Prof. Dr. Anja Schmiedt

• Angewandte Mathematik
• Statistik
• Aktuarwissenschaften 

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

• Versicherungsmathematik 2, Mathematik B.Sc., WS 2024/25
• Statistical Learning in Actuarial Science, Mathematik M.Sc./ Mathematics for Business and Industry M.Sc., WS 2024/25

• Mathematische Statistik und angewandte Statistik 
• Extremwert- und Rekordstatistik 
• Statistisches und maschinelles Lernen 
• Lebensdaueranalysen 
• Anwendungen in den Aktuarwissenschaften, Ingenieurwissenschaften, u.a.

• Labor für Statistik und Aktuarwissenschaften 

• Einzelantrag beim Bayerischen Staatsministerium für Wissenschaft und Kunst im Rahmen der Ausschreibung der siebten Förderrunde des Programms zur Förderung der angewandten Forschung und Entwicklung an Hochschulen für angewandte Wissenschaften und Technischen Hochschulen
• Förderzeitraum Januar 2024 bis Dezember 2026 
• Kooperative Promotion mit dem Lehrstuhl für Statistik der RWTH Aachen 

• 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.), Game on! Lernen motivierend gestalten. 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.), Game on! Lernen motivierend gestalten. transcript Verlag. Erscheint.
• Empacher, C., Kamps, U., & Schmiedt, A.B. (2024). Prediction intervals for future Pareto record claims. European Actuarial Journal. 35 Seiten.  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., & 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. (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., & Hüttemann, M. (2024). eXplainable Artificial Intelligence – Eine Diskussion und Techniken für Aktuarinnen und Aktuare. In: Deutsche Aktuarvereinigung e.V. (Hrsg.), DAV Journal., 4/2024. Erscheint
• 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, 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, 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.

• Statistical Modeling of Non-Metallic Inclusions in Steels and Extreme Value Analysis, PhD thesis, RWTH Aachen, 2013. https://publications.rwth-aachen.de/record/229492
• Optimale Zensierschemata in der progressiven Typ-II Zensierung unter Berücksichtigung von "Competing Risks", Diploma thesis, RWTH Aachen, 2010.

• 'Prognose von extremen Schadenhöhen mit Rekordstatistiken: Statistische Modellierung, Methoden und Anwendungen‘, Herbsttagung der Deutschen Aktuarvereinigung 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., Hannover, 20.-21.11.2023, gemeinsam mit Dr. S. Hatzesberger (Allianz Private Krankenversicherungs-AG) und Dr. B. Müller (HDI AG).
• ‚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.  

• 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) 
• Mitglied des Ausschusses 'Actuarial Data Science'
  • Leitung der Arbeitsgruppe 'Fit4AI' (in Co-Leitung) 
  • Leitung der Arbeitsgruppe 'Explainable AI' (abgeschlossen) 
  • Mitglied der Arbeitsgruppe 'Berufsständische Regeln mit Blick auf KI' (abgeschlossen)

• Gutachterin für Peer-reviewed Journals: ‘Applied Stochastic Models in Business and Industry’, ‘Communications in Statistics – Simulation and Computation’, ‘Computational Statistics’ und ‘Statistical Papers’