Dr. Robert Rentzsch
„Die Digitalisierung in der Bildung voranzutreiben ist, hinter den vielen ‚Buzzwords‘, vor allem tiefgehende konzeptionelle Arbeit. Neben umfangreichen Recherchen, auch um das Rad (oder das Whitepaper) nicht jeweils neu zu erfinden, leiste ich diese im iit.“
Arbeitsschwerpunkte
- Digitalisierung in der Bildung
- Maschinelles Lernen, KI
- Digitale Lern- und Leistungsnachweise
- Konzeption von Online-Informationsportalen
- Forschungsdaten, Open Research Data
- Datenanalyse und -visualisierung
Lebenslauf
Am Institut für Innovation und Technik (iit) arbeitet Robert Rentzsch unter anderem zu Themen der Digitalisierung im Bildungssystem. Dazu gehören etwa digitale Bildungsnachweise / Zeugnisse und die digitale Erfassung von Lernergebnissen. Im Bereich KI / maschinelles Lernen wirkte das iit unter Leitung von Robert Rentzsch außerdem bspw. an der Auswahl neuer Professuren in Schleswig-Holstein mit. Vor seiner Zeit am iit forschte Rentzsch über mehrere Jahre am Robert Koch-Institut in Berlin, u. a. zur Anwendung von Methoden des maschinellen Lernens auf biologische Sequenzdaten. Zuvor hatte er zum Thema Klassifikation von Proteindomänen im Bereich Bioinformatik am University College London promoviert.
Publikationen
Bertini, Anastasia ; Pentenrieder, Elisabeth Anna ; Rebentisch, Jan; Schaat, Samer; Rentzsch, Robert (2020): Manipulationssichere und per Knopfdruck verifizierbare Digital Credentials: Die Blockchain als Initiator internationaler Kooperationsprojekte. In: Hochschulforum Digitalisierung (Hrsg.). Digitalisierung in Studium und Lehre gemeinsam gestalten. Innovative Formate, Strategien und Netzwerke. HFD-Sammelband.
Rentzsch, Robert; Shajek, Alexandra; Vogel-Adham, Elke; Hartmann, Andreas Ernst (2020): Standardisierung in der wissenschaftlichen Weiterbildung als ein Kernprozess der Professionalisierung. In: Zeitschrift Hochschule und Weiterbildung (2). S. 19-26.
Rentzsch, Robert; Renard, Bernhard Y.; Nitsche, Andreas; Deneke, Carlus (2019): Predicting Bacterial Virulence Factors: evaluation of machine learning and negative data strategies. In: Briefings in Bioinformatics. Vol. 21, No. 5. S. 1596–1608.
Bartoszewicz, Jakub M. ; Seidel, Anja; Rentzsch, Robert; Renard, Bernhard Y. (2019): DeePaC: predicting pathogenic potential of novel DNA with reverse-complement neural networks. In: Bioinformatics, Vol. 36, No. 1. S. 81–89.