Direkt zum Inhalt

Fachbereich Ingenieurwissenschaften und Kommunikation

Alexander Hagg (DE)

Dr. Alexander Hagg

Post-Doktorand/Divergente (Evolutionäre) Optimierung/Surrogatmodellierung (Machine Learning)/Generative Modelle (Machine Learning)

Gliederung

Fachbereich Ingenieurwissenschaften und Kommunikation

Forschungsfelder

  • Computer Aided Ideation, Computer Aided Intuition
  • Optimization, insb. evolutionary algorithms, quality diversity, phenotypic niching
  • Surrogatmodellierung und maschinellem Lernen, insb. Gaußprocessregression, neuronale Netze, Neuroevolution
  • Computer Vision
  • Robotics

Standort

Sankt Augustin

Adresse

Grantham-Allee 20

53757 Sankt Augustin

Forschungsprojekte

DigitalTwin-4-Multiphysics-Lab

Multiphysik-Phänomene sind in vielen industriellen Anwendungen und Produktionslinien von zentraler Bedeutung und stehen in direktem Zusammenhang mit der Effizienz und Sicherheit der Prozesse oder der Integrität der produzierten Teile. Eingebettet in Prozessketten und Konstruktionsaufgaben werden multiphysikalische Simulationen sukzessive einer enormen Automatisierung und Optimierung unterzogen. Auf diese Weise sind sie Teil von Digital Twins, d.h. von virtuellen, funktionalen Versionen von Systemen, die deren Eigenschaften enthalten und den Lebenszyklus eines Systems in Form von Daten und Metadaten abbilden.

Projektleitung an der H-BRS

Prof. Dr. Dirk Reith
Full Domain Analysis for Fluid Mechanics

Methoden der künstlichen Intelligenz können uns auf effizienter Art und Weise frühzeitig helfen, Nachwirkungen von Anforderungen, Randbedingungen und Entscheidungsprozessen zu verstehen. Die Algorithmen werden üblicherweise in späten Stadien von ingenieurswissenschaftlichen Entwicklungsprojekten eingesetzt. Wir wollen das umkehren und IngenieurInnen schon früh zeigen, welche Lösungsarten ihre Anforderungen erfüllen.

Projektleitung an der H-BRS

Dr. Alexander Hagg
KISs-BiS - Künstliche Intelligenz für den Spitzensport im Spannungsfeld zwischen Big und Small Data

Der Nutzen von Methoden der künstlichen Intelligenz und des maschinellen Lernens im Sport ist unbestritten, jedoch treten bei der Umsetzung in die Praxis gravierende Probleme auf, was den Zugang zu Ressourcen, die Verfügbarkeit von Experten, und den Umgang mit den Methoden und Daten angeht. Zum letzten Punkt sehen wir den Bedarf, das Spannungsfeld zwischen Big Data, wenn viele Daten zur Verfügung stehen, und im Umkehrfall Small Data, der sportwissenschaftlich typischere Fall, aufzulösen.

Projektleitung an der H-BRS

Prof. Dr. Alexander Asteroth
AErOmAt - Aerodynamische Energie-Optimierung durch Metamodell-gestützte Adaption von Strukturen

Die effiziente Nutzung verfügbarer Energie ist eine der großen Herausforderungen unserer Zeit. Eine besondere Bedeutung kommt dabei der Analyse und Optimierung von Formen und Strukturen hinsichtlich ihrer aerodynamischen Eigenschaften zu. Wichtige Anwendungsgebiete sind die Entwicklung energieeffizienter Fahrzeuge und die Windenergietechnik.

Projektleitung an der H-BRS

Prof. Dr. Dirk Reith
DoVE

Das Ziel des DoVE Projekts (Development of Vehicle Exteriors) ist die Erforschung neuer Techniken zum automatisiertem Entwurf drei-dimensionaler Objekten. Wir betrachten die Konstruktion aerodynamischer Velomobilkarosserien als Testfall für die evolutionäre Entwicklung stabiler, aerodynamischer leichtgewichtiger Entwürfe.

