Prof. Dr. Daniel Ambach
Professor für Data Science & Computational Statistics
„Datenkompetenz ist ein Skill für das 21. Jahrhundert, damit können wir unser aller Leben besser machen, aber auch viele Zusammenhänge verstehen.“ Prof. Dr. Daniel Ambach
Prof. Dr. Daniel Ambach ist Professor für Data Science & Computational Statistics an der Digital Business
University of Applied Sciences (DBU) und Senior Data Scientist bei der
Deutschen Bahn AG. Er war Dozent für Statistik an der HTW Berlin und Dozent für Computational Statistcs an der HWR Berlin. Das Leben
mit Daten zu verbessern und mehr Zusammenhänge zu verstehen, ist sein
Motto.
Daniel hat zum Thema Vorhersage von erneuerbaren Energien geforscht und
an der Europa Universität Viadrina in Frankfurt Oder Wirtschaft
studiert. Im Anschluss daran hat er dort auch promoviert und
verschiedene Publikationen zur Verbesserung der Vorhersage von
Windgeschwindigkeiten und Windenergien veröffentlicht.
Seit 2021 Professor für Data Science & Computational Statistics
Digital Business University of Applied Sciences
2020-2020 Dozent für Computergestützte Datenanalyse
Hochschule für Wirtschaft und Recht, Berlin
2018-2021 Dozent für Statistik
Hochschule für Technik und Wirtschaft, Berlin
2016-2017 Post-Doc am Lehrstuhl für Quantitative Methoden insb. Statistik
Europa-Universität Viadrina, Frankfurt (Oder)
2012-2016 Wissenschaftlicher Mitarbeiter am Lehrstuhl für Quantitative Methoden insb. Statistik
Europa-Universität Viadrina, Frankfurt (Oder)
2016 Abschluss Promotion
Fachbereich Wirtschaftswissenschaften, Statistik
Hochschule Europa-Universität Viadrina Frankfurt (Oder)
2011 Master of Science
International Business Administration
Hochschule Europa-Universität Viadrina Frankfurt (Oder)
Seit 2019 Senior Data Scientist
Deutsche Bahn AG, Berlin
2017-2019 Senior Data Scientist
smava, Berlin
2012-2016 Geschäftsführer
Deutsche Statistische Gesellschaft
Seit 2011
Mitglied in der Deutschen Statistischen Gesellschaft
2021-2022 Ph.D Stipendium
Center for Interdisciplinary Polish Studies
2015 Forschungsaufenthalt in Japan
Tokyo und Kyoto
Ambach, D. and Schmid, W. A new high-dimensional time series approach for wind speed, wind direction and air pressure forecasting. Energy, 135:833–850, 2017.
Ziel, F., Croonenbroeck, C., and Ambach, D. Forecasting wind power–modeling periodic and non-linear effects under conditional heteroscedasticity. Applied Energy, 177:285–297, 2016.
Ambach, D. and Garthoff, R. Vorhersagen der windgeschwindigkeit und windenergie in deutschland. AStA Wirtschafts-und Sozialstatistisches Archiv, 10(1):15–36, 2016.
Ambach, D. and Croonenbroeck, C. Space-time short- to medium-term wind speed forecasting. Statistical Methods & Applications, 25(1):5–20, 2016.
Ambach, D. Short-term wind speed forecasting in germany. Journal of Applied Statistics, 43(2):351–369, 2016.
Croonenbroeck, C. and Ambach, D. An implementation of the mycielski algorithm as a predictor in r. Journal of Fundamentals of Renewable Energy and Applications, 6, 2015.
Croonenbroeck, C. and Ambach, D. Censored spatial wind power prediction with random effects. Renewable and Sustainable Energy Reviews, 51(0):613–622, 2015.
Croonenbroeck, C. and Ambach, D. A selection of time series models for shortto medium-term wind power forecasting. Journal of Wind Engineering and Industrial Aerodynamics, 136:201–210, 2015.
Ambach, D. and Schmid, W. Periodic and long range dependent models for high frequency wind speed data. Energy, 82:277–293, 2015.
Ambach, D. and Croonenbroeck, C. Obtaining Superior Wind Power Predictions from a Periodic and Heteroscedastic Wind Power Prediction Tool. In Steland, A., Rafajłowicz, E., and Szajowski, K., Editors, Stochastic Models, Statistics and Their Applications, volume 122, pages 225–232. Springer International Publishing, 2015.