Dr. Beat Tödtli

Beat Tödtli ist Forscher und Dozent am Institut für Informations- und Prozessmanagement. Er ist promovierter Teilchenphysiker, Experte in Data Mining, maschinellem Lernen und statistischer Datenanalyse (z.B. für Sensorik oder Textanalyse) sowie in komplexen computeralgebraischen Berechnungen. Er engagiert sich auch in der Wissenschaftskommunikation, insbesondere in der Förderung eines breiten Verständnisses und Diskurses der Thematik der künstlichen Intelligenz und der Erklärbarkeit von maschinellem Lernen.

Kompetenzfelder

künstliche Intelligenz, Machine Learning, Natural Language Processing, Deep Learning, Statistik, Data Science, Big Data, Data Mining, Computer Vision, Sensordatenanalyse, statistische Bildverarbeitung, Empfehlungssysteme

Ausbildung

Doktorat in theoretischer Teilchenphysik, Diplom in theoretischer Physik

Lehre

Seit 2012 Lehre auf Fachhochschulstufe in Machine Learning, Physik, Data Science, Statistik, Data Mining, Datenmodellierung; Engagement für ein Verbreitung des Verständnises von KI/Machine Learning in der Lehre

Projekte

Projekte in digital health (wie z.B. Empfehlungssysteme für die Pflege oder die CO2-Emissionsreduktion in der Tourismusbranche), Datenanalyse für die Raumplanung, Informationssuche (Mobbing-prävention auf social media), Explainability in Machine Learning

Mitgliedschaften

Swiss alliance for data intensive services, digital health Untergruppe

Herausgeber- und Gutachtertätigkeit

Publikation in angewandtem maschinellem Lernen und in Quanteninformatik
Reviewtätigkeit für patterns

Berufliche Praxis

Entwicklungsingenieur für Sensorik in der Banknoten verarbeitenden Industrie

Peer-Reviewed Journal Articles and Conference Proceedings

• RISS, U., TÖDTLI, B., WOLF, P. (2023). Privacy Intermediaries: A Business Model Perspective. 24th International CINet Conference.
• JUNGINGER, S., TÖDTLI, B., ULMER, T. (2023). Giving Form to the Invisible: Can we make in-home network data traffic tangible to users? DeSForM 2023.
• TÖDTLI, B. (2022). From Words to Sound: Neural Audio Synthesis of Guitar Sounds with Timbral Descriptors. 3rd Conference on AI Music Creativity, AIMC (pp. 11). Proceedings of the 3rd Conference on AI Music Creativity, AIMC. https://doi.org/10.5281/zenodo.7088416
• MEISSNER, J., MINDER, B., KLOTZ, U., TODISCO, A., MURRI, M., JUNGINGER, S., ... ULMER, T. (2022). Voice Assistant Use: Challenges for the Home Office Work Context. European Academy of Management Conference (EURAM), "Leading Digital Transformation", Zurich / Winterthur (15-17 June 2022)..
• TÖDTLI, B., MAURUS KÜHNE, M. (2020). Combining Universal Adversarial Perturbations. In D. Trabold, P. Welke, N. Piatowski (Eds.), Proceedings of the LWDA 2020 Workshops: KDML, FGWM, FGWI-BIA, and FGDB (pp. 35-46).
• REIMER, U., MAIER, E., TÖDTLI, B. (2020). Going beyond Explainability in Medical AI Systems. Proc. Modellierung 2020 Short Papers, Workshop Papers, and Tools & Demo Papers. CEUR-WS.org/Vol-2542 (pp. 185-191).
• REIMER, U., TÖDTLI, B., MAIER, E. (2020). How to Induce Trust in Medical AI Systems. Advances in Conceptual Modeling: ER 2020 Workshops CMAI. Lecture Notes in Computer Science (LNCS).

Professional Journals and Newspaper

• TÖDTLI, B., KÜNZI, U.-M. (2019, August). Vertrauen oder Angst vor Fakes. kmuRUNDSCHAU, 2019 (3). Muttenz.

Teaching related publications

• TÖDTLI, B., WULLSCHLEGER, N. (2024). Open Data Dokument-Tagging Fallstudie für den Data Science Unterricht. Open Education Platform for Management Schools. https://doi.org/10.25938/oepms.340

Presentations

• TÖDTLI, B., KRAFT, M., ZIEGLER, M., BINDER, P. (2023). Cyberbullying Detection using Machine Learning: Insights from an Applied Research Project. "EXPLORING CRITICAL CHALLENGES FOR THE CHANGING NATURE OF WORK".
• MÜLLER, S., TÖDTLI, B., VETSCH, J., RICKENMANN, M., HAUG, S., BALDAUF, M., FRÖHLICH, P. (2022). Designing Experts' Interactions with a Semi-Automated Document Tagging System. AutomationXP22: Engaging with Automation, Workshop at CHI'22.
• TÖDTLI, B. (2017). Die Grenzen von Deep Learning. Asut.