Vant til regnvejr
Med en ph.d. i bagagen tog hun i første omgang videre til Max Planck Institute for Informatics i Saarbrücken, før hun i 2012 landede i Aalborg. Og det var der en særlig grund til.
− I Tyskland er det langt sværere at få en forskerkarriere, og som ung forsker er man tvunget til at rejse rundt og har ikke den sikkerhed, en fastansættelse giver. Jeg havde brug for stabilitet, og da jeg så, at der var jobmuligheder i Aalborg, tog jeg chancen. Aalborg havde et godt ry, så jeg tænkte: hvorfor ikke!
Samtidig var det at rykke til Danmark som tysker slet ikke så stort et spring, forklarer Katja Hose.
− Kulturchokket var minimalt. Jeg var vant til regnvejr, og sproget er på mange måder ens, selvom danskerne ikke bryder sig om, at man siger det. Jeg plejer at sige, at det at flytte til Danmark for en tysker er ”abroad light”.
Professor som 38-årig
Ni år er gået, og Katja Hose er faldet godt til i Aalborg, hvor hun er bosat i Klarup sammen med sin engelskfødte mand og parrets to børn. Men meget er sket, siden de første gang satte deres ben i byen. Med en prestigefyldt bevilling fra Poul Due Jensens Fond i hånden, blev Katja som blot 38-årig udnævnt til professor, og hun har trods sin unge alder allerede sat mærkbare spor inden for sit felt. Fx modtog hun i 2018 en Sapere Aude-bevilling fra Danmarks Frie Forskningsfond – et særligt privilegium, der kun gives til fremragende, yngre forskere.
Når man spørger Katja, hvad hun arbejder med, plejer hun at sige, at hun bevæger sig i krydsfeltet mellem big data, maskinlæring og semantiske teknologier. Eller sagt med andre ord: Hun arbejder med at udnytte, skabe værdi og udtrække viden af de enorme mængde data, vi hele tiden generer. Eksempelvis ved at bruge grafdata og grafdatabaser, hvor man strukturer data i form af en graf. En graf består af en række knuder (eng. nodes), som er forbundne ved hjælp af kanter (eng. edges). Knuderne kan eksempelvis repræsentere Aalborg og Danmark. De er forbundet til hinanden, idet Aalborg ligger i Danmark. Det er kanten i grafen.
− Vi er alle sammen i berøring med vidensgrafer (knowledge graphs) hver dag. Eksempelvis på Google. Når du søger på Aalborg, får du en lille infoboks i højre side – den information er hentet fra en vidensgraf, hvor Google samler og udtrækker data om byen. Helt banalt ved de eksempelvis, at Aalborg ligger i Danmark. Amazon, Ebay og Netflix har også store produktgrafer, der viser kunderne udpluk af andre varer, som de tænkes at være interesserede i. Samtidig findes der sociale grafer, eksempelvis på Facebook, hvor vi er forbundne på kryds og tværs. Ofte er det ikke noget, man snakker så meget om – men det er overalt. Du ser det bare ikke, forklarer Katja og tilføjer, at vidensgrafer er også populære som et redskab til at integrere og kombinere data på tværs af en forskellige kilder og formater, fx i såkaldte datasøer.
For Katja er fokus på hele cyklussen – hvordan udtrækker man viden fra tekst eller data og laver strukturerede grafer ud af det. Og hvordan integrerer man forskellige information, så det stadig giver mening. Hun har desuden forsket meget i processering og optimering af forespørgsler – altså metoder til at sikre, at brugeren får svar på en forespørgsel så præcist og hurtigt som muligt via potentielt forskellige datakilder.
Samarbejde med andre fagområder
De senere år har hun kastet sin interesse på medicinalverdenen og biovidenskaben. Eksempelvis i et nyt projekt støttet af VILLUM Fonden, hvor hun i samarbejde med Mads Albertsen fra Institut for Kemi og Biovidenskab udnytter viden om DNA-sekventering, grafanalyser og maskinlæring til at kortlægge genomer fra bakterier hurtigere og bedre end tidligere: