Das Arbeitsprogramm besteht aus sechs Projekten, die unsere Vision aus verschiedenen Perspektiven verfolgen und in drei Themen gruppiert sind: Daten und Methoden (D), Modelle und Interpretation (M) sowie Inferenz und Kausalität (C): D1 wird DL-Strategien zur Erforschung und Verarbeitung langfristiger zeitlicher Änderungen auf der Grundlage der Integration hochdimensionaler Daten aus mehreren Quellen vorantreiben; D2 wird neuronale Netze und Modelle mit gemischten Effekten kombinieren, um individuelle Gesundheitsverläufe über den Lebenslauf vorherzusagen; M1 wird „Normalizing Flow“ Methoden entwickeln, um gemeinsame Verteilungen und bedingte Dichten für Gesundheitsdaten abzuleiten; M2 wird aus alltäglichen Aktivitäten des Menschen einen kognitiven digitalen Zwilling schaffen, um Veränderungen über Altersgruppen hinweg vorherzusagen; C1 wird Zeit-adaptive, erklärbare KI-Methoden für rekurrente neuronale Netze und Ereigniszeiten entwickeln; C2 wird ein Framework für „Causal Discovery“ in longitudinalen Studien herleiten, wobei verschiedene Datensätze kombiniert und Nichtlinearitäten berücksichtigt werden. Die Forschungsgruppe stützt sich auf die Expertise der Antragstellenden beider Bremer Universitäten und dem Leibniz-Institut für Präventionsforschung und Epidemiologie – BIPS, die gemeinsam die zentralen Disziplinen von Mathematik und Informatik bis hin zu Statistik und Epidemiologie abdecken und bereits über langjährige institutionelle Forschungskooperationen miteinander verbunden sind. Zudem wird die Forschungsgruppe durch die neue Kooperationsprofessur für „Maschinelles Lernen in der Statistik“ an der Schnittstelle zwischen KI und Epidemiologie gestärkt, die als Brückenprofessur dient.