Fachbereich Ingenieurwissenschaften und Kommunikation

Alexander Hagg Portrait

Dr. Alexander Hagg

Wissenschaftlicher Mitarbeiter

alexander.hagg@h-brs.de

Gliederung

Fachbereich Ingenieurwissenschaften und Kommunikation, Institut für Technik, Ressourcenschonung und Energieeffizienz (TREE)

Forschungsfelder

  • Computergestützte Ideenfindung
  • Evolutionäre Mehrlösungsoptimierung, Quality Diversity
  • Machine learning
  • Gaußprozessregression
  • Neuroevolution
  • Generative Deep Learning
  • Computer Vision
  • Robotik

Standort

Sankt Augustin

Adresse

Grantham-Allee 20

53757 Sankt Augustin

Profil

Niederländischer Forscher mit internationaler Erfahrung in Lehre und Forschung. Fundierte Hintergrundkenntnisse in evolutionärer Optimierung und generativem und effizientem maschinellem Lernen in verschiedenen Bereichen wie Strömungsdynamik, Stadtplanung, Computational Chemistry, Robotik und Computer Vision. Sein Hauptinteresse gilt effizienten computergestützten Ideenfindungsalgorithmen, die uns helfen, frühzeitig zu verstehen, wie gute Lösungen für ein Problem aussehen könnten. Alexander Hagg lässt sich von realen Anwendungen und der Natur inspirieren und von der Notwendigkeit leiten, uns an die Klimakatastrophe anzupassen.

Am LIACS-Institut der Universität Leiden in den Niederlanden promoviert, hat er ein Framework und Algorithmen entwickelt, um Benutzerpräferenzen in komplizierten Rechendomänen interaktiv zu entdecken und zu integrieren. Er verwendet KI als Mitgestalter – um gemeinsam extrem große Optimierungs- und Datendomänen zu erkunden, zu verstehen und daraus zu lernen.

 

Domänen und Anwendungsgebiete

  • Urbane Klimaresilienz (Kaltluft, Hitzehotspots)
  • Stadtplanung
  • Strukturelle Chemie (Prescreening, Proteine)
  • Robotik (Robotic Vision und Planung)
  • Digitale Zwillinge (urban)
  • Verkehrsplanung

 

Interne Partner

  • Institut für Technik, Ressourcenschonung und Energieeffizienz  (TREE)

  • Institut für KI und Autonome Systeme (A2S)

  • Institut für funktionale Gen-Analytik (IFGA)
  • Internationales Zentrum für Nachhaltige Entwicklung (IZNE)
  • Institut für Sicherheitsforschung (ISF)
  • Institute of Visual Computing (IVC)
  • Fachbereiche 01, 02, 03 und 05

 

Forschungspartner

  • Universität Siegen
  • University College London, UK
  • Universität Leiden, NL
  • TU München
  • TH Köln
  • Johannes Gutenberg-Universität Mainz
  • Fraunhofer IAIS, Fraunhofer SCAI
  • DLR - Institut für Softwaretechnologie
  • DLR - Institut für Aerodynamik und Strömungstechnik
  • Dr. Reinold Hagen Stiftung
  • Max Planck Institut für Chemie
  • Institut für Arbeitsschutz der Deutschen Gesetzlichen Unfallversicherung (IFA)

Externe Partner

  • Kommunen: Bonn, Siegburg, Troisdorf, Lohmar, Sankt Augustin, Rhein-Sieg-Kreis, SWB Energie und Wasser, Stadtwerke Troisdorf
  • Montag Stiftung Urbane Räume, Initiative Neue Stadtgärtnerei, DrofoTech, Mundialis GmbH, Wissenschaftsladen Bonn e.V., Deutscher Wetterdienst, SIDACT GmbH, Beyss Leichtfahrzeuge, GKN Driveline, GKN Powder Metallurgy, Deutsches Museum, e-Bility, akkurad, Bundesinstitut für Sportwissenschaften, RWE, RheinEnergie, Rhenag

 

