Universität Bamberg
Suche öffnen
Sie befinden sich hier:

Fakultät Wirtschaftsinformatik und Angewandte Informatik

Lehrstuhl für Informatik, insbesondere Mobile Softwaresysteme/Mobilität

  1.  Otto-Friedrich-Universität Bamberg
  2. Fakultäten
  3. Wirtschaftsinformatik und Angewandte Informatik
  4. Professuren und Lehrstühle
  5. Informatik
  6. Lehrstuhl für Informatik, insbesondere Mobile Softwaresysteme/Mobilität
  7. Team
  8. Michael Freitag (ehem. Sünkel)

Michael Freitag (ehem. Sünkel)

Wissenschaftlicher Mitarbeiter

 

Forschungsthemen

  • Datenmanagement für sensor-basierte Anwendungen
  • Verteiltes Datenstrommanagement
  • Internet of Things/Edge Computing/Fog Computing

Kurzbiographie

Michael Freitag (ehem. Sünkel) hat 2017 sein Masterstudium an der Otto-Friedrich-Universität Bamberg im Bereich Angewandte Informatik abgeschlossen. Bis 2018 hat er als externer Dozent für den Lehrstuhl für Grundlagen der Informatik unterrichtet. Seit dem 12.03.2018 ist er als Wissenschaftlicher Mitarbeiter am Lehrstuhl für Informatik, insbesondere Mobile Softwaresysteme/Mobilität tätig. Dort beschäftigt er sich im Rahmen des Forschungsverbunds FutureIOT mit den Forschungsschwerpunkten Datenmanagement für sensor-basierte Anwendungen und Verteiltes Datenstrommanagement.

Forschungsprojekte

Publikationen

[1]
M. Sünkel et al., “Resource-Aware Classification via Model Management Enabled Data Stream Optimization,” in 2022 IEEE International Conference on Pervasive Computing and Communications (PerCom), IEEE, 2022, pp. 181–182.

[2]
M. Sünkel, G. Elmamooz, M. Grawunder, and D. Nicklas, “Artifact: Resource-Aware Classification via Model Management Enabled Data Stream Optimization,” in 2022 IEEE International Conference on Pervasive Computing and Communications Workshops and other Affiliated Events (PerCom Workshops), IEEE, 2022, pp. 181–182.

[3]
N. Kasrin, A. Benabbas, G. Elmamooz, D. Nicklas, S. Steuer, and M. Sünkel, “Data-sharing markets for integrating IoT data processing functionalities,” CCF transactions on pervasive computing and interaction, vol. 3, no. 1, pp. 76–93, 2021.

[4]
L. Schmeling et al., “Training and Validating a Machine Learning Model for the Sensor-Based Monitoring of Lying Behavior in Dairy Cows on Pasture and in the Barn,” Animals, vol. 11, no. 9, 2021.