2023

• Schönbrodt, S., Hoeffer, K. & Frank, M. (angenommen). AI education as a starting point for interdisciplinary STEM projects. Proceedings of CERME13. 
• Kindler, S., Schönbrodt, S. & Frank, M. (angenommen). From school mathematics to artificial neural networks: Developing a mathematical model to predict life expectancy. Proceedings of CERME13. 
• Hofmann, S. & Frank, M. (2023). Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage. Beiträge zum Mathematikunterricht 2022. WTM-Verlag. http://dx.doi.org/10.17877/DE290R-23317
• Kindler, S., Schönbrodt, S. & Frank, M. (2023). Von der Schulmathematik zu künstlichen neuronalen Netzen. Beiträge zum Mathematikunterricht 2022.
• Schönbrodt, S. & Frank, M. (2023). Klassifizierungsprobleme: Maschinelles Lernen und KI im Mathematikunterricht. Beiträge zum Mathematikunterricht 2022, WTM-Verlag. http://dx.doi.org/10.17877/DE290R-23426

2022

• Schönbrodt, S. (2022). Erneuerbare Energien – Modellierung und Optimierung eines Solarkraftwerks. In: M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Springer. https://doi.org/10.1007/978-3-662-63647-3_3
• Gerhardt, M., Hattebuhr, M., Schönbrodt, S. & Wohak, K. (2022). Aufbau und Einsatzmöglichkeiten des Lehr- und Lernmaterials. In M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Springer. https://doi.org/10.1007/978-3-662-63647-3_2
• Frank, M., Roeckerath, C. & Schönbrodt, S. (2022). Einführung. In: M. Frank & C. Roeckerath (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 9. Springer. https://doi.org/10.1007/978-3-662-63647-3_1
• Hofmann, S. & Frank, M. (2022): Teaching data science in school: Digital learning material on predictive text systems. Proceedings of CERME12. 
• Schönbrodt, S. & Frank, M: (2022). Data Science and Machine Learning in mathematics education: High-school students working on the Netflix Prize. Proceedings of CERME12.
• Schönbrodt, S. & Hofmann, S. (2022): Mathematische Modellierungswochen – auch online! Mitteilungen der Deutschen Mathematiker-Vereinigung, 30(1), S. 46–50, https://doi.org/10.1515/dmvm-2022-0016
• Schönbrodt, S., Wohak, K. & Frank, M. (2022): Digital Tools to Enable Collaborative Mathematical Modeling Online. Modelling in Science Education and Learning, 15(1), S. 151–174, https://doi.org/10.4995/msel.2022.16269.
• Hattebuhr, M. & Frank, M. (2022): Compartment models to study human impact on climate change. Modelling in Science Education and Learning, 15(1), S. 93–115, https://doi.org/10.4995/msel.2022.16191.
• Schönbrodt, S., Camminady, T. & Frank, M. (2022): Mathematische Grundlagen der Künstlichen Intelligenz im Schulunterricht. Mathematische Semesterberichte 69, 73–101. https://doi.org/10.1007/s00591-021-00310-x

2021

• Hattebuhr, M., Henze, N. & Frank, M. (2021): Rekorde in zufälligen Permutationen – Material zur statistischen Analyse von Temperaturrekorden (Sek. II) In: K. Hein, C. Heil, S. Ruwisch & S. Prediger (Hrsg.). Beiträge zum Mathematikunterricht 2021. WTM Verlag. 
• Schönbrodt, S. & Frank, M. (2021): Digitales Lernmaterial zur Netflix Challenge, In: K. Hein, C. Heil, S. Ruwisch & S. Prediger (Hrsg.). Beiträge zum Mathematikunterricht 2021. WTM Verlag. 
• Wohak, K. (2021): Digitales und interaktives Lernmaterial zur mathematischen Modellierung am Beispiel vom Abkühlprozess bei Metallen In: K. Hein, C. Heil, S. Ruwisch & S. Prediger (Hrsg.). Beiträge zum Mathematikunterricht 2021. WTM Verlag. 
• Wohak, K. & Frank, M. (2021): Compressing audio signals with interactive and cloud-based learning material - a workshop for high-school students, Teaching Mathematics and its Applications: An International Journal of the IMA.