Lehre und Transfer

  • Workshop Digitaler Zwilling (2025, Stadt Troisdorf)
  • "AI as a programming and data analysis buddy (or how to start worrying and love the AI)" (2025, KI-Wrap, Bibliothek H-BRS)
  • Innovationstreffen digitale Zwillinge für urbane Nachhaltigkeit (2025, H-BRS ZWT/DT4MP Lab)
  • "Beyond Open Data and Towards Grass Roots Urban Ecology" (2024, Barcamp Nachhaltige Zukunft Bonn)
  • "Luftqualität und Klimawandel in der Stadtplanung – Wie künstliche Intelligenz uns hilft" (2024, KLUGER Transfer Tandem Talk)
  • Evolutionary Computation (2016/2022-2024, M.Sc. FB02+FB03, lecturer) 
  • Workshop on AI: Large Language Models and Generative AI (2023, PhD/M.Sc., H-BRS, lecturer)
  • International Summer School on Machine Learning (2023, B.Sc., H-BRS, lecturer)
  • Low Power Lab for Applications using Machine Learning (2022, B.Sc., H-BRS FB03, lecturer)
  • AI in Social Work (2019/2020, B.Sc.,  IUBH Düsseldorf/Cologne, guest lecturer)
  • Quality Diversity Algorithms (2019, PhD/M.Sc., LIACS NL, guest lecturer)
  • Workshop on Genetic Algorithms for Young Students (2018, lecturer)
  • Summer School on Genetic Algorithms (2017, B.Sc., H-BRS, lecturer)
  • Genetic Algorithms (2015-2019, B.Sc., H-BRS FB02, lecturer)
  • Neuroevolution (2015-2019, B.Sc., H-BRS FB02, lecturer)
  • Autonomous Mobile Robots (2013-2015, teaching assistant)
  • Algebra and Number Theory (2012, H-BRS B.Sc. teaching assistant)

 

Persönliche Webseite: https://alexander-hagg.github.io/

Profil Researchgate: https://www.researchgate.net/profile/Alexander-Hagg

Mitgliedschaften

  • GeoIT Round Table NRW (Repräsentant für H-BRS)
  • AK Twins4NRW AG Klima (Land und Kommunen NRW)
  • Digital Twins 4 Multiphysics Labor (H-BRS)
  • Computational Chemistry Working Group (H-BRS)

Auszeichnungen

  • 2023 GECCO Best Paper Award - honourable mention
  • 2022 ACM SIGEVO Best Dissertation Award - honourable mention
  • 2017 AFCEA Studienpreis
  • 2017 GECCO Best Student Paper Award - honourable mention
  • 2016 RoboCup Symposium Best Paper Award

Forschungsprojekte

OpenSKIZZE

OpenSKIZZE: Open Source Entwicklungstools für Stadtentwicklung: Klimafolgenanpassung mit kooperativen KI-gestützten Entscheidungsprozessen. OpenSKIZZE soll als Open-Source KI-Assistent die Erkenntnisse aus Klimamodellen in konkrete Bauprojekte überführen. Dieses System soll alle Stakeholder frühzeitig in den Prozess einbinden und sie über die Auswirkungen ihrer Entscheidungen auf das lokal-städtische Klima aufklären.

Projektleitung an der H-BRS

Dr. Alexander Hagg Prof. Dr. Dirk Reith
Logo OpenSKIZZE
DigitalTwin-4-Multiphysics-Lab

Das "Digital Twin-4-Multiphysics Lab" (DT4MP) konzentriert sich auf urbane digitale Zwillinge und Multiphysik-Zwillinge für die Industrie, wobei beide Bereiche gleichberechtigt und synergetisch behandelt werden. Durch Integration von Echtzeitdaten und fortschrittlichen Simulationen verbessert das DT4MP städtische Prozesse, Infrastrukturen und die Produktionseffizienz in der Industrie. Mit KI bietet das Labor Dienstleistungen wie Datenanalyse und virtuelle Tests für KMUs und größere Unternehmen. Das DT4MP treibt die Digitalisierungsforschung in urbanen und industriellen Kontexten voran.

Projektleitung an der H-BRS

Prof. Dr. Sebastian Houben Prof. Dr. Dirk Reith Dr. Alexander Hagg
Teaser Placeholder
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
Teaser Placeholder
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
Teaser Placeholder
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
Teaser Placeholder
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
dovetales.jpg (DE)
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
Teaser Placeholder
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
Teaser Placeholder

Publikationen

Dr. Alexander Hagg

2025 | 2024 | 2023 | 2022 | 2021 | 2020 | 2019 | 2018 | 2017 | 2015

2025

Robin Strickstrock, Alexander Hagg, Dirk Reith, Karl N. Kirschner: Speed up Multi-Scale Force-Field Parameter Optimization by Substituting Molecular Dynamics Calculations with a Machine Learning Surrogate Model. In: ChemPhysChem, 26(20), e202500353, 2025
PDF Download (CC BY 4.0) doi:10.1002/cphc.202500353 PMID urn:nbn:de:hbz:1044-opus-92140 BibTeX | RIS

