Thomas Johann Tewes, M.Sc.

Als wissenschaftlicher Mitarbeiter an der Fakultät Life Sciences bin ich in der Lehre und Forschung im Bereich der chemischen Verfahrenstechnik und Analytik tätig. Ein Schwerpunkt meiner Arbeit liegt auf der Raman-Spektroskopie und der datenbasierten Auswertung spektroskopischer Messdaten, insbesondere unter Einsatz multivariater Verfahren und Methoden des maschinellen Lernens.

In der Lehre betreue und organisiere ich insbesondere Praktika und Übungen mit Bezug zu chemischer Verfahrenstechnik, Analytik und biologischen Ressourcen. Meine Forschungsinteressen umfassen darüber hinaus die spektroskopische Charakterisierung biologischer Systeme sowie die Entwicklung und Anwendung analytischer Methoden an der Schnittstelle von Chemie, Mikrobiologie und Datenanalyse.

• Tewes, T. J. (2026). Mean Raman Spectra of Polyethylene Glycol (PEG) Samples with Different Molecular Weights [Dataset]. https://doi.org/10.5281/zenodo.18298724.
• Tewes, T. J., Duismann, C. N., Singh, U., Simon, P. F. W., & Bockmühl, D. P. (2026). Raman Spectroscopic Classification of Polyethylene Glycol Samples of Varying Molecular Weights Using Machine Learning. Molecules, 31(5), 778. https://doi.org/10.3390/molecules31050778.
• van Leuven, N., Lucassen, R., Lipski, A., Rheinschmidt, R., Kleinke, M., Tewes, T. J., & Bockmühl, D. P. (2026). The Microbiota of Evaporative Cooling Systems and the Impact of Rainwater as an Alternative Water Source. Water environment research, 98(7), 1–12. https://doi.org/10.1002/wer.70496.
• Bockmühl, D. P., & Tewes, T. J. (2025). With a Little Help from My Friends: The Role of Detergents for Energy, Efficiency, and Hygiene in Domestic Dishwashing. ChemPlusChem, 90(2), 1–5. https://doi.org/10.1002/cplu.202400657.
• Kudla, M., Tewes, T., Gibbin-Lameira, E., Harcq, L., & Bockmühl, D. (2025). Unlocking the Power of Short Cycles: Enhancing Hygiene in Domestic Dishwashers [Dataset].
• Tewes, T. (2025). Luminescence and Raman spectroscopic data of bacteria with and without exposure to water-soluble polymers (WSPs) [Dataset]. https://doi.org/10.5281/zenodo.17018211.
• Tewes, T. J., Brands, B., Schacher, F. H., & Bockmühl, D. P. (2025). Exploring interactions of Aliivibrio fischeri with water-soluble polymers using bioluminescence and Raman microspectroscopy. PLOS One, 20(9), e0330775. https://doi.org/10.1371/journal.pone.0330775.
• Tewes, T. J., Bockmühl, D. P., Kudla, M., Gibbin-Lameira, E., & Harcq, L. (2025). Hygiene Efficacy of Short Cycles in Domestic Dishwashers. Microorganisms, 13(7), 1542. https://doi.org/10.3390/microorganisms13071542.
• Tewes, T. J., Harcq, L., Minot, P., & Bockmühl, D. P. (2024). Brevity is the soul of wit – how time, temperature and detergent choice impact the cleaning performance in domestic dishwashers. Tenside Surfactants Detergents, 61(1), 10–23. https://doi.org/10.1515/tsd-2023-2563.
• Tewes, T., Kerst, M., Pavlov, S., Huth, M. A., Hansen, U., & Bockmühl, D. P. (2024). Unveiling the efficacy of a bulk Raman spectra-based model in predicting single cell Raman spectra of microorganisms. Heliyon, 1(6), e27824. https://doi.org/10.1016/j.heliyon.2024.e27824.
• Tewes, T. J., Welle, M. C., Hetjens, B., Tipatet, K. S., Pavlov, S., Platte, F., & Bockmühl, D. (2023). Understanding Raman Spectral Based Classifications with Convolutional Neural Networks Using Practical Examples of Fungal Spores and Carotenoid-Pigmented Microorganisms. AI, 4(1), 114–127. https://doi.org/10.3390/ai4010006.
• Tewes, T. J., Harcq, L., & Bockmühl, D. (2023). Use of Automatic Dishwashers and Their Programs in Europe with a Special Focus on Energy Consumption. Clean Technologies, 5(3), 1067–1079. https://doi.org/10.3390/cleantechnol5030054.
• Hetjens, B. T., Tewes, T., Platte, F., & Wichern, F. (2022). The application of Raman spectroscopy in identifying Metarhizium brunneum, Metarhizium pemphigi and Beauveria bassiana. Biocontrol science and technology, 32(3), 329–340. https://doi.org/10.1080/09583157.2021.2007851.
• Tipatet, K. S., Davison-Gates, L., Tewes, T. J., Fiagbedzi, E. K., Elfick, A., Neu, B., & Downes, A. (2021). Detection of acquired radioresistance in breast cancer cell lines using Raman spectroscopy and machine learning. Analyst, 146(11), 3709–3716. https://doi.org/10.1039/d1an00387a.