Daniel ist Datenwissenschaftler und Systemanalyst mit langjähriger Erfahrung in der Forschung, Entwicklung und Anwendung datengetriebener Methoden zur Analyse komplexer Systeme. Nach seinem Informatikstudium und der Promotion an der ETH Zürich war er in internationalen Forschungsumfeldern tätig – unter anderem in Zürich, Chicago, Singapur und Südafrika.

Sein methodisches Profil umfasst die Entwicklung dynamischer Modelle, statistischer Verfahren, algorithmischer Ansätze und datenanalytischer Werkzeuge. Dabei kombiniert er Elemente aus Machine Learning, künstlicher Intelligenz, Netzwerkanalyse, Optimierung und räumlicher Modellierung. Seine Arbeit ist geprägt von einem interdisziplinären Zugang und der Übertragung theoretischer Konzepte in praxisrelevante Anwendungen.

Daniel verfügt über umfassende Erfahrung in der Projektleitung, der wissenschaftlichen Publikation sowie der Lehre auf Bachelor-, Master- und Doktoratsstufe. Im Zentrum seines Schaffens steht die Frage, wie datenbasierte und systemische Ansätze zu fundierter Entscheidungsfindung und einem besseren Verständnis dynamischer und gesellschaftlicher Zusammenhänge beitragen können.