Prof. Dr. Simon Hegelich

Professur für Political Data Science

Raum: B.354

Telefon: 089/ 907793 - 130

E-Mail: simon.hegelich@hfp.tum.de 

Resume

Prof. Hegelich (*1976) verbindet in seiner Forschung Politikwissenschaft und Computerwissenschaft zu Political Data Science. Dabei geht es sowohl um Themen der Digitalisierung, deren politische Relevanz untersucht wird, als auch um klassische politikwissenschaftliche Fragen, die mit Methoden wie maschinellem Lernen, Data Mining, Computer Vision oder Simulationen bearbeitet werden. Simon Hegelich hat an der Universität Münster Politikwissenschaft studiert und dort seine Promotion und Habilitation abgeschlossen. Von 2011 bis 2016 leitete er als Geschäftsführer das interdisziplinäre Forschungskolleg FoKoS der Universität Siegen. Seit 2016 ist Simon Hegelich Professor für Political Data Science an der Hochschule für Politik.

Forschungsfeld: Political Data Science

Political Data Science verbindet Politikwissenschaft mit Data Science. Wir erleben gerade eine digitale Revolution, die immer mehr Bereiche des gesellschaftlichen Lebens erfasst. Um diese Veränderungen kompetent analysieren zu können, brauchen wir Methoden aus dem Bereich Data Science. Algorithmen, Data Mining und Big Data sind aber auch selbst höchst politische Phänomene, die mit politikwissenschaftlichem Sachverstand untersucht werden müssen.

Forschungsmethode: Machine Learning + X

An der Professur für Political Data Science wird auf maschinelles Lernen (ML) gesetzt, um dieses Feld zu bearbeiten. Beim ML finden Algorithmen selbständig Muster in großen Datenmengen und machen diese so interpretierbar.  ML wird auch als „Statistik für das 21. Jahrhundert“ bezeichnet und bildet den Grundstein für viele aktuelle technische Entwicklungen von autonomen Autos bis hin zur künstlichen Intelligenz. Für Political Data Science ist der Einsatz dieser Methode, z. B. bei der Analyse von politischen Reformen, ebenso interessant wie das kritische Hinterfragen von ML: Denn die ML erzeugt eine scheinbare Objektivität, die aber wirkliche Zusammenhänge häufig auch verschleiert.

Aktuelle Forschungsthemen

Die Manipulation von Sozialen Netzwerken – z. B. durch „Social Bots“ – bildet einen Schwerpunkt der aktuellen Forschung. Im durch das BMBF geförderte Projekt „Social Media Forensics“ (SoMeFo) analysieren wir, welchen Einfluss computergesteuerte User auf die öffentliche Meinung haben.

Die Anwendung von ML in der Medizintechnik ist ein weiteres aktuelles Forschungsthema, an dem sich die Chancen und Risiken von deep-learning-Ansätzen untersuchen lassen. Besonders relevant ist hierbei die Frage, inwieweit sich Unsicherheiten in ML-Klassifizierungen darstellen lassen und mit welchen Methoden sie verringert werden können.

Ein Querschnittsthema der Forschung an der Professur für Political Data Science ist künstliche Intelligenz. Hier geht es darum, wie Ansätze aus der politischen Philosophie und ML kombiniert werden können und welche politischen Auswirkungen eine solche Entwicklung hätte.

Die 5 wichtigsten Schlüsselpublikationen

Hegelich, S., Fraune, C. and Knollmann, D., Point Predictions and the Punctuated Equilibrium Theory: A Data Mining Approach—U.S. Nuclear Policy as Proof of Concept. Policy Studies Journal, 2015, 43: 228–256. doi: 0.1111/psj.12089

Grabau, M. and Hegelich, S., The Gas Game: Simulating Decision-Making in the European Union's External Natural Gas Policy. Swiss Political Science Review, 2016. doi: 10.1111/spsr.12202 

Hegelich, S.: Herrschaft – Staat – Mitbestimmung, Springer-VS, Wiesbaden, 2013.

Hegelich, S. and Shahrezaye, M. The Communication Behavior of German MPs on Twitter: Preaching to the Converted and Attacking Opponents, European Policy Analysis 2015, 1/2, 155-174. doi: 10.18278/epa.1.2.8 

Hegelich, S.: Reformkorridore des deutschen Rentensystems, VS-Verlag, Wiesbaden, 2006.

Vollständige Publikationsliste

Publikationsliste auf Google Scholar