Prof. Dr. Werner Brannath

FB 03: Mathematik und Informatik
Angewandte Statistik und Biometrie
Leiter der Biometrie und Mitglied der kollegialen Leitung des Kompetenzzentrums für Klinische Studien (KKSB); Mitglied des Instituts für Statistik am Fachbereich 3.

KOMPETENZEN
Angewandte Statistik: Statistische Aspekte bei der Planung und Durchführung von Studien und Experimenten, statistische Modellierung, Datenauswertungen.
Statistisch-methodische Forschung: Sequentielle und adaptive Studiendesigns, multiples Testen und simultane Konfidenzintervalle, Maschinelles Lernen und Variablenselektionsverfahren, Inferenz und Modellevaluation nach Modell- und Variablenselektion.

KURZPROFIL
Werner Brannath studierte Mathematik und Physik an den Universitäten in Karlsruhe und Wien, war wissenschaftlicher Assistent am Institut für Statistik der Universität Wien und Assistenzprofessor am Institut für medizinische Statistik der Medizinischen Fakultät bzw. Medizinischen Universität Wien (MUW). Nach seiner Habilitation wurde er außerordentlicher Professor an der MUW. Von 2001 bis 2002 forschte er mit einem Schrödingerstipendium am Statistik Department der Stanford University. Seit 1. August 2010 ist er Professor für Angewandte Statistik und Biometrie im Fachbereich 3 der Universität Bremen und Leiter der Abteilung Biometrie des Kompetenzzentrums für Klinische Studien Bremen (KKSB), dessen kollegiale Leitung er angehört. Im März 2017 wurde er zum Präsidenten der Deutschen Region der Internationalen Biometrischen Gesellschaft (IBS-DR) gewählt.

Neben seiner Tätigkeit als verantwortlicher Biostatistiker in einer Reihe von medizinischen und gesundheitswissenschaftlichen Studien (in denen er verantwortlich für die Statistik und das Datenmanagement ist) entwickelt und untersucht er z.B. statistische Verfahren für sequentielle und adaptive klinische Studien und Experimente in den Ingenieurwissenschaften, Methoden zum multiplen Testen und simultane Konfidenzintervalle. Seit einigen Jahren beschäftigt er sich mit Variablenselektionsverfahren und Methoden zur Evaluation von Prädiktionsalgorithmen maschineller Lernverfahren. In einem aktuellen Forschungsprojekt arbeitet er an Methoden der statistischen Inferenz nach einer Modell- bzw. Variablenselektion.