Heidelberg University
Marsilius-Kolleg Webkit English logo
This page is only available in German.

Fellow-Klasse 2026/27 Prof. Dr. Fred Hamprecht

Arbeitsvorhaben am Marsilius-Kolleg

KI in der Hochschullehre

Das Vorhaben untersucht, wie Künstliche Intelligenz die Hochschullehre verändert und wie Universitäten darauf didaktisch, prüfungsbezogen und institutionell reagieren können. Ausgangspunkt ist, dass KI-Systeme nicht mehr nur Informationen bereitstellen, sondern Aufgaben lösen, Texte erzeugen, Feedback geben und wissenschaftliche Arbeitsprozesse unterstützen.

Gemeinsam adressieren wir vier Leitfragen: Welche fachlichen und überfachlichen Kompetenzen bleiben unverzichtbar oder werden sogar wichtiger? Welche Inhalte und Aufgabenformate verlieren an Bedeutung, welche sollten stärker betont werden? Wie müssen Prüfungs- und Bewertungsformen weiterentwickelt werden, damit eigenständige Leistung sichtbar bleibt? Wo kann KI Lehrende sinnvoll unterstützen?

Das Projekt verbindet eine bildungswissenschaftlich-psychologische und eine technisch-naturwissenschaftliche Perspektive auf Lernen, Motivation, Feedback und Kompetenzentwicklung aber auch auf Leistungsfähigkeit und Grenzen heutiger KI-Systeme. Geplant sind eine strukturierte konzeptionelle Analyse, die Sichtung ausgewählter Beispiele, Gespräche mit universitären Akteurinnen und Akteuren sowie ein Pilot- oder Reflexionsformat in einer Lehrveranstaltung. Das Projekt soll Impulse für die weitere Diskussion über den verantwortungsvollen Einsatz von KI in der Hochschullehre geben und in eine universitätsöffentliche Informationsveranstaltung münden.

Dummy Personen-Platzhalter-Bild (blau)

FORSCHUNGSGEBIETE

  • Machine Learning
  • Quantenchemie

Lebenslauf

Ausbildung

  • 1993–1998 Studium der Chemie, ETH Zürich, EPF Lausanne, Imperial College London, University of Cambridge

Promotion

  • 1998–2001 Promotion in Physikalischer Chemie, ETH Zürich, Betreuer: Prof. Wilfred van Gunsteren, Prof. Walter Thie

Wissenschaftliche Laufbahn

  • seit 2008 W3-Professor, Universität Heidelberg
  • 2001–2008 C3-Professor, Universität Heidelberg
  • 2001 Postdoc, Seminar für Statistik, ETH Zürich

Akademische Selbstverwaltung

  • seit 2025 AI-Board, Universität Heidelberg
  • seit 2023 Co-Direktor, Interdisziplinäres Zentrum für Wissenschaftliches Rechnen (IWR)
  • 2020–2022 „Pandemischer“ Studiendekan, Einführung von Unterstützungsmaßnahmen für Studierende

Lehre und Nachwuchsförderung

  • seit 2023 Aufbau der "Machine Learning Galore" Plattform für Ausbildung und Vernetzung in Heidelberg
  • seit 2013 Koordination MSc-Schwerpunkt „Computational Physics“
  • 2022 Entwicklung und Einführung des neuen Physik-Kernmoduls „Machine Learning und Physik“
  • 2003–2014 Erasmus-Koordinator

Weitere Aktivitäten

  • 2004–2014 Mitglied Steering Committee DAGM
  • 2008–2020 Gründer Heidelberg Collaboratory for Image Processing (HCI)
  • 2013–2018 Leitung Bioimage-Analyse, Exzellenzcluster CellNetworks
  • 2011–2018 Initiator Open-Source-Projekt ilastik

Ausgewählte Publikationen

Table

Remme, R.; Kaczun, T.; Ebert, T.; Gehrig, C. A.; Geng, D.; Gerhartz, G.; Ickler, M. K.; Klockow, M. V.; Lippmann, P.; Schmidt, J. S.; Wagner, S.; Dreuw, A.; Hamprecht, F. A. (2025). *Stable and Accurate Orbital-Free Density Functional Theory Powered by Machine Learning*. Journal of the American Chemical Society, 147, 28851–28859.
Sanmartín, E. F.; Damrich, S.; Hamprecht, F. A. (2022). *The algebraic path problem for graph metrics*. In: Proceedings of the 39th International Conference on Machine Learning, Vol. 162.
Hehn, T. M.; Kooij, J. F. P.; Hamprecht, F. A. (2020). *End-to-end learning of decision trees and forests*. International Journal of Computer Vision, 128, 997.
Draxler, F.; Veschgini, K.; Salmhofer, M.; Hamprecht, F. A. (2018). *Essentially no barriers in neural network energy landscape*. In: Proceedings of the 35th International Conference on Machine Learning, Vol. 80 (PMLR).
Weiler, M.; Hamprecht, F. A.; Storath, M. (2018). *Learning steerable filters for rotation equivariant CNNs*. In: IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 849.
Beier, T.; Pape, C.; Rahaman, N.; Prange, T.; Berg, S.; Bock, D. D.; Cardona, A.; Knott, G. W.; Plaza, S. M.; Scheffer, L. K.; Köthe, U.; Kreshuk, A.; Hamprecht, F. A. (2017). *Multicut brings automated neurite segmentation closer to human performance*. Nature Methods, 14, 101.
Sommer, C.; Straehle, C.; Köthe, U.; Hamprecht, F. A. (2011). *Ilastik: Interactive learning and segmentation toolkit*. In: IEEE International Symposium on Biomedical Imaging.
Lou, X.; Hamprecht, F. A. (2011). *Structured learning for cell tracking*. In: Advances in Neural Information Processing Systems, Vol. 24.
Künsch, H.; Agrell, E.; Hamprecht, F. (2005). *Optimal lattices for sampling*. IEEE Transactions on Information Theory, 51, 634.
Hamprecht, F. A.; Cohen, A. J.; Tozer, D. J.; Handy, N. C. (1998). *Development and assessment of new exchange-correlation functionals*. The Journal of Chemical Physics, 109, 6264.

KONTAKT

PROF. DR. Fred hamprecht

Fakultät für Physik und Astronomie
Interdisziplinäres Zentrum für Wissenschaftliches Rechnen (IWR)

E-Mail: fehlt

Deutsch

Kontakt