Naturnähe, Berge und Klettergemeinschaften

Erfolgreich gelungen ist dem Nachwuchsforscher in jedem Fall sein Start in Zürich: «Als ich im Herbst zum ersten Mal hierherkam, habe ich mich sehr schnell wohlgefühlt. Die Stadt ist sehr schön und man ist in kurzer Zeit in den Bergen.» Die Nähe zu Natur und Bergen gefallen dem passionierten Sportkletterer besonders. «Beim Klettern kann ich abschalten. Meine Gedanken sind dann ganz auf die Griffe fokussiert. Dazu kommt die Gemeinschaft. Ich unternehme gerne etwas mit anderen zusammen.» In Saarbrücken war er noch weit weg von den Bergen und hat darum vor allem in der Halle Bouldern betrieben. Jetzt freut er sich darauf, von Zürich aus auch öfter im alpinen Gelände unterwegs sein zu können.

Ebenso gut wie in der Stadt Zürich und in ihrer Umgebung gefällt es Marx auch am AI Center: «Das Center ist ausserordentlich international. Dazu kommt die Vielfalt der Fachgebiete. Es ist beeindruckend und inspirierend, wenn man im Alltag ganz selbstverständlich mit Koryphäen aus unterschiedlichen Wissenschaftsdisziplinen auf Augenhöhe diskutieren kann.»

Die Interdisziplinarität des AI Center beschränkt sich aber nicht auf soziale Kontakte. Marx hat zusätzlich zur Bioinformatikerin Julia Vogt mit Peter Bühlmann einen Co-​Mentor, der auf hochdimensionale Statistik spezialisiert ist, mit der sich Datensätze untersuchen lassen, in denen jedem Objekt viele Merkmale zugeordnet sind. Dazu gehören auch die Diabetikerdaten, die Marx analysiert. Zudem besteht auch eine institutionalisierte Zusammenarbeit mit der Gruppe für biomedizinische Informatik von Gunnar Rätsch, der an der Schnittstelle von Machine Learning und Bioinformatik forscht.

Marx ist denn auch selbst nicht nur in einem Themengebiet aktiv. In einem anderen Projekt beschäftigt sich mit dem sogenannten multimodalen Lernen. Hier geht es darum, in Daten aus unterschiedlichen Quellen Gemeinsamkeiten zu finden. Dadurch sollen etwa die Ergebnisse einer PET (Positronen-​Emissions-Tomographie), welche Anomalien im Stoffwechsel von Geweben dreidimensional sichtbar macht, mit den Ergebnissen einer röntgenbasierten CT (Computertomographie) kombiniert werden, die Anomalien in den Gewebedichten schichtweise zum Vorschein bringt.

Eine durch Machine Learning automatisierte Kombination der Analyse der beiden Bildgebungsverfahren könnte die Tumordiagnostik entscheidend weiterbringen. Die Vision ist ein KI-​System, das in den zwei Datensätzen die Gemeinsamkeiten findet und daraus zuverlässige Diagnosen und Prognosen ableitet.

Aktuell freut sich der Jungakademiker auf seine erste Vorlesung, die er in diesem Sommersemester gemeinsam mit Kollegen aus dem AI Center hält: «Die Zusammenarbeit mit Studierenden hat mir schon immer viel Spass gemacht und die Master-​Studentinnen und -​Studenten an der ETH haben ein sehr hohes Niveau. Aus den Diskussionen kann ich immer wieder Inputs mitnehmen, über die ich selbst noch nicht nachgedacht hatte.» Marx wird im Rahmen seines Fellowship also nicht nur seine wissenschaftlichen Fähigkeiten schulen, sondern auch erste Erfahrungen als Dozent sammeln können.

Über seine eigene Zukunft will Marx noch keine konkreten Prognosen wagen. «Nach den ersten Erfahrungen bin ich zuversichtlich, dass meine Zeit an der ETH mich auf beide Karriereoptionen – Wissenschaft und Industrie – gut vorbereitet.»