Ich bin Professor für Data Science an der Münster School of Business (MSB) der FH Münster und Vorstand des Instituts für Prozessmanagement und Digitale Transformation (IPD). Meine Forschungsschwerpunkte liegen in den Bereichen Machine Learning, Explainable AI, Agentic AI und Predictive Maintenance.
Kurzlebenslauf
| Zeitraum | Position |
|---|---|
| Seit 03/2018 | Professor für Data Science, FH Münster |
| Seit 12/2020 | Vorstand, Institut für Prozessmanagement und Digitale Transformation (IPD) |
| Seit 03/2022 | Studiengangsleiter Master Digital Business and Innovation Management, FH Münster |
| Seit 11/2024 | Co-Founder, regulaid |
| Seit 01/2020 | Co-Founder, TradeLink |
| Seit 01/2019 | Co-Founder, ScaleWork |
| 05/2011–02/2018 | Expert und Engagement Manager, McKinsey & Company |
| 04/2011 | Dr. rer. nat. (Statistik), TU Dortmund |
| 06/2008 | Diplom (Statistik), TU Dortmund |
Veröffentlichungen
Bücker, M., F. Kayser, und T. Mayer (2025): Addressing Challenges in a Dangerous World: Developing a Design Science Artifact for Advancing Open Source Intelligence (OSINT) Research. Proceedings of the 58th Hawaii International Conference on System Sciences, 5370–5379. https://doi.org/10.25974/fhms-18651.
Bücker, M., K. Hoti, und O. Rose (2024): Artificial intelligence to assist decision-making on pharmacotherapy: A feasibility study. Exploratory Research in Clinical and Social Pharmacy 15 100491. https://doi.org/10.1016/j.rcsop.2024.100491.
Bücker, M. (2022): lcda: Latent Class Discriminant Analysis. https://CRAN.R-project.org/package=lcda.
Bücker, M., G. Szepannek, A. Gosiewska, und P. Biecek (2022): Transparency, Auditability and eXplainability of Machine Learning Models in Credit Scoring. Journal of the Operational Research Society 73 (1) 70–90.
Schlüsener, N., und M. Bücker (2022): Fast Learning of Dynamic Hand Gesture Recognition with Few-Shot Learning Models. arXiv 2212.08363. https://arxiv.org/abs/2212.08363.
Hoops, C., und M. Bücker (2014): Determinants, Moderators and Consequences of Organizational Interaction Orientation. Journal of Entrepreneurship Management and Innovation 9 (4) 73–100.
Bücker, M., M. van Kampen, und W. Krämer (2013): Reject inference in consumer credit scoring with nonignorable missing data. Journal of Banking & Finance 37 (3) 1040–1045.
Bücker, M., W. Krämer, und M. Arnold (2012): A Hausman test for non-ignorability. Economics Letters 114 (1) 23–25.
Bücker, M. (2011): Statistische Modelle mit nicht-ignorierbar fehlender Zielgröße und Anwendung in der reject inference. TU Dortmund University, Dortmund.
Bücker, M., M. van Kampen, und W. Krämer (2011): Reject inference in consumer credit scoring with nonignorable missing data. Discussion Paper SFB 823 2011 (1).
Bücker, M., G. Szepannek, und C. Weihs (2010): Local Classification of Discrete Variables by Latent Class Models. Classification as a Tool for Research, Studies in Classification, Data Analysis, and Knowledge Organization, Springer, 127–135.
Bücker, M., und W. Krämer (2009): Statistischer Qualitätsvergleich von Kreditausfallprognosen. Discussion Paper SFB 823 2009 (30).
Bücker, M. (2008): Lokale Diskrimination diskreter Daten. TU Dortmund University, Dortmund.