium konnte ich wertvolle Praxiserfahrung durch Praktika und Werkstudententätigkeiten bei Mercedes-Benz, Ulixes Robotersysteme und Markt-Pilot sammeln.

Bereits während meines Bachelor- und Masterstudiums habe ich mein Wissen gerne weitergegeben, indem ich verschiedene Tutorien in Mathematik und Machine Learning gehalten habe. Zudem war ich als Studierendenvertreter und Mitglied verschiedener Studienkommissionen sowohl im Bachelor als auch im Master engagiert. Um meinen kulturellen und technischen Horizont zu weiten, habe ich insgesamt drei Semester an der Tampere University (Finnland) und der Ca’ Foscari Universität Venedig (Italien) studiert.

Derzeit arbeite ich als wissenschaftlicher Mitarbeiter in der AIX-Gruppe der Leuphana Universität, wo ich unter der Betreuung von Ricardo Usbeck meine Promotion verfolge. In dieser Position kann ich meine Leidenschaft für die Lehre in verschiedenen Fachbereichen fortsetzen, unterstütze die Weiterentwicklung der Forschungsgruppe und forsche im Bereich GeoAI.

Lehrgebiete

  • Erklärbare Künstliche Intelligenz (XAI) und Datenvisualisierung
  • KI-Projekt
  • Advanced Machine Learning - LLMs, RAG, KGs
  • DataX

Forschungsgebiete

  • Spatial Representation Learning
  • (Qualitative) Spatial Reasoning
  • Geospatial Knowledge Graphs (GeoKGs)
  • Geospatial Foundation Models (GeoFMs)
  • Explainable Artificial Intelligence
  • Natural Language Understanding
  • AI to enhance (natural) disaster resilience
  • AI for Good

Projekte

Publikationen

Beiträge in Sammelwerken

  1. GANDR - Georelating Dataset, Metrics, and Evaluation
    Kai Moltzen (Autor*in) , Ricardo Usbeck (Autor*in) , 19.12.2025 New York, NY, USA , S. 61-71 , 11 S.

    Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet

  2. LLM Agents for Georelating - A New Task for Locating Events
    Kai Moltzen (Autor*in) , Junbo Huang (Autor*in) , Ricardo Usbeck (Autor*in) , 12.12.2025 New York, NY, USA , S. 277–280 , 4 S.

    Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet

Alle Publikationen anzeigen

Aktivitäten

  1. Posterpresentation LLM-Agents for Georelating
    Kai Moltzen (Sprecher*in)

    Aktivität: Präsentationen (Poster ua.) › Forschung

  2. Presentation Leuphana @ Session II Future Knowledge Experts
    Kai Moltzen (Sprecher*in)

    Aktivität: Vorträge in anderen Veranstaltungen › Lehre

Alle Aktivitäten anzeigen

Auszeichnungen

  1. 2025 Research Award of the School of Management & Technology
    Kai Moltzen (Empfänger/-in) Ricardo Usbeck (Empfänger/-in) ,

    Auszeichnung: Leuphana interne Preise, Stipendien, Auszeichnungen, Ernennungen › Forschung

  2. Award for Completing the Course of Study with Outstanding Success
    Kai Moltzen (Empfänger/-in) ,

    Auszeichnung: Leuphana interne Preise, Stipendien, Auszeichnungen, Ernennungen › Lehre

Alle Auszeichnungen anzeigen

Lehrveranstaltungen

Erklärbare KI und Visualisierung
Kai Moltzen, Ricardo Usbeck
⌄
Aussagekräftige und ansprechende Visualisierungen
- Gestaltungsprinzipien für die Visualisierung quantitativer Daten
- Telling stories with data: What to look for & How to design?
- Im Laufe der Zeit & Proportionen, Unterschiede & (räumliche) Zusammenhänge

Erklärbare KI
- Relevanz und Konzepte der Interpretierbarkeit
- Taxonomie und Evaluation von Erklärungen
- Interpretierbare Modelle, z.B. lineare Regression und Entscheidungsbäume
- Lokale modellagnostische Methoden, z.B. LIME (Local Interpretable Model-Agnostic Explanations),
- Von lokalen zu globalen modellagnostischen Erklärungen mit SHAP (SHapley Additive exPlanations)
- Modellspezifische Erklärungen für Neuronale Netze, z.B. Learned Features und Pixel Attribution Maps
- Erklärbarkeit im Zeitalter von Deep Learning und großen Sprachmodellen (LLMs)
- Aktuelle, relevante Forschungsliteratur
- Regulatorische Anforderungen wie der EU AI Act
- Diskussion über die Zukunft der Mensch-KI-Interaktion, Herausforderungen bei der Erklärbarkeit und weiterführende Ansätze, um die Erklärungen von KI-Modellen transparenter und nachvollziehbarer zu gestalten.
Nächster Termin:
Donnerstag, 14.05.2026 um 10:15 Uhr
Raum: C 40.254 Seminarraum
Foundations of AI
Anna Ehrenberg, Martin Jan-Ulrich Kohler, Kai Moltzen, Ricardo Usbeck
⌄
This module introduces key AI concepts, primarily focusing on technical topics such as machine learning, neural networks, and algorithms.

Students will learn methods from regression to advanced techniques in language and image processing, integrating these with an understanding of technological and societal impacts.

The Creative Space for Human and Artificial Intelligence serves as a hub for project-based learning and interdisciplinary collaboration.
Nächster Termin:
Mittwoch, 13.05.2026 um 08:30 Uhr
Raum: C 12.105 Seminarraum
Foundations of AI - Exercise Group 1
Kai Moltzen, Ricardo Usbeck
⌄
The exercise builds on lecture content, offering practical engagement with AI technologies. Students will perform hands-on projects within the Creative Space, involving both software and hardware components, to deploy their project solutions effectively. The exercise accommodates individual learning paths, allowing students to tailor their projects according to their specific interests.
Nächster Termin:
Mittwoch, 13.05.2026 um 10:15 Uhr
Raum: C B.055a Creative Space