Ulrich Reincke Email & Phone Number | Mich faszinieren Risiken, also Abweichungen von Erwartungen und von allem „Gewöhnlichen“. Veränderungen von Erwartungen können kurzzeitig groe Auswirkungen auf Individuen, Gesellschaft und die ganze Welt haben. Ein Verständnis der mathematischen und statistischen Grundlagen von Risiken ist Schlüssel zu jeder Modellierung in einem strukturierten Model. Modellierung ist das Geschäft mit Data Science, Künstlicher Intelligenz, Statistik oder mathematischer Analytik komplexe Phänomene vereinfacht zu beschreiben, damit man die wichtigsten Teilaspekte separat studieren und untersuchen kann. Das Studium solcher Modelle führt zu Erkenntnissen und Bewertungen mit dem Ziel a) für konkrete Fälle bessere, eventuell auch automatische Entscheidungen und Verhaltensstrategien zu entwickeln und b) effiziente Absicherungsstrategien für das Risiko Management der Modelfehler zu entwickeln. Letztere werden manchmal vernachlässigt oder finden sich etwas stiefmütterlich nur noch unter dem Label „Restrisiken“ in Funoten der Risikoberichte wieder. Zu Zeiten und in Orten, wo sie jedoch nicht vernachlässigbar sind und unerwartet auftauchen, bilden Sie die Ursachen für zukünftige Fehlentscheidungen mit der Notwendigkeit im Nachgang aus diesen Fehlern lernen, die Modellierung zu erweitern oder eventuell sogar durch einem ganz neuen Modellansatz mit neuen Datenquellen zu ersetzen. Beispiele von überraschenden Paradigmenwechsel mit gesellschaftlichen Auswirkungen sind: -der Fall der Berliner Mauer und des Eisernen Vorhangs 1989 -9/11 -Finanzkrise 2008 -Fukushima Kernschmelze 2011 -Schuldenkrise 2013 -Corona Krise 2020-21 -Russischer Angriffskrieg auf die Ukraine 2022 Im Gegensatz zu dieser Krisenliste, die jeweils von singulären Ereignissen ausgelöst wurden, gibt es auch „schleichende Veränderungen“ wie z.B. den Klimawandel, den Verlust an Biodiversität, die chemische Verunreinigung unserer Umwelt, die zunehmende marktbeherrschende Macht der groen KI- und Internetunternehmen und zukünftig vielleicht auch die Auswirkung der virtuellen Welt auf unser reales menschliches Zusammenleben. So wie zur Bewältigung der groen schleichenden Krisen die Modelle kontinuierlich angepasst werden, müssen auch die vergleichbar banalen Modelle z.B. für die Tarifierung der KFZ-Haftpflichtversicherung jährlich mit neuen Daten aus der Unfallstatistik des Kraftfahrbundesamtes angepasst werden. Man sieht: Arbeit gibt es genug für Data Scientisten. Sie kann sogar sehr erkenntnisreich und interessant sein, solange man der Devise folgt: Love Your Errors!

Ulrich Reincke

Mich faszinieren Risiken, also Abweichungen von Erwartungen und von allem „Gewöhnlichen“. Veränderun...
Sas Software, Frankfurt am Main, Germany

*50 free lookup(s) per month.

No credit card required.

Ulrich Reincke’s Email ulrich.reincke@ger.sas.com

Ulrich Reincke’s Phone Numbers

Get ULRICH’s Phone Number (For Free)

Social Media

Ulrich Reincke’s Location Sas Software, Frankfurt am Main, Germany

Ulrich Reincke’s Current Industry Sas Institute

Ulrich Reincke’s Prior Industry

Not the Ulrich Reincke you were looking for?

Find accurate emails & phone numbers for over 700M professionals.

Work Experience

Sas Institute

Principal Analytic Solution Architect

1998-02-01 00:00:00 - Present

Skills

No Skills Available

Languages

No Languages Available

FAQ About Ulrich Reincke

Ulrich Reincke is located at
Sas Software, Frankfurt am Main, Germany

Ulrich Reincke is a Mich faszinieren Risiken, also Abweichungen von Erwartungen und von allem „Gewöhnlichen“. Veränderungen von Erwartungen können kurzzeitig groe Auswirkungen auf Individuen, Gesellschaft und die ganze Welt haben. Ein Verständnis der mathematischen und statistischen Grundlagen von Risiken ist Schlüssel zu jeder Modellierung in einem strukturierten Model. Modellierung ist das Geschäft mit Data Science, Künstlicher Intelligenz, Statistik oder mathematischer Analytik komplexe Phänomene vereinfacht zu beschreiben, damit man die wichtigsten Teilaspekte separat studieren und untersuchen kann. Das Studium solcher Modelle führt zu Erkenntnissen und Bewertungen mit dem Ziel a) für konkrete Fälle bessere, eventuell auch automatische Entscheidungen und Verhaltensstrategien zu entwickeln und b) effiziente Absicherungsstrategien für das Risiko Management der Modelfehler zu entwickeln. Letztere werden manchmal vernachlässigt oder finden sich etwas stiefmütterlich nur noch unter dem Label „Restrisiken“ in Funoten der Risikoberichte wieder. Zu Zeiten und in Orten, wo sie jedoch nicht vernachlässigbar sind und unerwartet auftauchen, bilden Sie die Ursachen für zukünftige Fehlentscheidungen mit der Notwendigkeit im Nachgang aus diesen Fehlern lernen, die Modellierung zu erweitern oder eventuell sogar durch einem ganz neuen Modellansatz mit neuen Datenquellen zu ersetzen. Beispiele von überraschenden Paradigmenwechsel mit gesellschaftlichen Auswirkungen sind: -der Fall der Berliner Mauer und des Eisernen Vorhangs 1989 -9/11 -Finanzkrise 2008 -Fukushima Kernschmelze 2011 -Schuldenkrise 2013 -Corona Krise 2020-21 -Russischer Angriffskrieg auf die Ukraine 2022 Im Gegensatz zu dieser Krisenliste, die jeweils von singulären Ereignissen ausgelöst wurden, gibt es auch „schleichende Veränderungen“ wie z.B. den Klimawandel, den Verlust an Biodiversität, die chemische Verunreinigung unserer Umwelt, die zunehmende marktbeherrschende Macht der groen KI- und Internetunternehmen und zukünftig vielleicht auch die Auswirkung der virtuellen Welt auf unser reales menschliches Zusammenleben. So wie zur Bewältigung der groen schleichenden Krisen die Modelle kontinuierlich angepasst werden, müssen auch die vergleichbar banalen Modelle z.B. für die Tarifierung der KFZ-Haftpflichtversicherung jährlich mit neuen Daten aus der Unfallstatistik des Kraftfahrbundesamtes angepasst werden. Man sieht: Arbeit gibt es genug für Data Scientisten. Sie kann sogar sehr erkenntnisreich und interessant sein, solange man der Devise folgt: Love Your Errors!