Projektleitung an der H-BRS

Prof. Dr. Alexander Asteroth
ELaBoR - Ladeinfrastruktur Elektromobilität

Ziel des Projektes war die Entwicklung einer Strategie zum sukzessiven Aufbau von Ladeinfrastruktur für Elektromobilität in Bonn und dem Rhein-Sieg-Kreis. Ausgehend von den Ausbauzielen der Bundesregierung für die Ladeinfrastruktur für E-Autos und der Fahrzeugdichte in der Stadtregion Bonn-Rhein-Sieg wurden Ausbauszenarien für 2016-2020 identifiziert. Um die Ausbauziele zu erreichen, muss die Anzahl der zu errichtenden Ladesäulen von 256 in 2016 sukzessive auf 935 in 2020 erhöht werden.

Projektleitung an der H-BRS

Prof. Dr. Stefanie Meilinger
Stella

Das Projekt Stella: Effiziente Mobilität adressiert Fragestellungen zu intelligentem Transport. Im Focus stehen dabei die energieeffiziente Steuerung und die Mensch-Maschine-Hybridisierung. Für Experimente werden Velomobile mit elektrischer Unterstützung verwendet, da diese bereits hoch optimiert bzgl. ihrer Energieeffizienz sind.

Projektleitung an der H-BRS

Prof. Dr. Alexander Asteroth

Publikationen

Dr. Alexander Hagg

2023 | 2022 | 2021 | 2020 | 2019 | 2018 | 2017 | 2015

2023

Alexander Hagg, Karl N. Kirschner: Open-Source Machine Learning in Computational Chemistry.
doi:10.1021/acs.jcim.3c00643 PMID BibTeX | RIS

Ludovico Scarton, Alexander Hagg: On the Suitability of Representations for Quality Diversity Optimization of Shapes.
doi:10.1145/3583131.3590381 BibTeX | RIS

Ludovico Scarton, Alexander Hagg: On the Suitability of Representations for Quality Diversity Optimization of Shapes.
arXiv doi:10.48550/arXiv.2304.03520 BibTeX | RIS

Alexander Hagg, Martin L. Kliemank, Alexander Asteroth, Dominik Wilde, Mario C. Bedrunka, Holger Foysi, Dirk Reith: Efficient Quality Diversity Optimization of 3D Buildings through 2D Pre-optimization.
doi:10.1162/evco_a_00326 PMID BibTeX | RIS

Max Müller, Alexander Hagg, Robin Strickstrock, Marco Hülsmann, Alexander Asteroth, Karl N. Kirschner, Dirk Reith: Determining Lennard-Jones Parameters Using Multiscale Target Data through Presampling-Enhanced, Surrogate-Assisted Global Optimization.
doi:10.1021/acs.jcim.2c01231 PMID BibTeX | RIS

2022

Fabian Hammes, Alexander Hagg, Alexander Asteroth, Daniel Link: Artificial Intelligence in Elite Sports-A Narrative Review of Success Stories and Challenges.
PDF Download (CC BY 4.0) doi:10.3389/fspor.2022.861466 PMID urn:nbn:de:hbz:1044-opus-63714 BibTeX | RIS

2021

Alexander Hagg, Alexander Asteroth, Christian Rasche, Kevin Bach, Mark Pfeiffer: Künst­liche Intelli­genz für den Spitzen­sport im Spannungs­feld zwischen Big und Small Data: (KISs-BiS).
URL BibTeX | RIS

Alexander Hagg: Discovering the preference hypervolume: an interactive model for real world computational co-creativity.
URL BibTeX | RIS

Alexander Hagg, Sebastian Berns, Alexander Asteroth, Simon Colton, Thomas Bäck: Expressivity of parameterized and data-driven representations in quality diversity search.
doi:10.1145/3449639.3459287 arXiv BibTeX | RIS

Alexander Hagg: Phenotypic Niching Using Quality Diversity Algorithms.
doi:10.1007/978-3-030-79553-5_12 BibTeX | RIS

