Julius Kooistra

Ich leite angewandte Forschungsprojekte zu KI, Finanzwesen und dem öffentlichen Sektor (darunter InnoCheque Velaw und das BeLEARN AI Beacon) und verfolge eigene Forschung zu Explainable AI in öffentlichen Arbeitsvermittlungsdiensten sowie zu KI-gestützten Lernwerkzeugen. Zudem wirke ich an drittmittelfinanzierten Projekten (SNF, MSCA, AVA Bern) mit, betreue Bachelor- und Masterstudierende und unterrichte in angewandter Data Science und Finance.

Leitung angewandter Forschungsprojekte zu KI-basierten Informationssystemen im Finanz- und öffentlichen Sektor, darunter das Projekt InnoCheque Velaw und das Projekt BeLEARN AI Beacon

Forschung zu Explainable AI (XAI) in öffentlichen Arbeitsvermittlungsdiensten, einschliesslich der Erhebung und Aufbereitung eines umfangreichen PES-Datensatzes für eine geplante offene Veröffentlichung

Forschung zu KI-gestützten Lernsystemen, einschliesslich Konzeption und Entwicklung des Quizzer-Tools als Grundlage für eine geplante empirische Studie

Mitarbeit an drittmittelfinanzierten Forschungsprojekten an der Schnittstelle von Informationssystemen, KI und Finanzwesen (SNF, MSCA Digital Finance)

Lehre im Modul SAI (Selected Topics in Applied AI / Applied Information Systems) auf Bachelor- und Masterstufe

Betreuung von Bachelor- und Masterarbeiten sowie der Projektmodule AFE1 und AFE2 zu Themen der angewandten KI, des maschinellen Lernens und der Informationssysteme

Angewandte Dienstleistungsmandate, die Forschung zu Informationssystemen in Ergebnisse für externe Partner überführen

Entwicklung interner Informationssystem-Infrastruktur für das Institut

BSc WI

BSc IBA

BSc BA

BSc DBA

MSc WI

MSc BA

AFE1

AFE2

SAI1

Bachelor- und Masterarbeiten

Data Analytics

Maschinelles Lernen

Künstliche Intelligenz

Öffentliche Arbeitsvermittlungsdienste

Datenvisualisierung

Explainable AI in öffentlichen Arbeitsvermittlungsdiensten. Entwicklung und Evaluierung erklärbarer Methoden des maschinellen Lernens zur Entscheidungsunterstützung in folgenreichen PES-Kontexten, gestützt auf einen umfangreichen PES-Datensatz, der zur offenen Veröffentlichung vorgesehen ist.

KI-gestütztes Lernen und Assessment. Konzeption und empirische Untersuchung KI-erweiterter Werkzeuge für die Hochschullehre, darunter AI Beacon und das Quizzer-System.

Datenvisualisierung für vertrauenswürdige KI. Entwicklung visueller Darstellungen, die Modellverhalten, Unsicherheit und Datenqualität für nicht-technische Stakeholder zugänglich machen, insbesondere in regulierten und öffentlichen Kontexten.