Prof. Dr. Christian Ledig
Lehrstuhlinhaber
Anschrift: An der Weberei 5, 96047 Bamberg
Raum: WE5/04.083
Termine: nach Vereinbarung
Telefon: +49-951-863 2026 (Sekretariat)
Email: christian.ledig(at)uni-bamberg.de
Sprechstunde:
im Vorlesungszeitraum:
Montag, 16.00 bis 17.00 in WE5/04.083 (Anmeldung per Email wird empfohlen)
außerhalb: nach Vereinbarung
Biography
Prof. Dr. Christian Ledig ist Universitätsprofessor an der Otto-Friedrich-Universität Bamberg. Seit April 2022 leitet er den Lehrstuhl für Erklärbares Maschinelles Lernen an der Fakultät Wirtschaftsinformatik und Angewandte Informatik. Prof. Ledig ist Mitglied von ELLIS und des Leitungsgremiums des Bamberger Zentrums für Künstliche Intelligenz (BaCAI). Darüber hinaus leitet er das xAILab Bamberg, das Forschung mit Schwerpunkt auf erklärbaren und robusten Ansätzen des maschinellen Lernens und deren Übertragung in die Praxis, insbesondere im Gesundheitswesen, betreibt.
Prof. Ledig promovierte 2015 am Imperial College London (UK) im Bereich der medizinischen Bildanalyse in der BioMedIA-Gruppe unter der Leitung von Prof. Daniel Rueckert zum Thema “Robust Multi-Structure Segmentation of Magnetic Resonance Brain Images” [doi]. Im Rahmen verschiedener Forschungsprojekte war Prof. Ledig am Boston Children's Hospital der Harvard Medical School in den USA (Computational Radiology Laboratory (CRL)) und an der University of Cambridge in Großbritannien (Department of Medicine, Division of Anaesthesia) tätig.
Vor seinem Eintritt in die BiomedIA-Gruppe erwarb er ein Diplom in Angewandter Mathematik (Dipl.-Univ. Technomath.) an der Friedrich-Alexander-Universität Erlangen-Nürnberg und absolvierte ein Praktikum als Research Intern bei Siemens Corporate Research in New Jersey, USA. Während dieser Zeit verfasste er seine Diplomarbeit zum Thema „Efficient Implementation of Nonrigid Registration Methods on commodity Hardware with CUDA“ [pdf]. Während seines Studiums war er mehrere Jahre für die Siemens AG (Healthcare und Industry) tätig. Zuvor schloss er eine dreijährige Ausbildung zum Fachinformatiker@BellLabs bei Lucent Technologies in Nürnberg ab. Er ist Alumni des Siemens-Förderprogramms Topaz sowie des Leonardo-Kollegs der Universität Erlangen-Nürnberg.
Von 2013 bis 2015 arbeitete er in Teilzeit als Senior Imaging Scientist für IXICO plc in London, wo er ausgewählte Algorithmen aus seiner Forschung kommerzialisierte. Vor seiner Berufung forschte Prof. Ledig im Bereich KI in der Industrie, unter anderem bei Twitter (heute X) in London (2016–2017) und zuletzt im US-Startup-Sektor (2018–2021) in Manhattan, NY (Sr. Research Scientist bei Imagen Technologies) und Boston, MA (Head of AI bei VideaHealth). Dort leitete Prof. Ledig Forschungsteams und entwickelte erfolgreich FDA-regulierte, KI-gestützte Gesundheitssysteme, die heute zugelassen sind und die Patientenversorgung verbessern.
Im Jahr 2011 etablierte er das ICPC-Studentenprogramm für Programmierwettbewerbe am Imperial College London. 2016 coachte er ein Team des Imperial College bis zum ACM ICPC-Weltfinale in Phuket, Thailand [article].
Er verfügt über mehr als 15 Jahre Forschungserfahrung in den Bereichen maschinelles Lernen, Computer Vision und Bildanalyse in Industrie und Wissenschaft. Sein Schwerpunkt liegt auf der Entwicklung KI-gestützter medizinischer Anwendungen, die eine bessere Gesundheitsversorgung ermöglichen, indem sie Diagnosefehler reduzieren und den Zugang zu hochwertigen medizinischen Diagnosen verbessern. Im Laufe seiner Karriere hat Prof. Ledig zwei Buchkapitel und mehr als 75 begutachtete Forschungsartikel veröffentlicht, die insgesamt über 32.000 Mal zitiert wurden. Damit gehört Prof. Ledig zu den obersten 2% der meistzitierten Wissenschaftler weltweit.
Darüber hinaus ist er als Gutachter für verschiedene führende Konferenzen und Fachzeitschriften tätig, wie z. B. die IEEE Conference on Computer Vision and Pattern Recognition (CVPR), ACM SIGGRAPH, ACM SIGGRAPH ASIA, Medical Image Computing and Computer Assisted Intervention (MICCAI), Medical Image Analysis und IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).
Er fungiert regelmäßig als Area Chair (AC) für international renommierte Konferenzen wie die MICCAI 2025, 2026 oder IJCAI 2026 und ist derzeit Associate Editor für Pattern Recognition (Elsevier).