2020

Alexander Hagg, Alexander Asteroth, Thomas Bäck: A Deep Dive Into Exploring the Preference Hypervolume.
PDF Download (CC BY 4.0) URL urn:nbn:de:hbz:1044-opus-64423 BibTeX | RIS

Fabian Hammes, Daniel Link, Martin Lames, Alexander Hagg, Alexander Asteroth, Mark Pfeiffer: Einsatz von Künstlicher Intelligenz im internationalen Spitzensport – Eine Erhebung des Status Quo.
BibTeX | RIS

Alexander Hagg, Alexander Asteroth, Mark Pfeiffer, Fabian Hammes, Daniel Link: Einsatzmöglichkeiten und Transfer von Künstlicher Intelligenz im internationalen Spitzensport – zwischen Small und Big Data.
BibTeX | RIS

Alexander Hagg, Mike Preuss, Alexander Asteroth, Thomas Bäck: An Analysis of Phenotypic Diversity in Multi-solution Optimization.
doi:10.1007/978-3-030-63710-1_4 BibTeX | RIS

Alexander Hagg, Dominik Wilde, Alexander Asteroth, Thomas Bäck: Designing Air Flow with Surrogate-Assisted Phenotypic Niching.
doi:10.1007/978-3-030-58112-1_10 BibTeX | RIS

Alexander Asteroth, Adam Gaier, Alexander Hagg, Jakob Meng, Andreas Priesnitz, Lea Prochnau, Dirk Reith: AErOmAt Abschlussbericht.
PDF Download doi:10.18418/opus-4850 urn:nbn:de:hbz:1044-opus-48506 BibTeX | RIS

2019

Alexander Hagg, Martin Zaefferer, Jörg Stork, Adam Gaier: Prediction of neural network performance by phenotypic modeling.
doi:10.1145/3319619.3326815 arXiv BibTeX | RIS

Alexander Hagg, Alexander Asteroth, Thomas Bäck: Modeling User Selection in Quality Diversity.
doi:10.1145/3321707.3321823 arXiv BibTeX | RIS

2018

Alexander Hagg, Alexander Asteroth, Thomas Bäck: Prototype Discovery Using Quality-Diversity.
doi:10.1007/978-3-319-99253-2_40 arXiv BibTeX | RIS

2017

Alexander Hagg: Hierarchical Surrogate Modeling for Illumination Algorithms.
doi:10.1145/3067695.3082495 arXiv BibTeX | RIS

Alexander Hagg, Maximilian Mensing, Alexander Asteroth: Evolving Parsimonious Networks by Mixing Activation Functions.
doi:10.1145/3071178.3071275 arXiv BibTeX | RIS

Helge Spieker, Alexander Hagg, Adam Gaier, Stefanie Meilinger, Alexander Asteroth: Multi-stage evolution of single- and multi-objective MCLP: Successive placement of charging stations.
doi:10.1007/s00500-016-2374-9 BibTeX | RIS

Alexander Hagg, Frederik Hegger, Paul Plöger: On Recognizing Transparent Objects in Domestic Environments Using Fusion of Multiple Sensor Modalities.
arXiv doi:10.1007/978-3-319-68792-6_1 BibTeX | RIS

2015

Alexander Hagg, Helge Spieker, Alexander Oslislo, Volker Jacobs, Alexander Asteroth, Stefanie Meilinger: Methodische Grundlegung für eine Strategie zum sukzessiven Ausbau der Ladeinfrastruktur für Elektromobilität in Bonn und dem Rhein-Sieg-Kreis: Studie zur Strategie für den Ausbau der Ladeinfrastruktur im Hinblick auf E-Autos und E-Zweiräder.
URL BibTeX | RIS

Helge Spieker, Alexander Hagg, Alexander Asteroth, Stefanie Meilinger, Volker Jacobs, Alexander Oslislo: Successive evolution of charging station placement.
doi:10.1109/INISTA.2015.7276733 BibTeX | RIS

Alexander Asteroth, Alexander Hagg: How to successfully apply genetic algorithms in practice: Representation and parametrization.
doi:10.1109/INISTA.2015.7276778 BibTeX | RIS