Professor/in Fakultät Maschinenbau/Umwelttechnik
Telefon: +49 (9621) 482-3307
Fax: +49 (9621) 482-4307
w.bloechl
@oth-aw.de
Lehrgebiet(e): Fertigungstechnik, Werkzeugmaschinen, Koordinatenmesstechnik, 3D-Druck, Digitale Produktion
Forschungsgebiet(e):
Säulen:
- Werkzeugmaschinen und Zerspanungstechnik (Highlight: Selbstgebaute CNC-gesteuerte Drehfräsmaschine)
- Koordinatenmesstechnik (Zertifizierter AUKOM Trainer, Multisensorkoordinatenmesstechnik)
- 3D Druck (Entwicklung eines Prüfteiles zur Genauigkeitsbestimmung von 3D-Druckern, Innovationsnetzwerk Additiv Manufacturing)
- Industrie 4.0 (Projektleitung Projekt ISAC@OTH mit Gesamtumfang 3,7 Mio. €)
Zum Profil
Professor/in Fakultät Maschinenbau/Umwelttechnik
Telefon: +49 (9621) 482-3304
Fax: +49 (9621) 482-4304
s.beer@oth-aw.de
Lehrgebiet(e): Strömungsmechanik, Verfahrenstechnik, Energietechnik
Forschungsgebiet(e):
Strömungstechnik: Strömungsmesstechnik, Aerodynamik und Numerische Strömungsimulation (CFD)
Energietechnik: Erneuerbare Energie (thermische Energiespeicherung, Wind), Energieeffizienz in der Industrie
Zum Profil
Professor/in Fakultät Wirtschaftsingenieurwesen und Gesundheit
Professor
Telefon: +49 (961) 382-1622
Fax: +49 (961) 382-2622
p.wiebe@oth-aw.de
Lehrgebiet(e): • Studiengang ME/MZ: Brain-Computer-Interfaces (BCI), Bioel. Signale (& Neurowiss.), Med. Elektronik, Elektrotechnik, Signalverarbeitung, Med. Messtechnik, Regelungstechnik.
• Studiengang TM: Elektrotechnik.
Forschungsgebiet(e):
- Biosignale: Messung, Verarbeitung und Anwendung insbesondere elektrischer Biopotentiale bzw. bioelektrischer Signale (EEG, EMG, EOG, EKG, …).
- Gehirn-Computer-Schnittstellen / Brain-Computer-Interfaces (BCIs).
- Information und Kommunikation bei Mensch-Maschine-Systemen.
- Interdisziplinäre Themen: Ethische Aspekte moderner Informations- und Kommunikationstechnologien.
Zum Profil
Professor/in Fakultät Elektrotechnik, Medien und Informatik
Telefon: +49 (9621) 482-3653
Fax: +49 (9621) 482-4653
c.bergler@oth-aw.de
Lehrgebiet(e): Deep Learning
Forschungsgebiet(e):
Deep Learning
Deep Learning applied to a broad spectrum of data- and domain-specific research fields, with focus on a wide portfolio of novel and distinct algorithmic deep learning concepts:
- Images
- Acoustics
- Machine & Sensor Signals
- Text Data
- Computer Vision
- Acoustic Sound Analysis
- Machine Signal Processing
- Natural Language Processing
- Transfer Learning
- Contrastive Learning
- Distillation Learning
- Federated Learning
- Supervised, Semi-Supervised & Unsupervised Learning
- Self-Supervised Learning
- Generative Learning
- Active Learning
- Multi-Modal Learning
- N-Shot Learning
- Representation Learning
- Causal Deep Learning
- (Deep) Reinforcement Learning
