M.Sc. Marcel Rojahn

Wissenschaftlicher Mitarbeiter

M.Sc. Marcel Rojahn ist wissenschaftlicher Mitarbeiter und Doktorand an der Universität Potsdam. Seine Arbeit liegt an der Schnittstelle von Industrial AI, digitalen Plattformen, Daten- und Integrationsarchitekturen sowie Sustainable / Green AI. Im Mittelpunkt steht die Frage, wie aus fragmentierten Daten-, Produktions- und KI-Initiativen belastbare, skalierbare und wirtschaftlich tragfähige Systeme mit klarer Betriebs-, KPI- und Governance-Logik entstehen.

Inhaltlich beschäftigt er sich insbesondere mit nachhaltigen und energieeffizienten KI-Systemen, verteilten KI-Infrastrukturen, IIoT- und Plattformarchitekturen sowie Architektur- und Evaluationsmodellen für industrielle Anwendungskontexte. Neben Forschung und Lehre wirkte er an mehreren öffentlich geförderten Forschungs- und Transferprojekten mit, darunter ein selbst eingeworbenes Projekt im sechsstelligen Bereich. Darüber hinaus ist er Chefredakteur von Industry 4.0 Science und bewegt sich damit an der Schnittstelle von Forschung, Industrie und Wissenstransfer.

Werdegang

M.Sc. Marcel Rojahn studierte Wirtschaftswissenschaften mit Schwerpunkt Wirtschaftsinformatik im Bachelor an der Friedrich-Alexander-Universität Erlangen-Nürnberg und Wirtschaftsinformatik im Master an der Universität Potsdam. Bereits während des Studiums sammelte er Praxiserfahrungen in Industrie-, IT- und Beratungskontexten, unter anderem bei Siemens, Accenture, EY/J&M und Evosoft.

Seit 2018 ist er in Forschung, Transfer und angewandten Digitalisierungsprojekten im Umfeld der Universität Potsdam tätig. Zunächst arbeitete er am Institut für Wirtschaftsinformatik und Digitale Gesellschaft sowie am Lehrstuhl für Wirtschaftsinformatik, insbesondere Prozesse und Systeme. Seit August 2024 ist er wissenschaftlicher Mitarbeiter und Doktorand am Lehrstuhl für Wirtschaftsinformatik, insbesondere KI-basierte Anwendungssysteme, an der Universität Potsdam.

Publikationen

Forschungsprojekte

Schwerpunkte

Infos

2022 - 2024
AIF

Machine Learning Methoden zur datengetriebenen Identifikation von Soll-Prozessen im Rahmen des Process Mining (DISP)

Ziel des Gesamtprojektes ist es, Ansätze des intelligenten Process Mining aufzubauen und zu erweitern.

2020 - 2022
AIF

GIS2ALCM

Kontextbezogene Nutzung von GIS-Relationen im Life Cycle Management

2017 - 2021
BMBF

DiReBio

Ein Diskurs zur bioökonomische Transformation

  • (Digitale) Plattformen
  • Industrie 4.0
  • (Industrial) Internet of Things
  • KI-basierte Anwendungssysteme
  • Green AI
  • Digitalisierungsstrategie