wissenschaftliche Mitarbeiterin 

Institut für Wasserbau und Wasserwirtschaft

Berliner Platz 6-8
45127 Essen
Raum: WST-A.05.04
+49 201 183 2678
karen.schulz@uni-due.de

Aktuelle Veranstaltungen

Wintersemester
-

Sommersemester
Sustainable Water Management

Forschung

Aktuelle Projekte

HÜProS: Hochwasser- und Überflutungs-Prognose-System für kleine Mittelgebirgseinzugsgebiete 

 

Forschungsschwerpunkte​​

KI-basierte Datenqualitätssicherung von in-situ Sensordaten der Wasserwirtschaft

Master-Thesis

Forecasting Traffic Congestion States based on Motorway Grid Cells using Floating Car Data

Bachelor-Thesis

Zeitabhängige Kovariaten in der Ereigniszeitanalyse am Beispiel der Antikoagulationstherapie nach venöser Thromboembolie

Berufliche Laufbahn

seit 2021

Wissenschaftlicher Mitarbeiterin am Institut für Wasserbau und Wasserwirtschaft

Ausbildung

2019-2021

Master of Science im Studiengang  Data Science an der Hochschule Darmstadt, Fachbereiche Mathematik und Naturwissenschaften & Informatik

2015 - 2018

Bachelor of Science im Studiengang Angewandte Mathematik an der Hochschule Darmstadt, Fachbereich Mathematik und Naturwissenschaften

 

Publikationen

    Artikel in Zeitschriften

  • Schulz, Karen; Niemann, Andre; Mietzel, Thorsten
    A review on how machine learning can be beneficial for sensor data quality control and imputation in water resources management
    In: Journal of Hydroinformatics, Jg. 27, 2025, Nr. 8, S. 1275 – 1291
    DOI, Online Volltext (Open Access)
  • Schulz, Karen; Niemann, André; Mietzel, Thorsten
    Framework for data-driven modelling in an imbalanced data distribution scenario : Towards semi-automated data correction for classical and low-cost precipitation sensor data
    In: Digital Water, Jg. 3, 2025, Nr. 1, 2577427
    DOI (Open Access)
  • Schulz, Karen; Niemann, André; Mietzel, Thorsten
    Perspektiven einer KI-basierten Daten-Qualitätssicherung
    In: Wasserwirtschaft, Jg. 115, 2025, Nr. 7-8, S. 34 – 37
    DOI

    • Abstracts

  • Schulz, Karen; Niemann, André; Mietzel, Thorsten
    A framework concept for semi-automated quality testing & substitute value generation for low-cost precipitation & discharge data
    In: Proceedings of the 16th International Conference on Urban Drainage (ICUD 2024) / 16th International Conference on Urban Drainage (ICUD 2024); 9-14 June 2024; Delft, The Netherlands, 2024
    Online Volltext
  • Schulz, Karen; Niemann, André; Mietzel, Thorsten
    Data Correction Framework for Precipitation Events : Towards a Semi-Automated Data Correction for Classical and Low-Cost Sensor Data
    In: Book of Abstracts of the 15th International Conference on Hydroinformatics / 15th International Conference on Hydroinformatics; 27-31 May 2024; Beijing, China / Hao, Wang; Gourbesville, Philippe; Jianyun, Zhang (Hrsg.). Beijing: The International Association for Hydro-Environment Engineering and Research (IAHR), 2024, S. 380 – 382
    DOI
  • Dacheneder, Felix; Schulz, Karen; Niemann, André
    AI-based hydromorphological assessment of river restoration using UAV-remote sensing
    EGU General Assembly 2022; Vienna, Austria; 23–27 May 2022,
    Vienna, Austria, 2022
    DOI (Open Access)

    • Beiträge in Sammelwerken und Tagungsbänden

  • Schulz, Karen; Niemann, André
    Automatic Data Quality Assurance for Rain Gauges Using Machine Learning and Generalization to a Catchment
    In: Proceedings of the 41st IAHR World Congress (Singapore, 2025) / 41st IAHR World Congress; 22 to 27 June, 2025; Singapore / Wing-Keung Law, Adrian; Wei Er, Jenn (Hrsg.). Beijing: IAHR, 2025
    DOI, Online Volltext
  • Schulz, Karen; Niemann, André; Mietzel, Thorsten
    Automatisierte Analyse und Qualifikation wasserwirtschaftlicher Messdaten in individualisierten Messnetzen – Das Python-Paket TSCC
    In: Tagungsband mit Kurzfassungen der Beiträge zum 5. Bochumer Hydrometrie-Kolloquium: messen - bewerten - planen / 5. Bochumer Hydrometrie-Kolloquium, 19. & 20.02.2025, Bochum / Hochschule Bochum (Hrsg.). Bochum, 2025
    Online Volltext (Open Access)