Prof. Dr. Anja Schmiedt

• Angewandte Mathematik
• Statistik
• Aktuarwissenschaften 

https://elearning.oth-regensburg.de/course/index.php?categoryid=2632

• Risk Theory (in english), M.Sc. Mathematik, M.Sc. Mathematics for Business and Industry, SS 2025 
• Project Module, M.Sc. Mathematik, M.Sc. Mathematics for Business and Industry, SS 2025 
• Versicherungsmathematik 1, B.Sc. Mathematik, SS 2025
• Statistik, B.Sc. Wirtschaftsinformatik, SS 2025
• Statistical Learning in Actuarial Science (in english), M.Sc. Mathematik, M.Sc. Mathematics for Business and Industry, WS 2024/25 
• Versicherungsmathematik 2, B.Sc. Mathematik, WS 2024/25

• Programm: 2. Runde des Programms ‚Lehrlabor hoch 3 – Teambasierte Lehrentwicklung in der Hochschulbildung‘ des Forschungs- und Innovationslabors Digitale Lehre, das im Rahmen des Programms ‚NewNormal‘ vom Bayerischen Staatsministerium für Wissenschaft und Kunst und der Vereinigung der Bayerischen Wirtschaft e.V. gefördert wurde (Einzelantrag)
• Projektzeitraum: März 2024 bis Oktober 2024 (abgeschlossen)

• Programm: Programm zur Förderung von Lehrprojekten der Technischen Hochschule Rosenheim, das aus Mitteln der Stiftung Innovation in der Hochschullehre gefördert wurde (Einzelantrag)
• Projektzeitraum: März 2023 bis September 2023 (abgeschlossen)

• Mathematische Statistik 
• Extremwert- und Rekordstatistik 
• Statistisches und maschinelles Lernen 
• Statistische Modelle geordneter Daten 
• Angewandte Statistik 

• Leiterin des Labors für Statistik und Aktuarwissenschaften 

• Mitglied des Promotionszentrums für Angewandte Informatik und Mathematik 

• Fördermittelgeber: Bayerisches Staatsministerium für Wissenschaft und Kunst (7. Förderrunde des Programms zur Förderung der angewandten Forschung und Entwicklung an Hochschulen für angewandte Wissenschaften und Technischen Hochschulen) (Einzelantrag)
• Projektzeitraum: Januar 2024 bis Dezember 2026 
• Kooperative Promotion mit dem Lehrstuhl für Statistik der RWTH Aachen 

• Schmiedt, A.B., Balakrishnan, N., & Cramer, E. (2025). Generalized chi-squared based goodness-of-fit tests under progressive Type-II censoring for exponential and Weibull distributions. (In Review.)
• Bedbur, S., Kamps, U., & Schmiedt, A.B. (2025). A flexible model of ordered random variables for non-metallic inclusions in steels and related statistical inference. (In Review.)
• Schmiedt, A.B., Empacher, C., & Kamps, U. (2025). One- and two-sided prediction intervals for future Pareto record values with applications. (In Review.)
• Schmiedt, A.B., & Cramer, E. (2025). Adaptive progressive Type-II censoring with random sample size. (In Review.)
• Empacher, C., Kamps, U., & Schmiedt, A.B. (2024). Prediction intervals for future Pareto record claims. European Actuarial Journal, 15, 163-197. http://doi.org/10.1007/s13385-024-00397-1
• Schmiedt, A.B., & Weiss, C. (2024). The pair correlation function of multi-dimensional low-discrepancy sequences with small stochastic error terms. Journal of Number Theory, 259, 422-437. https://doi.org/10.1016/j.jnt.2023.12.011
• Schmiedt, A.B., & Cramer, E. (2024). Generalized Ng-Kundu-Chan model of adaptive progressive Type-II censoring and related inference. Naval Research Logistics, 71(3), 389-415. https://doi.org/10.1002/nav.22152
• Schmiedt, A.B. (2016). Domains of attraction of asymptotic distributions of extreme generalized order statistics. Communications in Statistics – Theory and Methods, 45(7), 2089-2104. https://doi.org/10.1080/03610926.2013.870206
• Schmiedt, A.B., Dickert, H.H., Bleck, W., & Kamps, U. (2015). Evaluation of maximum non-metallic inclusion sizes in engineering steels by fitting a generalized extreme value distribution based on vectors of largest observations. Acta Materialia, 95, 1-9. https://doi.org/10.1016/j.actamat.2015.05.013
• Schmiedt, A.B., Dickert, H.H., Bleck, W., & Kamps, U. (2014). Multivariate extreme value analysis and its relevance in a metallographical application. Journal of Applied Statistics, 41(3), 582-595. https://doi.org/10.1080/02664763.2013.845872
• Cramer, E., & Schmiedt, A.B. (2011). Progressively Type-II censored competing risks data from Lomax distributions. Computational Statistics & Data Analysis, 55(3), 1285-1303. https://doi.org/10.1016/j.csda.2010.09.017

