Förderprogramme

Doktorandenprogramm

Doktoranden- programm

Zur Förderung herausragender und vielversprechender Hochschulabsolventinnen und Hochschulabsolventen in der Digitalisierungsforschung bietet das bidt ein bayernweites Doktorandenprogramm an.

Das Doktorandenprogramm steht grundsätzlich allen Hochschulabsolventinnen und Hochschulabsolventen offen, die an einer staatlichen bayerischen Hochschule (einer Universität oder Hochschule für angewandte Wissenschaften) ihre Promotion anstreben.

Aktuell fördert das bidt 20 exzellente Promovierende an einer staatlichen bayerischen Hochschule, die ein zukunftsweisendes Forschungsprojekt in einem relevanten Themenfeld der Digitalisierung verfolgen.

zu den Projekten

Derzeit werden keine neuen Doktorandinnen und Doktoranden aufgenommen.

Das bidt-Doktorandenprogramm bietet

  • die Finanzierung einer Stelle nach TV-L E13 (100 %) für bis zu drei Jahre
  • die Teilnahme an vielfältigen Fortbildungsangeboten, zum Beispiel zu methodischen und fachlichen Schlüsselkompetenzen
  • interdisziplinären Austausch mit den Wissenschaftlerinnen und Wissenschaftlern der bidt-Forschungsprojekte
  • Vernetzung mit den Aktivitäten der verschiedenen Forschungsprojekte am bidt, die eine inhaltliche Nähe zum jeweiligen Promotionsthema aufweisen
  • Möglichkeiten zur öffentlichkeitswirksamen Präsentation des Promotionsvorhabens sowie zur Vernetzung und Bildung von Allianzen mit Vertreterinnen und Vertretern aus Wissenschaft und Wirtschaft
  • Teilnahme an Events des bidt-Doktorandenprogramms
  • Teilnahme an Veranstaltungen zu zentralen Themen der Digitalisierung
  • Bei Bedarf Reisestipendien für internationale Kooperationsprojekte sowie zur Vernetzung und zum fachlichen Austausch mit der internationalen Scientific Community

Aktuell geförderte Projekte

Das “Sharenting” als Rechtsproblem
Katharina Starz – Julius-Maximilians-Universität Würzburg
mehr erfahren
DIGI TYPE: Digital Medicine-based Endophenotyping
Olga Lazareva – Technische Universität München
mehr erfahren
Digital Phenotyping und Predictive Modeling für intelligente onlinebasierte Interventionssysteme zur Behandlung und Prävention psychischer Erkrankungen
Mathias Harrer – Friedrich-Alexander-Universität Erlangen-Nürnberg
mehr erfahren
Facharbeit 4.0 – wie die Digitalisierung die Facharbeit wieder attraktiv werden lässt
Marco Blank – Friedrich-Alexander-Universität Erlangen-Nürnberg
mehr erfahren
Human-like Perception in AI Systems
Louis Longin – Ludwig-Maximilians-Universität München
mehr erfahren
Analyse und dynamische Optimierung von Fahrzeugkommunikation
Stefan Herrnleben – Julius-Maximilians-Universität Würzburg
mehr erfahren
Digitale Start-ups und ländliche Regionen
Jane Wuth – Universität Regensburg/Technische Hochschule Deggendorf, BayWISS-Verbundkolleg Ökonomie
mehr erfahren
Herstellung eines 3-D-Gewebemodells zur Untersuchung und gezielten Simulation von Zellmigration und Zellwachstum entlang von E-Modul-Gradienten der Extrazellulären Matrix
Amelie Erben – Technische Universität München/Hochschule für angewandte Wissenschaften München, BayWISS-Verbundkolleg Ressourceneffizienz und Werkstoffe
mehr erfahren
Bildbasierte Früherkennung von Barretts Ösophagus mit halb überwachten Lernalgorithmen
Robert Mendel – Universität Regensburg/Ostbayerische Technische Hochschule Regensburg, BayWISS-Verbundkolleg Gesundheit
mehr erfahren
Sichere leichtgewichtige authentifizierte Verschlüsselung für kritische Infrastrukturen im Internet der Dinge
Sebastian Renner – Technische Universität München/Ostbayerische Technische Hochschule Regensburg, BayWISS-Verbundkolleg Digitalisierung
mehr erfahren
Datenhandel in Deutschland und Italien – Vertragsbeziehungen auf dem Sekundärmarkt
Alisa Rank-Haedler – Universität Bayreuth
mehr erfahren
Eine integrierte Klanglandschaft zum individuellen Wohlbefinden mittels multimodaler Biosignal- und Sprachüberwachung
Alice Baird – Universität Augsburg
mehr erfahren
Realistische Modellierung von Blut in patientenspezifischen digitalen Modellen
Clemens Birkenmaier – Universität Regensburg/Ostbayerische Technische Hochschule Regensburg, BayWISS-Verbundkolleg Gesundheit
mehr erfahren
Effektive Nutzung mehrsprachiger Daten in der automatisierten Sprachverarbeitung
Philipp Dufter – Ludwig-Maximilians-Universität München
mehr erfahren
Digitalisierung im klinischen Umfeld mittels Graphdatenbanken
Oliver Haas – Friedrich-Alexander-Universität Erlangen-Nürnberg/Ostbayerische Technische Hochschule Amberg-Weiden, BayWISS-Verbundkolleg Gesundheit
mehr erfahren
Interpretierbares maschinelles Lernen
Christoph Molnar – Ludwig-Maximilians-Universität München
mehr erfahren
„Mixed Reality“ als ein neuer rehabilitativer Ansatz bei Störungen von Alltagshandlungen nach chronisch neurologischer Erkrankung
Nina Rohrbach – Technische Universität München
mehr erfahren
Dezentrale Bereitstellung von Systemdienstleistungen mit Elektrofahrzeugen
Jonas Schlund – Friedrich-Alexander-Universität Erlangen-Nürnberg
mehr erfahren
Szenenverständnis in Echtzeit auf Mobilen Geräten
Johanna Wald – Technische Universität München
mehr erfahren
Selbstadaptierende Onlineanalyse host-basierter sicherheitskritischer Ereignisse in Unternehmensnetzen kleiner und mittlerer Unternehmen
Sarah Wunderlich – Julius-Maximilians-Universität Würzburg/Hochschule für angewandte Wissenschaften Coburg, BayWISS-Verbundkolleg Digitalisierung
mehr erfahren

Abgeschlossene Projekte

Selbstregulierung im europäischen Datenschutzrecht
Verena Stürmer – Universität Bayreuth
mehr erfahren
weitere Förderprogramme
Innovationslabore
mehr erfahren
Nachwuchs­forschungs­gruppen
mehr erfahren

NEWSLETTER

Neuigkeiten zur digitalen
Transformation

Newsletter abonnieren