Prof. Dr. Markus Döhring
Lehrbereich
Data Science und Künstliche Intelligenz
Kurzbiografie
Markus Döhring studierte Wirtschaftsinformatik an der Berufsakademie Mannheim und erhielt 2009 den Master of Science in Informatik an der Hochschule Darmstadt. Bis 2013 promovierte er am Lehrstuhl für Datenbanken und Informationssysteme der Universität Jena.
Parallel war Markus Döhring 11 Jahre in verschiedenen industriellen Forschungs- und Entwicklungsbereichen der SAP tätig, zuletzt bis 2015 in Data-Mining nahen Themenbereichen wie Social Network Analysis oder Predictive Maintenance. 2015-2018 war er als Data Science Senior Manager in einem Analytics-Kompetenzzentrum der BASF tätig, dessen Fokus die algorithmengestützte Mustersuche in großen Datenmengen ist. Dort betreute und gestaltete er Projekte u.a. rund um die Themen Product Recommender, Business-Process Mining und Web Mining.
Seit 03/2018 ist er berufen als Professor für Data Science und Grundlagen der Informatik an der Hochschule Darmstadt.
Sprechstunde
nach Vereinbarung, auch möglich via Skype/Hangouts
Weitere Funktionen
- Ersthelfer(in)
- Fachbereichsrat (Mitglied)
- Mitglied Promotionszentrum Angewandte Informatik
- Prüfungsausschussvorsitzende(r)
- Studiengangsleiter(in)
Lehre WS26/27
im Studiengang Data Science Master
- Teil 1 am 7. Oktober und Teil 2 am 9. Oktober
- Gebäude C23 | Raum 2.03
Agenda für Mittwoch, den 07.10.2026
| 08:30 - 08:45 | Vorstellungsrunde und Erwartungsabfrage |
| 08:45 - 09:30 | generelles Projektsetup (Termine, Meilensteine, mündl. Prüfung, Unterstützung durch Dozenten, Gruppeneinteilung,... ) |
| 09:30 - 09:45 | Pause |
| 09:45 - 11:30 | Linux & Virtualisierung |
Agenda für Freitag, den 09.10.2026
| 08:30 - 09:30 | VSCode + Jupyter |
| 09:30 - 12:00 | Git, Gitlab |
| 12:00 - 13:00 | Mittagspause |
| 13:00 - 14:30 | Kennenlernen der Projektteams & Vertrautmachen mit der Aufgabenstellung |
| 14:30 - 15:00 | Übersicht zusätzliche Datenquellen |
| 15:00 - 15:15 | Pause |
| 15:15 - 16:30 | Arbeiten mit LLM/KI – do’s and don’ts |
Im Hauptseminar werden multimodale und agentische Foundation-Modelle vertieft, also vortrainierte Modelle die wesentlich "mehr" können als Texte zu analysieren und zu generieren.
Die Themenbereiche inkl. Zielsetzung werden eigenständig von den Studierenden ausgewählt und bearbeitet.
Auswahl/Vorschläge:
| Nummer | Modalität/Thema | Material |
| 1 | GUI | https://github.com/showlab/ShowUI |
| 2 | Multimodale Inkonsistenzen | Eigenes Paper des Dozenten |
| 3 | Ethisches Verhalten von Tool-Use Modellen | Eigene Experimente des Dozenten |
| 4 | Geruch | https://github.com/Farzaneh-Taleb/transformer-olfactory-alignment |
| 5 | Gesprochene Sprache | https://github.com/kyutai-labs/moshi |
| 6 | Audio (nicht-sprachlich, z.B. Musik) | https://github.com/NVIDIA/audio-flamingo |
| 7 | Berührungen | https://github.com/GeWu-Lab/AnyTouch |
| 8 | Geolokalisierung | https://github.com/Clay-foundation/model |
| 9 | Genome und Mutationen | https://github.com/evo-design/evo |
| 10 | Zeitreihen | https://github.com/moment-timeseries-foundation-model/moment t |
| 11 | Graphen | https://github.com/HKUDS/GraphGPT |
| 12 | Tabellen | https://tabularfoundationmodels.com/ |
| 13 | Mathemaik | https://mathverse-cuhk.github.io/ |
| 14 | Chemie-LLMs | |
| 15 | Ontologien | https://github.com/HamedBabaei/LLMs4OL |
Die Bearbeitungszeit beträgt ca. 6 Monate.
Im Projekt geht es darum, bei der Optimierung von Formulierungen (z.B. mit dem durch BASF unterstützten Open-Source Tool experimental-design.github.io/bofire/ ) die Patentierbarkeit mit zu berücksichtigen. Hierzu müssen Formulierungen auf vorhandene Patente abgebildet werden, was potentiell durch den Einsatz von Large Language Models bzw. Large Multimodal Models unterstützt werden kann.