Dr. Marcus John

Fraunhofer-Institut für Naturwissenschaftlich-Technische Trendanalysen INT

KATI Lab

Adresse

Fraunhofer-Institut für Naturwissenschaftlich-Technische Trendanalysen INT
Appelsgarten 2
53879 Euskirchen

Telefon

+49 2251 18 231

E-Mail

marcus.john@int.fraunhofer.de

Homepage

KATI Lab

Zur Person

Derzeitige Tätigkeit

Seit 2007 ist Marcus John als Wissenschaftler am Fraunhofer INT in der Abteilung Technologie Analysen und Strategische Planung tätig. Er ist Leiter des KATI Labs. (http://www.int.fraunhofer.de/KATI).

Akademischer Werdegang

Marcus John studierte Physik an der Technischen Universität Berlin und promovierte auf dem Gebiet der theoretischen Astrophysik über die Entstehung von Staub in den Hüllen kühler Riesensterne. Anschließend arbeitete er als Postdoc am Fritz-Haber-Institut der Max-Planck-Gesellschaft, wo er sich mit Fragen der Proteinphysik beschäftigte.

Arbeitsschwerpunkte

Aktuell befasst er sich im Fraunhofer INT vor allem mit Technologiefrühaufklärung und Technologieanalysen mit den Vertiefungsgebieten Nanotechnologie, Human Enhancement, Physik komplexer und sozio-ökonomischer Systeme sowie Modellierung und Simulation. Der zweite Schwerpunkt seiner Tätigkeiten umfasst die Auseinandersetzungen mit den methodischen Grundlagen der (technologieorientierten) Zukunftsforschung, insbesondere mit der Anwendung bibliometrischer und anderer IT- und datenbasierter Verfahren für die Technologiefrühaufklärung.

Data Driven Foresight

Übung | Modul 5: Methoden: Anwendung und Reflexion (Wintersemester)

Im Fokus dieser Übung stehen Methoden, welche Publikationsdaten nutzen und die Frage, wie diese im Rahmen eines Foresight Prozesses eingesetzt werden können. Hierzu wird zunächst in das aktuelle Forschungsthema Data Driven Foresight anhand von Praxisbeispielen, praktischen Übungen und aktuellen Forschungsfragen eingeführt. Neben den Chancen, welche die Nutzung von Daten in diesem Kontext mit sich bringt, werden auch die Herausforderungen und Grenzen dieses Ansatzes thematisiert. Nach einer kurzen Einordnung von Data Driven Foresight in das übergeordnete Thema Zukunftsforschung, werden die verschiedenen Methoden in diesem Bereich erörtert. Schwerpunkt bilden dabei informetrische Ansätze aus dem Bereich der Bibliometrie bzw. Patentometrie, welche die Analyse von Publikations- und Patentdaten für die Zukunftsforschung (speziell die Technologiefrühaufklärung) nutzbar machen. Zusätzlich wird erörtert, wie diese Ansätze für die wissenschaftliche Recherche (Science Intelligence) genutzt werden können.

Darauf aufbauend werden Verfahren aus dem Bereich Data Mining, Netzwerkanalysen und des maschinellen Lernens erörtert. Abschließend werden einige methodische Ansätze aus dem Bereich des Text Minings und der Computerlinguistik vorgestellt.