Andrea Maldonado
Sie ist aktiv im Projekt NFDI×CS, einem Konsortium der Nationalen Forschungsdateninfrastruktur, das die Standardisierung von Forschungsdaten und Softwareartefakten vorantreibt, um deren Qualität und Nutzbarkeit in der Informatik gemäß den FAIR-Prinzipien zu steigern.
Vor ihrem Wechsel nach Bayreuth im Jahr 2026 war Andrea Maldonado wissenschaftliche Mitarbeiterin an der Technischen Universität München (TUM) an der Professur für Big Geospatial Data Management sowie an der Ludwig-Maximilians-Universität München (LMU) am Lehrstuhl für Datenbanksysteme, Data Mining, und AI. Ihre Promotion in Informatik schloss sie 2025 an der LMU München im Rahmen des Munich Center for Machine Learning (MCML) ab. In ihrer Dissertation mit dem Titel „Explaining the Impact of Data Characteristics on Process Mining Algorithms" untersuchte sie die Robustheit und Transparenz von Process-Mining-Algorithmen.
Forschungsaufenthalte führten sie unter anderem an die UC Berkeley, Lawrence Livermore National Laboratory (LLNL) in die USA, sowie die University of St. Gallen.
Ihre Forschungsschwerpunkte liegen an der Schnittstelle von Process Mining, Machine Learning und Data Science, insbesondere in den Bereichen:
- Algorithmic Robustness & Resilience: Untersuchung des Einflusses von Datencharakteristika auf Algorithmen.
- Synthetic Data Generation: Entwicklung von Frameworks zur intentionalen Generierung von Event-Daten.
- Spatiotemporal, Structural & Predictive Analytics: Analyse georeferenzierter Datenströme und Real-Time-Process-Mining im Edge-Cloud-Kontinuum sowie resiliente Verfahren zur Dimensionsreduktion, Performanzmodellierung und Ereignisvorhersage bei Concept-Drifts.
Andrea Maldonado war bereits in ihrer Jugend Teilnehmerin der Internationalen Mathematikolympiade (IMO) für Guatemala. Sie engagiert sich zudem als Track Chair und Programmkomitee-Mitglied internationaler Konferenzen (z.B. CAiSE, CBI/EDOC, EMISA).
Zu den Publikationen: