Erst die Entwicklung statistischer Methoden Anfang des 20. Jahrhunderts ebnete den Weg zur quantitativen Auswertung von Daten, wie sie heute in vielen Forschungs- und Anwendungsbereichen stattfindet. Die Stärke dieser Methoden liegt insbesondere darin, die Sicherheit von Aussagen, die aus Messungen gewonnen wurden, einschätzen zu können, oder signifikante Strukturen in Daten zu finden. Die zunehmend komplexeren Datenstrukturen, wie sie in vielen modernen Anwendungen vorkommen, erfordern es auch weiterhin, neue statistische Verfahren zu entwickeln und mathematisch zu analysieren, um zufällige Effekte von tatsächlichen Strukturen unterscheiden zu können.
Prof. Kirch befasst sich in ihrer Forschung unter anderem mit statistischen Methoden für zeitveränderliche Prozesse. Werden etwa Daten zu einem dynamischen zeitlichen Prozess erhoben, so ist hier von besonderem Interesse, strukturelle Veränderungen – sogenannte Strukturbrüche oder Changepoints – erkennen und datieren zu können. Anwendungen findet dies beispielsweise in den Neuro- oder Klimawissenschaften, aber auch in der Qualitätskontrolle oder bei Finanzdaten.
Über einen Zeitverlauf beobachtete Daten sind häufig nicht unabhängig, sondern weisen Abhängigkeiten auf, die von klassischen statistischen Methoden nicht berücksichtigt werden. In der Zeitreihenanalyse werden diese Abhängigkeiten detailliert untersucht, modelliert sowie die dazugehörigen Modelle mathematisch untersucht.
Prof. Kirch: „Die Zeitreihenanalyse ist gerade für viele Anwendungen in den Finanz-, Natur- und Ingenieurwissenschaften zentral. Beispielsweise werden Finanzdaten häufig zeitlich hochaufgelöst beobachtet und weisen daher hohe Abhängigkeiten auf, die bei der Analyse berücksichtigt werden müssen, wenn etwa Risiken eingeschätzt werden sollen. In der Gravitationswellenastronomie ist ein Verständnis der Abhängigkeiten der Messdaten aus Observatorien wie LIGO in den USA nötig, um die mit den Daten verbundenen Unsicherheiten besser verstehen zu können.“
Die Entwicklungen im Data-Science und KI-Bereich bringen auch eine Reihe von herausfordernden Fragestellungen innerhalb der Statistik mit sich. So lassen sich viele Probleme nur noch durch das Zusammenspiel von algorithmischer, mathematischer und fachspezifischer Expertise lösen. „An der HHU möchte ich innerhalb meiner Fachgebiete zu dieser Entwicklung beitragen. Außerdem liegt mir eine fundierte statistische Ausbildung der nächsten Generation in der Wissenschaft sehr am Herzen“, betont Kirch und ergänzt: „Hierbei ist es mir wichtig, dass die Studierenden nicht nur die mathematischen Inhalte beherrschen, sondern auch Datenkompetenz erlangen, die sie in die Lage versetzt, Datenanalysemethoden für die jeweilige Anwendungssituation kritisch zu hinterfragen sowie deren konkrete Ergebnisse korrekt zu interpretieren und zu kommunizieren.“
Zur Person
Claudia Kirch (geboren 1977 in Saarbrücken) studierte Mathematik mit Nebenfach Informatik an der Philipps-Universität Marburg (Diplom 2003). Sie promovierte 2006 an der Universität zu Köln mit der Arbeit „Resampling Methods for the Change Analysis of Dependent Data“. Anschließend arbeitete sie als Postdoktorandin in einem DFG-Graduiertenkolleg an der Technischen Universität Kaiserslautern, bevor sie dort 2008 eine Juniorprofessur übernahm. Sie wechselte 2009 auf eine Juniorprofessur am Karlsruhe Institute of Technology, bevor sie eine W3-Professur für Mathematische Stochastik an der Otto-von-Guericke-Universität Magdeburg übernahm. Zum 1. April 2026 wurde sie als W3-Professorin für Mathematische Statistik an der HHU ernannt.
In ihren Forschungen befasst sich Kirch unter anderem mit den Bereichen Zeitreihenanalyse, Datensegmentierung und probabilistische Quantifizierung von Unsicherheiten mittels Resampling und Bayes‘scher Verfahren; Bereiche, die ein breites Anwendungsperspektiven haben. Zusammen mit Koautorinnen und -autoren veröffentlichte über 60 wissenschaftliche Arbeiten übewiegend in begutachteten wissenschaftlichen Zeitschriften, darunter Annals of Applied Statistics, Annals of Statistics, Bernoulli und Journal of the American Statistical Association, sowie zwei Pakete für die Statistiksoftware R. Sie erhielt eine Reihe von Auszeichnungen, so 2023 den Ars-Legendi-Fakultätenpreis in Mathematik des Stifterverbands.