Alexander Hagg, Adam Gaier, Dominik Wilde, Alexander Asteroth, Holger Foysi, Dirk Reith: Full Domain Analysis in Fluid Dynamics. In: Machine Learning and Knowledge Extraction, 7(3), 86, 2025
PDF Download (CC BY 4.0) doi:10.3390/make7030086 urn:nbn:de:hbz:1044-opus-91588 BibTeX | RIS

Robin Strickstrock, Alexander Hagg, Marco Hülsmann, Karl N. Kirschner, Dirk Reith: Fine-tuning property domain weighting factors and the objective function in force-field parameter optimization. In: Journal of Molecular Graphics and Modelling, Vol.139, 109035, 2025
PDF Download (CC BY 4.0) doi:10.1016/j.jmgm.2025.109035 PMID urn:nbn:de:hbz:1044-opus-90066 BibTeX | RIS

2024

Robin Strickstrock, Alexander Hagg, Marco Hülsmann, Karl Kirschner, Dirk Reith: Fine-Tuning Property Domain Weighting Factors and the Objective Function in Force Field Parameter Optimization. Preprint, 2024
doi:10.26434/chemrxiv-2024-vfzx8-v2 BibTeX | RIS

2023

Alexander Hagg, Karl N. Kirschner: Open-Source Machine Learning in Computational Chemistry. In: Journal of Chemical Information and Modeling, 63(15), 2023, S. 4505-4532
PDF Download (CC BY-NC-ND 4.0) doi:10.1021/acs.jcim.3c00643 PMID urn:nbn:de:hbz:1044-opus-74406 BibTeX | RIS

Ludovico Scarton, Alexander Hagg: On the Suitability of Representations for Quality Diversity Optimization of Shapes. In: GECCO '23: Proceedings of the Genetic and Evolutionary Computation Conference, Lisbon, Portugal, July 15-19, 2023, 2023, S. 963-971
doi:10.1145/3583131.3590381 BibTeX | RIS

Ludovico Scarton, Alexander Hagg: On the Suitability of Representations for Quality Diversity Optimization of Shapes. In: GECCO conference, 2023 (accepted for publication)
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. In: Evolutionary Computation, 31(3), 2023, S. 287-307
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. In: Journal of Chemical Information and Modeling, 63(7), 2023, S. 1872-1881
doi:10.1021/acs.jcim.2c01231 PMID BibTeX | RIS

2022

Alexander Hagg, Alexander Asteroth, Christian Rasche, Kevin Bach, Mark Pfeiffer: Künst­liche Intelli­genz für den Spitzen­sport im Spannungs­feld zwischen Big und Small Data: (KISs-BiS). Bundesinstitut für Sportwissenschaft (BISp), Hellenthal: Sportverlag Strauß, 2022 (Schriftenreihe des Bundesinstituts für Sportwissenschaft.)
URL BibTeX | RIS

Fabian Hammes, Alexander Hagg, Alexander Asteroth, Daniel Link: Artificial Intelligence in Elite Sports-A Narrative Review of Success Stories and Challenges. In: Frontiers in Sports and Active Living, Vol.4, 861466, 2022
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: Discovering the preference hypervolume: an interactive model for real world computational co-creativity. Dissertation, Leiden University, 2021
URL BibTeX | RIS

Alexander Hagg, Sebastian Berns, Alexander Asteroth, Simon Colton, Thomas Bäck: Expressivity of parameterized and data-driven representations in quality diversity search. In: Chicano, Krawiec (Eds.): GECCO '21: Genetic and Evolutionary Computation Conference, Lille, France, 10-14 July, 2021, 2021, S. 678-686
doi:10.1145/3449639.3459287 arXiv BibTeX | RIS

