Dr. Franziska Horn

Dr. Franziska Horn ist seit Januar 2026 als KI-Beraterin bei WPS tätig. Sie promovierte 2020 im Bereich Machine Learning an der TU Berlin und verbindet fundierte wissenschaftliche Expertise mit langjähriger Praxiserfahrung als Data Scientist in Startups und Großunternehmen – insbesondere in der Prozessindustrie.

Ihr Fokus liegt auf dem zielgerichteten Einsatz von Künstlicher Intelligenz: KI soll nicht zum Selbstzweck implementiert werden, sondern konkrete und wirtschaftlich relevante Probleme lösen. Dabei denkt sie ML-Projekte konsequent vom produktiven Einsatz her – von sauberer Modellevaluierung über robuste Daten- und Trainingspipelines bis hin zu nachhaltigen MLOps-Strukturen. Ziel ist es, Lösungen zu entwickeln, die nicht als Prototypen enden, sondern langfristig Mehrwert schaffen und auch über Jahre hinweg zuverlässig mit aktuellen Daten arbeiten.

Publikationen

• A Practitioner’s Guide to Machine Learning
  Franziska Horn  – 14. Novenber 2021 (geändert: 02. Januar 2026)
• Clarity-Driven Development of Scientific Software
  Franziska Horn – leanpub.com, 16. März 2025 (geändert: 25. Oktober 2025)
• Exploring Word Usage Change with Continuously Evolving Embeddings
  Franziska Horn – In Proceedings of the 59th Annual Meeting of the Association for Computational Linguistics and the 11th International Joint Conference on Natural Language Processing: System Demonstrations, pages 290–297, Online, August 2021. Association for Computational Linguistics (ACL).
• Forecasting Industrial Aging Processes with Machine Learning Methods 
  Mihail Bogojeski, Simeon Sauer, Franziska Horn, Klaus-Robert Müller – Computers and Chemical Engineering, 144:107123, 2021.
• The autofeat Python Library for Automatic Feature Engineering and Selection 
  Franziska Horn, Robert Pack, Michael Rieger – ECML PKDD Workshops 2019, Springer, Cham, 2020.
• Automating the search for a patent’s prior art with a full text similarity search 
  Lea Helmers*, Franziska Horn*, Franziska Biegler, Tim Oppermann, Klaus-Robert Müller – PLoS ONE, 14(3):e0212103, 2019.
• Predicting Pairwise Relations with Neural Similarity Encoders 
  Franziska Horn, Klaus-Robert Müller – Bulletin of the Polish Academy of Sciences: Technical Sciences, 66(6):821-830, 2018
• Context encoders as a simple but powerful extension of word2vec 
  Franziska Horn – In Proceedings of the 2nd Workshop on Representation Learning for NLP, pages 10–14, Vancouver, Canada, August 2017. ACL.
• “What is Relevant in a Text Document?”: An Interpretable Machine Learning Approach 
  Leila Arras, Franziska Horn, Gregoire Montavon, Klaus-Robert Müller, Wojciech Samek – PLoS ONE, 12(8):e0181142, 2017.
• Explaining Predictions of Non-Linear Classifiers in NLP 
  Leila Arras, Franziska Horn, Gregoire Montavon, Klaus-Robert Müller, Wojciech Samek – In Proceedings of the 1st Workshop on Representation Learning for NLP, pages 1–7, Berlin, Germany, August 2016. ACL.
• Robust Artifactual Independent Component Classification for BCI Practitioners 
  I. Winkler, S. Brandl, F. Horn, E. Waldburger, C. Allefeld, M. Tangermann – Journal of Neural Engineering, 11(3):035013, 2014.
• Predicting Treatment Response in Social Anxiety Disorder From Functional Magnetic Resonance Imaging 
  O. Doehrmann, S. S. Ghosh, F. E. Polli, G. O. Reynolds, F. Horn, A. Keshavan, ... & J. D. Gabrieli – JAMA Psychiatry, 70(1):87-97, 2013.
• Increasing the Spectral Signal-To-Noise Ratio of Common Spatial Patterns 
  Franziska Horn, Sven Dähne – Proceedings of the Fifth International Brain-Computer Interface Meeting, 2013.
• Combining Multiple EEG Features in Motor Imagery BCI 
  Franziska Horn, Johannes Höhne, Sven Dähne, Benjamin Blankertz – BBCI Workshop - Advances in Neurotechnology, Berlin, Germany, 2012.