- E-Mail:
- oliver.mueller@uni-paderborn.de
- Telefon:
- +49 5251 60-5100
- Büroanschrift:
-
Warburger Str. 100
33098 Paderborn - Raum:
- Q2.457
Forschung
Aktuelle Projekte
- Robuste Planung der leitungsgebundenen Wärmeversorgung von Städten und Quartieren
- DynOpt-San - Digital unterstützte und modulare Sanierung von Mehrfamilienhäusern in Quartieren mit PVT-PCM-Wärmepumpensystemen und selbstlernendem Energiemanagement
- HeatTransPlan - Digitales Entscheidungsunterstützungssystem zur Transformation der industriellen Wärmeversorgung durch speicherunterstützte Abwärmenutzung"
Publikationen
Aktuelle Publikationen
Predicting Heterogeneous Treatment Effects Of Building Energy Saving Retrofits Using Causal Machine Learning
K. Zalipski, D.R. Zapata Gonzalez, O. Müller, in: 2026.
Temporal causal feature selection for robust machine learning modelling of data center operations
D.R. Zapata Gonzalez, M. Meyer, K. Zalipski, O. Müller, Applied Energy 417 (2026).
TS-Arena -- A Live Forecast Pre-Registration Platform
M. Meyer, S.B. Kaltenpoth, H. Albers, K. Zalipski, O. Müller, in: Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2, ACM, 2026.
A modular large language model agent architecture for adaptive and autonomous process-aware execution
A.M. Skolik, S.B. Kaltenpoth, D. Beverungen, O. Müller, Information Systems 141 (2026).
Process Mining for Robust Heat Integration through Process- and Product-Centric Energy Demand Modeling
D.R. Zapata Gonzalez, K. Brennig, K. Benkert, F. Schlosser, O. Müller, in: ACM SIGEnergy Energy Informatics Review, Association for Computing Machinery (ACM), 2025, pp. 19–31.
Alle Publikationen anzeigen
Lehre
Laufende Lehrveranstaltungen
- Studienarbeit Wirtschaftsinfomatik
- Methoden der Data Science - Übung
- Methoden der Data Science
- Mentoring Wirtschaftsinformatik
- Erneute Modul- und Prüfungsanmeldung zu M.184.1334
- Erneute Modul- und Prüfungsanmeldung zu M.184.1333
- Digitalisierung in der Gesundheitswirtschaft
- Data Science for Business
- Applied Machine Learning for Text Analysis