• Schmiedt, A.B., Sussmann, M., & Klemcke, J. (2025). Generative Künstliche Intelligenz und Mathematik in der Hochschullehre – Ein Rendezvous zwischen Euphorie und Skepsis. In: B. Zinger, A.M. Wester, & T. Bröker (Hrsg.), Hochschulbildung und Spiel. transcript Verlag. (Erscheint.)
• Neumaier, S., & Schmiedt, A.B. (2025). Über die strukturierte Entwicklung digitaler Lehr- und Lernformate mit EMPAMOS – Erkenntnisse aus einem Lehrprojekt. In: B. Zinger, A.M. Wester, & T. Bröker (Hrsg.), Hochschulbildung und Spiel. transcript Verlag. (Erscheint.)
• Schmiedt, A.B., & Neumaier, S. (2023). Gamification trifft Hybride Lehre: Über ein Lehrprojekt in der mathematischen Statistik. In: MINT-Lehre gemeinsam gestalten – Lehre erforschen, Wissen teilen (S. 159-166). 5. Symposium zur Hochschullehre in den MINT-Fächern, Technische Hochschule Nürnberg. München: BayZiel.https://doi.org/10.57825/repo_in-4435

• Schmiedt, A.B., & Hüttemann, M. (2024). eXplainable Artificial Intelligence – eine Diskussion und Techniken für Aktuarinnen und Aktuare. In: Deutsche Aktuarvereinigung e.V. (Hrsg.), DAV Journal, 04/2024, 273-279.
• Schmiedt, A.B., & Meyerthole, A. (2019). Rechnen mit Feuer in Zeiten von Big Data. Zeitschrift für Versicherungswesen, 10/2019, 311-312.
• Schmiedt, A.B., & Meyerthole, A. (2019). Feuerkumule in der Sachversicherung klug berechnen: Innovativer Algorithmus für die Bestimmungen unter Solvency II. s+s report, 2/2019, 14-15.
• Berg, T., & Schmiedt, A.B. (2018). Die Gretchenfrage der Rückversicherung. Zeitschrift für Versicherungswesen, 21/2018, 629-631.
• Schmiedt, A.B. (2016). Long Term Care: how does the survival behavior of claimants differ. Gen Re Risk Insights, No. 3/2016, 1-5.
• Schmiedt, A.B. (2016). How to handle with care data on disabled lives mortality: a statistical approach. Gen Re Insurance Issues Life/Health, April 2016, 1-28.

• Schmiedt, A.B. (2013). Statistical Modeling of Non-Metallic Inclusions in Steels and Extreme Value Analysis. Dissertation, RWTH Aachen. https://publications.rwth-aachen.de/record/229492
• Schmiedt, A.B. (2010). Optimale Zensierschemata in der progressiven Typ-II Zensierung unter Berücksichtigung von Competing Risks. Diplomarbeit, RWTH Aachen.

• ‘Ordered non-metallic inclusion sizes in steels: model and inference’, 16th International Conference on Order in Statistical Data: Order Statistics and Beyond, RWTH Aachen, 10.-13.06.2025, Beitrag angenommen.
• ‘Interval prediction of record values with applications’, 7th Joint Statistical Meeting of the Deutsche Arbeitsgemeinschaft Statistik, Humboldt-Universität zu Berlin, 24.-28.03.2025.
• 'Prognose von extremen Schadenhöhen mit Rekordstatistiken: Statistische Modellierung, Methoden und Anwendungen‘, Herbsttagung der Deutschen Aktuarvereinigung e.V. und der Deutschen Gesellschaft für Versicherungs- und Finanzmathematik e.V., Mannheim, 18.-19.11.2024.
• ‘Adaptive progressive Type-II censoring in life tests and related inference’, Statistische Woche 2024, Ostbayerische Technische Hochschule Regensburg, 10.-13.09.2024.
• ‘Prediction intervals for future Pareto record values with applications in insurance’, 15th International Conference on Ordered Statistical Data, Universität Coimbra, Portugal, 11.-14.06.2024.
• ‘Modeling and prediction of future record claims’, Statistische Woche 2023, Technische Universität Dortmund, 11.-14.09.2023.
• ‘Generalized Ng-Kundu-Chan model of adaptive progressive Type-II censoring and related inference’, 12th International Conference on Mathematical Methods in Reliability, Universität Murcia, Spanien, 29.05.-02.06.2023, eingeladener Vortrag in der Sektion ‘Statistical inference for ordered and censored lifetime data’ von Prof. Dr. E. Cramer (RWTH Aachen).