• Wohak, K., Sube, M., Schönbrodt, S., Frank, M. & Roeckerath, C. (2021): Authentische und relevante Modellierung mit Schülerinnen und Schülern an nur einem Tag?!. In:  Bracke, M., Ludwig, M. & Vorhölter, K. (Hrsg.) Neue Materialien für einen realitätsbezogenen Mathematikunterricht 8. Realitätsbezüge im Mathematikunterricht. Springer. https://doi.org/10.1007/978-3-658-33012-5_4

2020

• Hattebuhr, M. & Frank, M. (2020). Computergestützter mathematischer Workshop für Oberstufenschüler/innen zum Thema Klimawandel. In: H.-S. Siller, W. Weigel & J. F. Wörler (Hrsg.), Beiträge zum Mathematikunterricht 2020 (S. 1515–1515). WTM-Verlag.

• Schönbrodt, S. & Frank, M. (2020). Schüler/innen forschen zu erneuerbaren Energien – Optimierung eines Solarkraftwerks. In: H.-S. Siller, W. Weigel & J. F. Wörler (Hrsg.), Beiträge zum Mathematikunterricht 2020 (S. 1534–1534). WTM-Verlag.

• Sube, M., Camminady, T., Frank, M. & Roeckerath, C. (2020): Vorschlag für eine Abiturprüfungsaufgabe mit authentischem und relevantem Realitätsbezug. In: Greefrath G., Maaß K. (Hrsg.) Modellierungskompetenzen – Diagnose und Bewertung. Realitätsbezüge im Mathematikunterricht. Springer. https://doi.org/10.1007/978-3-662-60815-9_8

2019

• Sube, M. (2019): Vorschlag für eine Abiturprüfungsaufgabe mit authentischem und relevantem Realitätsbezug (Vortrag, Tagungsbandbeitrag), Beiträge zum Mathematikunterricht 2019, GDM Regensburg.

• Wohak, K (2019): Computertomographie als authentisches Modellierungsthema (Vortrag, Tagungsbandbeitrag), Beiträge zum Mathematikunterricht 2019, GDM Regensburg.

• Hattebuhr, M. (2019): Complex Modeling: Does climate change really exist? - Perspectives of a project day with high school students (Poster, Tagungsbandbeitrag), CERME, Utrecht Niederlanden.

• Wohak, K. (2019): Complex Modeling: Insights into our body through computer tomography – perspectives of a project day on inverse problems (Vortrag, Tagungsbandbeitrag), CERME, Utrecht Niederlanden.

• Schönbrodt, S. (2019): Maschinelle Lernmethoden für Klassifizierungsprobleme – Perspektiven für die mathematische Modellierung mit Schülerinnen und Schülern. Springer. https://doi.org/10.1007/978-3-658-25137-6

2018

• Frank, M., Richter, P., Roeckerath, C. & Schönbrodt, S. (2018): Wie funktioniert eigentlich GPS? – ein computergestützter Modellierungsworkshop. In: Greefrath G., Siller HS. (Hrsg.) Digitale Werkzeuge, Simulationen und mathematisches Modellieren. Realitätsbezüge im Mathematikunterricht. Springer. https://doi.org/10.1007/978-3-658-21940-6_7

• Sube, M. (2018): Komplexe Modellierung: Kann man mit Mathematik Wahlen gewinnen? Big Data Analysen von sozialen Netzwerken mit Schülerinnen und Schülern der Sek. II, GDMV, Paderborn.

• Wohak, K. (2018): Komplexe Modellierung: Wie funktionieren eigentlich Animationsfilme und was hat das mit Mathe zu tun? GDMV, Paderborn.

• Hattebuhr, M. (2018): Komplexe Modellierung: Trump gegen die Wissenschaft – Gibt es den Klimawandel wirklich? GDMV, Paderborn.

2017

• Frank, M., Roeckerath, C. & Hattebuhr, M. (2017): Komplexe Modellierung: Solarenergieforschung mit GeoGebra, Beiträge zum Mathematikunterricht 2017, GDM-Tagung Potsdam.

• Frank, M., Roeckerath, C. & Sube, M. (2017): Komplexe Modellierung: Datensicherheit in sozialen Netzwerken, Beiträge zum Mathematikunterricht 2017, GDM-Tagung Potsdam.

• Frank, M., Roeckerath, C. & Hattebuhr, M. (2017): Komplexe Modellierung: Nachhaltigkeitsforschung mit Mathematik, Beiträge zum Mathematikunterricht 2017, GDM-Tagung Potsdam.

• Frank, M. & Roeckerath, C. (2017): Komplexe Modellierung: Musikerkennung mit Mathematik, Beiträge zum Mathematikunterricht 2017, GDM-Tagung Potsdam.

