Auf Augenhöhe mit den Studierenden

Studierende für Mathematik und die damit verbundenen Anwendungen zu begeistern, das ist das Ziel von Roland Maier. Der neue Juniorprofessor für Numerische Mathematik der Friedrich-Schiller-Universität Jena will dazu die Studierenden mit seiner Lehre auf Augenhöhe erreichen.

In seiner Lehrveranstaltung zu den Grundlagen der Numerischen Mathematik möchte der 28-Jährige seine Studierenden von seinem Fach überzeugen. „Wenn man Begeisterung hat für das, was man tut, dann macht es auch viel mehr Spaß und es fällt einem leichter“, so der Ansatz von Roland Maier. „In Deutschland ist die Hemmschwelle seitens der Studierenden leider manchmal sehr hoch, mit den Lehrenden in Kontakt zu treten“, sagt er. Das sei schade, weshalb er besonderen Wert darauf lege, dass seine Tür für die Studierenden jederzeit offen steht. Damit hat der Wissenschaftler bereits während seiner Forschungstätigkeit an der Technischen Hochschule Chalmers und der Universität Göteborg in Schweden positive Erfahrungen gemacht.

Numerische Mathematik in der Praxis und der Forschung

Auch mit praktischen Anwendungen und möglichen Arbeitsbereichen versucht Maier die Studierenden für Mathematik zu begeistern. Denn die Verfahren der Numerischen Mathematik werden vielfältig eingesetzt – von Suchalgorithmen im Internet bis hin zu Simulationen, etwa in der Automobil-Industrie. Aber nicht alle Mathematikstudierenden schlagen nach ihrem Abschluss den Weg in die Praxis ein. Manche möchten auch in der Forschung arbeiten. Deshalb will Maier zukünftig Veranstaltungen zu aktuellen Forschungsthemen anbieten, die sich insbesondere an Masterstudierende richten, die den Einstieg in die Wissenschaft und Forschung suchen.

Näherungslösungen für physikalische Phänomene

Bei seinen eigenen Forschungstätigkeiten motiviert Roland Maier besonders das gemeinsame Knobeln mit Kolleginnen und Kollegen zu verschiedensten mathematischen Problemen. Da in der Numerischen Mathematik auch die praktische Umsetzung am Computer wichtig ist, können die Forschenden ihre theoretischen Überlegungen zudem algorithmisch prüfen und bei Unstimmigkeiten gezielt auf Fehlersuche gehen – sowohl in der Theorie als auch in der Programmierung. Ziel seiner Forschung im Bereich der Numerischen Mathematik ist es, Methoden zu entwickeln, die mit möglichst wenig Rechenaufwand  möglichst genaue Approximationen, also Annäherungen, an die Lösungen partieller Differentialgleichungen ermöglichen. Partielle Differentialgleichungen beschreiben die verschiedensten physikalischen Phänomene, ihre Lösungen können allerdings in der Regel nicht explizit angegeben werden. Die Numerische Mathematik beschäftigt sich mit der Entwicklung von Verfahren, die Näherungslösungen für solche Gleichungen berechnen. Dazu reduzieren Mathematiker wie Roland Maier die Lösung einer Gleichung in geeigneter Weise auf endlich viele freie Parameter (Diskretisierung).

Ausgezeichnete Promotion im Bereich Multiskalenprobleme

Besonders fokussiert sich Roland Maier auf Multiskalenprobleme. Dabei geht es um die Berechnung physikalischer Probleme, die durch Informationen auf verschiedenen Skalen charakterisiert sind, z. B. auf Millimeter- und Meterskalen. Dies betrifft z. B. Verbundstoffe. Die Eigenschaften solcher Materialien hängen von Einflüssen auf Millimeter-, Zentimeter- und Meterskalen ab. Von Interesse bei der Berechnung sind oft nur Effekte auf groben Skalen, wobei die feinen Skalen aber nicht vernachlässigt werden dürfen. In solchen Fällen kommen spezielle Verfahren zum Einsatz, die auf die Problematik zugeschnitten sind. Dazu wird die Berechnung in mehrere unabhängige Teilprobleme aufgeteilt. Der Mathematiker ist speziell an solchen Multiskalenproblemen interessiert, die vom Ort und der Zeit abhängen. Als Beispiel nennt Maier hierfür Wellenbewegungen in Materialien, welche durch äußere Einflüsse im Laufe der Zeit ihre Eigenschaften ändern. Bereits während seiner Promotion an der Universität Augsburg beschäftigte sich Roland Maier mit einem weiteren Forschungsschwerpunkt im Kontext von gekoppelten Differentialgleichungen. Dabei sind Gleichungen für verschiedene Funktionen miteinander verbunden. Er entwickelt geeignete Diskretisierungsmethoden zur Aufsplittung solcher gekoppelter Differentialgleichungen, so dass diese entkoppeln und Näherungslösungen daher in kürzerer Rechenzeit berechnet werden können. Seine Forschungsarbeit wurde unter anderem von der Gesellschaft für Angewandte Mathematik und Mechanik (GAMM) als eine der besten Promotionsarbeiten 2020 ausgezeichnet.