• ‚Einsatz von Künstlicher Intelligenz im Finanzdienstleistungsbereich‘, Bundesanstalt für Finanzdienstleistungsaufsicht, Frankfurt, 13.11.2024, eingeladener Vortrag.
• ‚Erklärbare Künstliche Intelligenz: Eine Diskussion für Aktuarinnen und Aktuare‘, Herbsttagung der Deutschen Aktuarvereinigung e.V. und der Deutschen Gesellschaft für Versicherungs- und Finanzmathematik e.V., Hannover, 20.-21.11.2023, gemeinsam mit Dr. S. Hatzesberger (Allianz Private Krankenversicherungs-AG) und Dr. B. Müller (HDI AG).
• ‚Spielend motivieren und gestalten: Mathematikunterricht im Labor für hybride Gruppenarbeiten‘, Snacks aus der Lehre, Technische Hochschule Rosenheim, 24.10.2023.
• ‚Gamification trifft Hybride Lehre‘, 5. Symposium zur Hochschullehre in den MINT-Fächern, Technische Hochschule Nürnberg, 21.-22.09.2023, gemeinsam mit S. Neumaier (TH Rosenheim).   
• ‚Promotion als industrieller Karriereschritt‘, Women Career Lunch, RWTH Aachen, 19.01.2023, eingeladener Vortrag von Prof. Dr. M. Kateri (RWTH Aachen).
• ‚Über die Arbeit von Aktuar:innen in der Versicherungsbranche in Zeiten von Big Data und Artificial Intelligence: Einblicke von Anja Schmiedt (Aktuarin) und ChatGPT (AI)‘, Rotary Club Rosenheim-Innstadt, 16.01.2023, eingeladener Vortrag.  

Explainable Artificial Intelligence: Ein aktueller Überblick für Aktuarinnen und Aktuare (September 2024)

#actuarialdatascience #dav #ads #maschinelleslernen #dgvfm #explainableai #artificialintelligence #erklärbarkeit #wissenschaft

Datenbasierte Sturmmodellierung (September 2023)

#riskmanagement #non-life #climate #analyse #klimarisiken #schadenversicherung #daten #katarstrophenrisiko # wind #sturmschaeden

DENK LAUT – der Podcast: Episode 1 der neuen Reihe FIT4AI(April 2025)

#datascience #ai #artificialintelligence #statistisk #wissenschaft

• Ausbildung zur Aktuarin DAV, Deutsche Aktuarvereinigung (DAV) e.V., Köln
• Promotion in Mathematik, Dr. rer. nat., RWTH Aachen, Gesamtnote: Summa cum laude (Verleihung der Borchers-Plakette für die ‚Mit Auszeichnung‘ bestandene Doktorprüfung)
• Diplom in Mathematik, Dipl.-Math., RWTH Aachen, Gesamtnote: Sehr gut
• Auslandssemester an der Universität Savoyen, Chambéry, Frankreich
• Vordiplom in Mathematik, Universität Duisburg-Essen, Duisburg, Gesamtnote: Mit Auszeichnung

• Professorin für Mathematik (W2), Labor für Statistik und Aktuarwissenschaften, Ostbayerische Technische Hochschule Regensburg (seit 09/2024)
• Professorin für Mathematik (W2), Ausrichtung Stochastik, Technische Hochschule Rosenheim
• Professorin für Statistik, Wirtschaftsmathematik und Forschungsmethoden, Hochschule für angewandtes Management GmbH, Ismaning
• Gruppen- und Projektleiterin, Beraterin Aktuariat, R+V Versicherung AG, Wiesbaden
• Leitende Beraterin, Aktuarielle Beraterin, Meyerthole Siems Kohlruss Gesellschaft für aktuarielle Beratung mbH, Köln
• Pricing Actuary, Assistant Account Executive, Actuarial Trainee, General Reinsurance AG, Köln
• Associate, McKinsey & Company Inc., Düsseldorf  
• Wissenschaftliche Mitarbeiterin am Lehrstuhl für Statistik, Institut für Statistik und Wirtschaftsmathematik, RWTH Aachen

• Mitglied im Ausschuss 'Kommunikation und Kontakte'

• Leitung der Fachgruppe 'Actuarial Data Science' (in Co-Leitung) 
• Wissenschaftliche Vertreterin im Ausschusses 'Actuarial Data Science' und in dieser Funktion u.a.
  • Leiterin der Arbeitsgruppe 'Fit4AI' (in Co-Leitung) 
  • Leiterin der Arbeitsgruppe 'Explainable AI' (abgeschlossen) 
  • Mitglied der Arbeitsgruppe 'Berufsständische Regeln mit Blick auf KI' (abgeschlossen)

• Gutachterin für Fachzeitschriften
  • ‘Applied Stochastic Models in Business and Industry’
  • ‘Communications in Statistics – Simulation and Computation’
  • ‘Computational Statistics’
  • ‘Statistical Papers’
• Mitgliedschaften 
  • Deutsche Aktuarvereinigung e.V. 
  • Deutsche Gesellschaft für Versicherungs- und Finanzmathematik e.V. 
  • DMV-Fachgruppe Stochastik e.V.
  • Rotary Club Regensburg