2012 – 2016

• Frank, M., Hattebuhr, M. & Roeckerath, C. (2015): Augmenting Mathematics Courses by Project-Based Learning, Proceedings of 2015 International Conference on Interactive Collaborative Learning.

• Frank, M.: Wie funktioniert die Torlinientechnik beim Fussball?. Vortrag, GDM-Tagung, Heidelberg, 2016.

• Frank, M. & Roeckerath, C. (2016): Augmenting Mathematics Courses by Problem-Based Learning, International Journal of Engineering Pedagogy (iJEP) 6, doi:10.3991/ijep.v6i1.5368.

• Frank, M. & Roeckerath, C. (2015): Wie kann man mit einer Handykamera Geschwindigkeiten messen?, Der Mathematikunterricht 6, 27–31.

• Frank, M., Roeckerath, C. & Hattebuhr, M. (2015): Wie funktioniert eigentlich GPS und was hat das mit Mathe zu tun? – Projekttag des EducationLab CAMMP der RWTH-Aachen. Vortrag, GDM-Tagung, Basel.

• Frank, M., Roeckerath, C. & Hattebuhr, M. (2015): Optimierung der Spiegel in einem Solarkraftwerk – Projekttag des EducationLabs CAMMP der RWTH Aachen. Vortrag, GDM-Tagung, Basel.

• Frank, M., Roeckerath, C. & Hattebuhr, M. (2014): Kompetenzzuwachs bei Schülerinnen und Schülern durch die Teilnahme an einer Modellierungswoche. Vortrag, GDM-Tagung, Koblenz.

• Frank, M., Krycki K., Richter P. & Roeckerath C. (2013): Habe ich das Zeug zum MINT-Studium? Das mathematische Modellierungsprogramm CAMMP als Orientierungshilfe für Schülerinnen und Schüler. Vortrag, khdm-Tagung, Paderborn.

• Frank, M., Krycki K., Richter P. & Roeckerath C. (2013): CAMMP-Online – Wie funktioniert eigentlich … und was hat das mit Mathe zu tun?. Poster, khdm-Tagung, Paderborn.

• Frank, M. & Roeckerath, C. (2012): Gemeinsam mit Profis reale Probleme lösen. Mathematik Lehren. 174. Friedrich-Verlag, Velber.

• Schönbrodt, S. (2022): Optimierungsprobleme in der mathematischen Modellierung: Grundlegende Aspekte und Chancen aus Sicht der Mathematikdidaktik – herausgestellt an aktuellen Problemen aus der Forschung zu künstlicher Intelligenz und erneuerbaren Energien. Dissertation, KIT.

• Hattebuhr, M. (2021): Methodisch-didaktische Entwicklung und Evaluation von interaktiven Lehr- und Lernmaterialien zur Mathematik im Bereich der Klimaforschung. Dissertation, KIT.

• Wohak, K. (2021): Didaktisch-methodische Entwicklung und Evaluation von computergestützten Lehr- und Lernmaterialien zur Mathematik inverser Probleme. Dissertation, KIT.

• Sube, M (2019): Entwicklung und Evaluation von Unterrichtsmaterial zu Data Science und mathematischer Modellierung mit Schülerinnen und Schülern, Dissertation, RWTH Aachen.

Abschlussarbeiten

• Kantz, J. (2023): Didaktisch-methodische Entwicklung von computergestütztem Lehr- und Lernmaterial zur Mathematik des Satzes von Bayes am Beispiel der Spam-Klassifizierung, Bachelorarbeit, KIT.

• Hoeffer, K. (2022): Aktivitätserkennung auf dem Smartphone – Entwicklung von Unterrichtsmaterial für computergestützte mathematische Modellierungsprojekte, Masterarbeit, KIT.

• Beyer, P. (2021): Automatisiertes Komponieren mit Hilfe von Markov Ketten, Masterarbeit, KIT.

• Rantzau, L. (2021): Empfehlungssysteme basierend auf Nachbarschaftsmethoden – mathematisch-fachliche Diskussion und Entwicklung digitalen Lernmaterials zur Netflix Challenge für Schüler*innen der Sekundarstufe II, Bachelorarbeit, KIT.

• Hoeffer, K. (2020): Entwicklung von Unterrichtsmaterial zum Thema Solarenergie im Rahmen eines interdisziplinären mathematischen Modellierungsprojektes, Bachelorarbeit, KIT.

• Schmidt, L. (2019): Machine Learning: automatische Bilderkennung mit Mathematik?! - Ein Lehr-Lern-Modul im Rahmen eines mathematischen Modellierungstages für Schülerinnen und Schüler der Sekundarstufe II, Masterarbeit, RWTH Aachen.