Alexander Hagg: Phenotypic Niching Using Quality Diversity Algorithms. In: Preuss, Epitropakis et al. (Eds.): Metaheuristics for Finding Multiple Solutions, Cham: Springer, 2021, S. 287-315
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. In: Cardoso, Machado et al. (Eds.): Proceedings of the Eleventh International Conference on Computational Creativity (ICCC'20), Coimbra, Portugal, 7-11 September 2020, 2020, S. 394-397
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. In: Fehr, Werner (Hg.): Zukunftsperspektiven von Sportinformatik & Sporttechnologie im Leistungs- und Breitensport. Tagungsband zum 13. Symposium der dvs-Sektion Sportinformatik und Sporttechnologie am 25. & 26. September 2020 in Bayreuth, 2020, S. 28-29
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. In: Fehr, Werner (Hg.): Zukunftsperspektiven von Sportinformatik & Sporttechnologie im Leistungs- und Breitensport. Tagungsband zum 13. Symposium der dvs-Sektion Sportinformatik und Sporttechnologie am 25. & 26. September 2020 in Bayreuth, 2020, S. 26-27
BibTeX | RIS

Alexander Hagg, Mike Preuss, Alexander Asteroth, Thomas Bäck: An Analysis of Phenotypic Diversity in Multi-solution Optimization. In: Filipič, Minisci et al. (Eds.): Bioinspired Optimization Methods and Their Applications. 9th International Conference, BIOMA 2020, Brussels, Belgium, November 19-20, 2020, Proceedings, 2020, S. 43-55
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. In: Bäck, Preuss et al. (Eds.): Parallel Problem Solving from Nature – PPSN XVI. 16th International Conference, PPSN 2020, Leiden, The Netherlands, September 5-9, 2020, Proceedings, Part I. Lecture Notes in Computer Science (LNCS) vol. 12269, 2020, S. 140-153
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. Hochschule Bonn-Rhein-Sieg / Institut für Technik, Ressourcenschonung und Energieeffizienz, Hochschule Bonn-Rhein-Sieg, 2020
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. In: GECCO '19: Genetic and Evolutionary Computation Conference, Prague, Czech Republic, July 13-17, 2019, 2019, S. 1576-1582
doi:10.1145/3319619.3326815 arXiv BibTeX | RIS

Alexander Hagg, Alexander Asteroth, Thomas Bäck: Modeling User Selection in Quality Diversity. In: GECCO '19: Genetic and Evolutionary Computation Conference, Prague, Czech Republic, July 13-17, 2019, 2019, S. 116-124
doi:10.1145/3321707.3321823 arXiv BibTeX | RIS

2018

Alexander Hagg, Alexander Asteroth, Thomas Bäck: Prototype Discovery Using Quality-Diversity. In: Auger, Fonseca et al. (Eds.): Parallel Problem Solving from Nature – PPSN XV (PPSN 2018). Lecture Notes in Computer Science, vol 11101, 2018, S. 500-511
doi:10.1007/978-3-319-99253-2_40 arXiv BibTeX | RIS

2017

Alexander Hagg: Hierarchical Surrogate Modeling for Illumination Algorithms. In: GECCO '17: Proceedings of the Genetic and Evolutionary Computation Conference. Berlin, Germany, July 15-19, 2017, 2017, S. 1407-1410
doi:10.1145/3067695.3082495 arXiv BibTeX | RIS

Alexander Hagg, Maximilian Mensing, Alexander Asteroth: Evolving Parsimonious Networks by Mixing Activation Functions. In: GECCO '17: Proceedings of the Genetic and Evolutionary Computation Conference. Berlin, Germany, July 15-19, 2017, 2017, S. 425-432
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. In: Soft Computing, 21(17), 2017, S. 4859-4872
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. In: Behnke, Sheh et al. (Eds.): RoboCup 2016. Robot World Cup XX, Leipzig, 30.06.-04.07.2016. Lecture Notes in Computer Science (LNCS), Vol 9776, 2017, S. 3-15 (Best Paper Award for Scientific Contribution)
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. 2015
URL BibTeX | RIS

Helge Spieker, Alexander Hagg, Alexander Asteroth, Stefanie Meilinger, Volker Jacobs, Alexander Oslislo: Successive evolution of charging station placement. In: 2015 International Symposium on Innovations in Intelligent SysTems and Applications (INISTA), Madrid, Spain, 2-4 Sept. 2015, 2015
doi:10.1109/INISTA.2015.7276733 BibTeX | RIS

Alexander Asteroth, Alexander Hagg: How to successfully apply genetic algorithms in practice: Representation and parametrization. In: 2015 International Symposium on Innovations in Intelligent SysTems and Applications (INISTA), Madrid, Spain, 2-4 Sept. 2015, 2015
doi:10.1109/INISTA.2015.7276778 BibTeX | RIS