Prof. Dr. habil. Johann Kruschwitz erhielt im Jahr 2011 an der Technischen Universität Dresden sein Diplom im Fach Psychologie. Zwischen 2009 und 2010 verbrachte er Forschungsaufenthalte am Laboratory of Biological Dynamics and Theoretical Medicine, Department of Psychiatry, an der University of California, San Diego (UCSD), USA.

Von 2012 bis 2017 promovierte er am Forschungsbereich Mind & Brain der Klinik für Psychiatrie und Psychotherapie der Charité – Universitätsmedizin Berlin zum Dr. rer. medic. mit summa cum laude. Im Jahr 2022 habilitierte er sich an der Charité im Fach „Experimentelle Psychiatrie und Psychotherapie“.

Bis 2024 war Johann Kruschwitz Mitglied des Sonderforschungsbereichs 940 "Volition und kognitive Kontrolle" an der Technischen Universität Dresden und leitete von 2021 bis 2024 die Arbeitsgruppe "Netzwerkneurowissenschaft und Maschinelles Lernen" an der Charité – Universitätsmedizin Berlin.

Seit dem Wintersemester 2024/2025 hat er die Professur für Forschungsmethodik am Department Psychologie der MSB Medical School Berlin übernommen.

Neben seiner akademischen Laufbahn war er von 2014 bis 2023 als freiberuflicher wissenschaftlicher Berater und Datenanalyst für die Universal Music Group in Deutschland und den USA tätig. Sein Schwerpunkt lag dabei auf der Vorhersage von Songerfolg mittels psychologischer Zielgruppenanalyse, Data Mining und maschinellem Lernen.

Lehrtätigkeiten
Prof. Kruschwitz lehrte von 2013 bis 2024 kontinuierlich in den Fächern Kognitive Neurowissenschaft und Neuroimaging an der Charité – Universitätsmedizin Berlin. Seit dem Wintersemester 2024/2025 hält er an der MSB Medical School Berlin die Vorlesungen "Statistik I" im Bachelor Psychologie und "Quantitative Forschungsmethoden" im Master Psychologie.

Seit 2017 supervisiert er regelmäßig Abschlussarbeiten (B.Sc., M.Sc., Dr. med.) zu Themen wie menschliche Entscheidungen, netzwerktheoretische Modellierung und maschinelles Lernen in der Medizinforschung.

Forschungsschwerpunkte

• Antizipierte Emotionen in der Selbstkontrolle: Untersuchung des Einflusses von Emotionen und körperlichen Empfindungen auf Entscheidungsprozesse mittels experimentalpsychologischer Methoden. Ziel ist die Entwicklung eines Modells, das individuelle Entscheidungsmuster durch Emotions- und Interozeptionsmarker vorhersagt und zur Verbesserung von Diagnostik und Therapie in der Psychiatrie beiträgt.
• Hirnnetzwerktopologie bei Alkoholabhängigkeit: Analyse der Auswirkungen von Alkoholabhängigkeit auf die Netzwerkstrukturen des Gehirns unter Verwendung von Graphentheorie und maschinellem Lernen. Die Erkenntnisse sollen zur Entwicklung individualisierter Behandlungsansätze und zur frühzeitigen Erkennung potenzieller Rückfälle beitragen.
• Vorhersage von Substanzkonsum durch robuste Hirnmarker: Längsschnittliche Studien zur Rolle kognitiver Fähigkeiten und Hirnnetzwerke im Kontext des Substanzkonsums. Ziel ist es, präventive Strategien zu entwickeln, die auf neurobiologischen Erkenntnissen basieren.
• Persönlichkeit und zugrundeliegende Hirnnetzwerke: Erforschung des Zusammenhangs zwischen dysfunktionalen Persönlichkeitsmerkmalen und psychiatrischen Störungen. Durch die Identifikation hirnbasierter Endophänotypen sollen individuelle Verhaltensweisen vorhergesagt und Einblicke in die Mechanismen psychischer Erkrankungen gewonnen werden.
• Anwendung maschinellen Lernens bei psychischen Störungen: Entwicklung von Machine-Learning-Pipelines zur Klassifizierung diagnostischer Kategorien und Identifikation neurobildgebender Biomarker zur Unterstützung von Therapie und Prognose.
• Connectomics Methoden: Entwicklung neuer Analysemethoden für funktionelle Hirnnetzwerke und Erstellung benutzerfreundlicher Softwarelösungen, um Forschenden ohne umfassende Programmierkenntnisse den Zugang zu fortschrittlichen Netzwerkanalysen zu erleichtern.

Auszeichnungen

• 2018: Berlin Institute of Health QUEST Replication Award für die Publikation „General, crystallized and fluid intelligence are not associated with functional global network efficiency ...“ in NeuroImage.
• 2011: Werner-Straub-Preis für hervorragende Leistungen im Rahmen der wissenschaftlichen Qualifikation.
• 2008–2010: Stipendium der Studienstiftung des deutschen Volkes.

Softwareentwicklungen
Prof. Kruschwitz ist Autor verschiedener Forschungssoftwarepakete:

• NBS-Predict: Eine vorhersagebasierte Erweiterung der Network-based Statistic zur maschinellen Vorhersage von Verhalten anhand funktioneller Gehirnnetzwerke.
• GraphVar 2.0: Eine benutzerfreundliche Toolbox für maschinelles Lernen auf Basis funktioneller Konnektivitätsmaße.
• GraphVar: Eine umfassende Toolbox für Graphanalysen funktioneller Gehirnkonnektivität.

Ausgewählte internationale Vorträge

• Juni 2021: Deep-Learning with Brain Imaging Data, University of Melbourne, Australien.
• September 2019: Network Models of Brain Imaging Data, European Society for Magnetic Resonance in Biology (ESMRMB), Tübingen, Deutschland.
• März 2019: The Brain, Graph Theory and Machine-Learning, Trinity College, Dublin, Irland.

Publikationen
Eine vollständige Publikationsliste finden Sie in seinem Google Scholar Profil.