• Steffen, N. (2019): Sicherheit der Privatsphäre in sozialen Netzwerken - Wie Mathematik die Nutzer ausspioniert. Ein Lehr-Lern-Modul im Rahmen eines mathematischen Modellierungstages für Schülerinnen und Schüler der Sekundarstufe I, Masterarbeit, RWTH Aachen.

• Schönbrodt, S. (2018): Vergleich zweier Methoden zur Bildklassifizierung auf Basis maschineller Lernalgorithmen und ihre Anwendbarkeit in der Vermittlung mathematischer Modellierung, Masterarbeit, RWTH Aachen.

• Marnitz, M. (2017): Wie funktionieren eigentlich Fitnesstracker und was hat das mit Mathe zu tun?, Masterarbeit, RWTH Aachen.

• Wohak, K. (2017): Wie funktionieren eigentlich Animationsfilme und was hat das mit Mathe zu tun?, Masterarbeit, RWTH Aachen.

• Kocks, K. (2016): Mathematische Aspekte der Torlinientechnologie, Bachelorarbeit, RWTH Aachen.

• Schmidt, L. (2016): Wie funktioniert eigentlich mp3? …und was hat das mit Mathe zu tun?, Bachelorarbeit, RWTH Aachen.

• Steffen, N. (2016): Wie funktioniert eigentlich shazam? …und was hat das mit Mathe zu tun?, Bachelorarbeit, RWTH Aachen.

• Sube, M. (2016): Wie sicher ist meine Privatsphäre in sozialen Netzwerken? …und was hat das mit Mathe zu tun?, Masterarbeit, RWTH Aachen.

• Hesse-Edenfeld, C. (2016): Mathematische Modellierung eines Strahlenfallenreceivers – Entwicklung von Unterrichtsmaterial für den Einsatz in der Sekundarstufe II, Bachelorarbeit, RWTH Aachen.

• Krahforst, C (2016): Didaktisch-methodische Weiterentwicklung des CAMMP day Moduls Spiegelaufstellung in einem Solarkraftwerk für den Einsatz in der Mittelstufe, Schriftliche Hausarbeit im Rahmen der Ersten Staatsprüfung, dem Landesprüfungsamt für Erste Staatsprüfungen für Lehrämter an Schulen.

• Wiener, M.: Didaktisch-methodische Ausarbeitung eines Lernmoduls zum Thema GPS mit Hilfe von Matlab im Rahmen eines Modellierungstages für Schülerinnen und Schüler der Sekundarstufe II, Schriftliche Hausarbeit im Rahmen der Ersten Staatsprüfung für das Lehramt an Gymnasien und Gesamtschulen, 2015.

• Schönbrodt, S. (2015): Didaktisch-methodische Ausarbeitung eines Lernmoduls zum Thema Google im Rahmen eines mathematischen Modellierungstages für Schülerinnen und Schüler der Sekundarstufe II, Bachelorarbeit.

• Hattebuhr, M. (2014): Entwicklung eines kompetenzorientierten Anforderungsprofils für die Teilnahme an der Modellierungswoche CAMMP week, Schriftliche Hausarbeit im Rahmen der Ersten Staatsprüfung für das Lehramt an Gymnasien und Gesamtschulen.

• Roeckerath, C. (2012): Mathematische Modellierung der Spiegel eines solarthermischen Kraftwerks im Rahmen einer Modellierungswoche und einer Projektwoche in der Sek. II, Schriftliche Hausarbeit im Rahmen der Zweiten Staatsprüfung für das Lehramt an Gymnasien und Gesamtschulen.

• Schönbrodt, S. und Hofmann, S. (2022): Chancen für Machine Learning im Mathematikunterricht (Lehrerfortbildung), München

• Hofmann, S. (2022): Maschinelles Lernen im Schulunterricht am Beispiel einer problemorientierten Lerneinheit zur Wortvorhersage (Vortrag). Minisymposium "Data Science", GDM, Frankfurt
• Schönbrodt, S. (2022): Authentische Modellierung am Beispiel von Data Science und Künstlicher Intelligenz (Vortrag), ISTRON Arbeitskreissitzung, Frankfurt

• Schönbrodt, S. (2022): Klassifizierungsprobleme: Maschinelles Lernen und KI Mathematikunterricht (Vortrag). Minisymposium "Data Science", GDM, Frankfurt

• Schönbrodt, S. und Wohak, K. (2019): Teaching and training concept CAMMP - Supporting the establishment of mathematical modeling in school teaching in a sustainable way by implementing a teacher training concept (Poster), ETEIII, Freiburg. 

