Dr. Andreas Backhaus

Entwicklung anwendungsspezifischer Sensorik durch Integration von Künstlicher Intelligenz. Industrielle Auftragsforschung und -entwicklung. Implementierung und Einsatz von maschinell gelernten Systemen in technischen Anwendungen.

Freiberuflicher Entwickler für Perception AI Lösungen. Perception AI ermöglicht die Lösung von komplexen technischen Problemstellungen mittels Softsensorik durch eine Kombination aus Sensorik und Neuronalen Netzen. Konzeption und Umsetzung der kompletten Entwicklungskette der Softsensorik, von der Datenerfassung zum Training bis hin zum Einsatz Neuronaler Netze in technischen Systemen und Softwarediensten.

Abteilung Biosystems Engineering: Entwicklung und Evaluation von Softsensorik und Perception AI Systemen für Anwendungen u.a. in der Land- und Forstwirtschaft, Pflanzenforschung/Phänotypisierung, Kosmetik/Haircare und Haushaltstechnik. Entwicklung von Systemen zur automatisierten Sensordatenerfassung, maschinellem Lernen und KI-Deployment in technische Geräte. Entwicklung von anwendungsspezifischen KI-Systeme auf Basis von Neuronalen Netzen.

Department of Animal and Plant Science: Entwicklung und Evaluation von Systemen zur Phänotypisierung im Hochdurchsatz von Pflanzenmaterialien. Erfassung, Auswertung und Simulation der Pflanzenblattgeometrie. Nutzung Neuronaler Netze für Bildauswertung sowie zur Clusteranalyse. Entwicklung und Veröffentlichung geeigneter Softwaretools für die wissenschaftliche Gemeinschaft.

Fachgebiet Neuroinformatik und Kognitive Robotik: Implementierung von Gesichtserkennungsalgorithmen und Vorbereitung von Vorlesungsmaterial zum Thema Mensch-Maschine-Kommunikation.

Implementierung von Algorithmen der Computergraphik, Echtzeitvideoverarbeitung und Gesichtserkennung. Praktikumssemester im Rahmen des Studiums

Arbeit mit Neuronalen Netzen zur Modellbildung technischer Maschinen, Analysis and Prädiktion von Zeitreihen. Entwicklung von Softwaretools zur Rationalisierung und Automatisierung der Erstellung von Neuronalen Netzvarianten.

Arbeit mit Neuronalen Netzen zur Modellbildung technischer Maschinen, Analysis and Prädiktion von Zeitreihen. Entwicklung von Softwaretools zur Rationalisierung und Automatisierung der Erstellung von Neuronalen Netzvarianten.

Entwicklung von Neuronalen Netzmodellen für die Simulation von Mechanismen der Aufmerksamkeit bei der Bild- und Szenenanalyse. Systematische, wissenschaftliche Untersuchungen für die Grundlagenforschung zu Faktoren der menschlichen, visuellen Aufmerksamkeit.

Ingenieurinformatik kombiniert das Studium der Informatik und der Elektrotechnik, um integrierte Hard- und Softwaresysteme entwickeln zu können. Während des Studiums Spezialisierung auf intelligente Systeme mit Vertiefung der Kenntnisse in Neuronalen Netzen, Bildverarbeitung und Automatisierung in technischen Systemen.