
02.04.2025
Im Gedenken an Sayan Mukherjee
Sayan Mukherjee war Alexander-von-Humboldt-Professor für Künstliche Intelligenz an der Universität Leipzig und Professor an der Duke University in Durham, USA. Seine Arbeit auf dem Gebiet der mathematischen Statistik leistete wichtige Beiträge zur Theorie des maschinellen Lernens und fand Anwendung in der medizinischen Datenanalyse und Bioinformatik. Er verstarb unerwartet am 31. März 2025 im Alter von 54 Jahren in Leipzig.
„Sayan hatte eine außergewöhnliche intellektuelle Präsenz“, erinnert sich SECAI-Direktor Markus Krötzsch. „Er verfügte über eine erstaunliche Energie und Gedankenklarheit, die seine Mitmenschen sofort inspirierte“. Diese beeindruckende Energie zeigt sich auch in seiner akademischen Tätigkeit. Nach seiner Promotion am MIT und einem Sloan-Postdoktorandenstipendium am Broad Institute wechselte Sayan an die Duke University, wo er seit 2015 als ordentlicher Professor tätig war. In Anerkennung seiner entscheidenden Arbeit auf dem noch jungen Gebiet der topologischen Datenanalyse wurde ihm 2022 die renommierte Professur der Alexander von Humboldt-Stiftung verliehen. Anschließend wechselte er an die Universität Leipzig und wurde Fellow am Max-Planck-Institut für Mathematik in den Naturwissenschaften, Principal Investigator am Deutschen KI-Kompetenzzentrum ScaDS.AI und Academic Fellow bei SECAI. In all diesen Rollen und Positionen leistete Sayan wertvolle Beiträge und hinterlässt eine große Lücke. „Sayan war ein Kollege voller Ideen und mit einer einzigartigen Denkweise“, sagt SECAI-Co-Direktor Peter Stadler. „Sein Verlust macht mich zutiefst traurig.“
Sayan Mukherjee erlangte internationale Bekanntheit durch eine Vielzahl herausragender Beiträge. Sein Fachgebiet war die topologische Datenanalyse, ein Bereich an der Schnittstelle von Statistik, Mathematik und maschinellem Lernen, der sich mit der Frage beschäftigt, wie sich die Struktur komplexer Datensätze auf Algorithmen und Analysemethoden auswirkt. Erkenntnisse zu dieser Frage haben das Potenzial die Leistung statistischer Berechnungen und die Qualität der daraus resultierenden Vorhersagen zu verbessern. Neben (und durch) seinen theoretischen Arbeiten hat Sayan zu relevanten Anwendungen beigetragen, z. B. in der medizinischen Bildgebung und Bioinformatik. Er war auch an der Entwicklung der Gene Set Enrichment Analysis (GSEA) beteiligt, einem statistischen Verfahren, das Erkenntnisse über die biologische Funktion menschlicher Gene und ihre Rolle bei der Krebsentstehung liefern kann. Es war die einzigartige Kombination aus tiefgreifender mathematischer Arbeit und wichtigen angewandten Beiträgen, die die Grundlage für seinen internationalen Ruf bildete.
Viele, die Sayan kannten, erinnern sich jedoch nicht nur an seine Beiträge zur Forschung, sondern auch an seine aufgeschlossene und unprätentiöse Art, sowie an seine charakteristische Herzlichkeit und seinen Humor. Wir trauern um diesen herausragenden Wissenschaftler und außergewöhnlichen Menschen und sprechen seinen Kollegen, Freunden und seiner Familie unser Beileid aus.