• Bracke, M., Capraro, P., Frank, M., Hattebuhr, M., Schönbrodt, S., Sube, M. und Wohak, K. (2019): Eine offene Modellierungsaufgabe von der Grundschule bis zum Abitur (Vortrag), ISTRON, Berlin.

• Bracke, M., Capraro, P., Frank, M., Hattebuhr, M., Schönbrodt, S., Sube, M. und Wohak, K. (2019): Modellierung in Abituraufgaben – Informationen und Diskussion zum aktuellen Stand des Projekts (Vortrag), ISTRON, Berlin.

• Schönbrodt, S. (2019): Solarenergieforschung mit Schüler/innen im Rahmen eines computergestützten Projekttages – Optimierung der Spiegel in einem Fresnelkraftwerk (Sek I/II) (Vortrag), ISTRON, Berlin

• Hattebuhr, M. (2019): Einblicke in die Klimaforschung - Perspektiven eines computergestützten mathematischen Projekttages für Oberstufenschüler*innen (Vortrag), ISTRON, Berlin.

• Sube, M. (2019): Der Evolution mit Data Science und mathematischer Modellierung auf der Spur (Vortrag), ISTRON, Berlin.

• Wohak, K. (2019): Einblicke in unseren Körper durch Computertomographie – Vorstellung eines Projekttages (Vortrag), ISTRON, Berlin.

• Schönbrodt, S. (2019): Perspectives on teaching the Mathematics of Machine Learning to high-school students (Vortrag), ICTMA, Hong Kong.

• Hattebuhr, M. (2019): Computergestützte mathematische Workshops für Oberstufenschüler/innen zum Thema Klimawandel (Poster), IPCC-Jahrestagung, Nauen.

• Frank, M. (2018): The Role of Mathematics in Mathematical Modeling (Vortrag), IAMIT.

• Schönbrodt, S. & Frank, M. (2018): Komplexe Modellierung: Chancen für Maschinelles Lernen im Mathematikunterricht (Vortrag), GDM-Tagung, Paderborn.

• Sube, M. (2018): Vorschlag für eine Abiturprüfungsaufgabe mit authentischem und relevantem Realitätsbezug (Vortrag interne Sitzung, Vortrag Lehrerfortbildung), ISTRON, Würzburg.

• Schönbrodt, S. (2018): Chancen für Machine Learning im Mathematikunterricht (Sek. II) (Vortrag Lehrerfortbildung), ISTRON, Würzburg.

• Wohak, K. (2018): Einblicke in unseren Körper durch Computertomographie – Perspektiven eines Projekttages (Vortrag am Lehrertag), ISTRON, Würzburg.

• Hattebuhr, M. (2018): Komplexe Modellierung: Trump gegen die Wissenschaft – Gibt es den Klimawandel wirklich? (Vortrag Lehrerfortbildung), ISTRON, Würzburg.

• Sube, M. (2018): Dem Geheimnis der evolutionären Entwicklung mit Mathematik auf der Spur (Workshop), Lehrertag, Aachen.

• Sube, M. (2018): Complex modeling: Is it possible to win an election with maths? Big Data Analystics of online social networks with high school students (Vortrag), IAMIT.

• Wohak, K. (2018): Complex modeling: How do animated movies work and what does this have to do with math? (Vortrag), IAMIT.

• Hattebuhr, M. (2018): Complex modeling: Trump against Science – Does climate change really exist? (Vortrag), IAMIT.

• Sube, M. (2018): Kann man mit Mathematik Wahlen gewinnen? Konzeption, Vorbereitung und Durchführung, Podiumsdiskussion KKG, Aachen.

• Hattebuhr, M. & Roeckerath, C. (2017): Mathematische Modellierung eines Solarkraftwerks mit GeoGebra (Workshop), MNU Aachen.

• Hattebuhr, M. (2017): Komplexe Modellierung: Solarenergieforschung mit GeoGebra (Workshop), ISTRON-Tagung, Hamburg.

• Sube, M. (2017): Komplexe Modellierung: Kann man mit Mathematik Wahlen gewinnen? Big Data Analysen von sozialen Netzwerken (Workshop), ISTRON-Tagung, Hamburg.

• Sube, M. (2017): Vortrag auf der Data Science Tagung Paderborn.

• Sube, M. (2017): Wie sicher ist meine Privatsphäre in sozialen Netzwerken? Unterrichtsmaterial zur Thematik Big Data (Workshop), MNU Aachen.