Springe direkt zu Inhalt

Mick Molitor, M.Sc.

Mick Molitor
Bildquelle: @Mick Molitor

Freie Universität Berlin

Fachbereich Wirtschaftswissenschaften

Professur Kliewer

wissenschaftlicher Mitarbeiter / Doktorand

Adresse
Garystr. 21
Raum 221
14195 Berlin

Sprechstunde

Montag, 10 - 12 Uhr

nach vorheriger Anmeldung per E-Mail

Über mich

Nach meinem Bachelor in BWL und einem Master in Wirtschaftsinformatik habe ich im Oktober 2024 meine Promotion begonnen. Während meiner akademischen Laufbahn sammelte ich wertvolle Erfahrung als studentische Hilfskraft an der Uni sowie in der Privatwirtschaft – unter anderem bei Deloitte und CLICKDOC (CGM) als Data Scientist. Meine Leidenschaft gilt den Daten, und ich freue mich, dieses Thema in meiner Dissertation weiter zu vertiefen. In meiner Freizeit bin ich sportlich aktiv und mache gerne Musik.

Bachelor BWL Kurse:

Wissenschaftliche Konzepte und Methoden in der Wirtschaftsinformatik (10114011)
  • WiSe 2024/2025, WiSe 2025/2026 und SoSe 2026
ABV - Programmieren für Wirtschaftswissenschaftler*innen (10131104)
  • SoSe 2026

Master Wirtschaftsinformatik - Kurse:

Operations Research (10180004)
  • WiSe 2024/2025, WiSe 2025/2026 und WiSe 2026/2027
Projekt zu analytischen Informationssystemen (10180912)
  • WiSe 2025/2026
OnRisk: Simulation & Unsicherheit (10180606_12)
  • SoSe 2025
Simulation und Metaheuristiken (SU) (10181806_12)
  • SoSe 2026

Abschlussarbeiten

Ich betreue Abschlussarbeiten zu vielfältigen Themen mit Schwerpunkt auf Data Science, Generative KI und jeglichen Methoden (Simulation, exakte Optimierungsmethoden, Metaheuristiken, etc.) der Entscheidungsunterstützungssystemen im Kontext vom öffentlichem Nahverkehr (Bus, Bahn & Straßenverkehr).


Aktuelle Forschung

Synthetische Daten in Operations Research

  • Untersuchung von Generierung, Vorteilen und Einsatzmöglichkeiten synthetischer Daten in Entscheidungsunterstützungssystemen für den öffentlichen Nahverkehr (Bus, Bahn & Straßenverkehr) – unter Einsatz von Machine Learning, Simulation und exakten Methoden der mathematischen Optimierung

Generative KI & Datenqualität

  • Analyse von Fairness, Privatsphäre und Nützlichkeit synthetischer Daten aus Deep-Learning-Modellen (GANs, VAEs, Transformer), simulierten Daten sowie weiteren Methoden der Datengenerierung

icon3_department_wirtschaftsinformatik
Visit www.or2017.de ...