Dr. Stefan Wittek

Institute for Software and Systems Engineering

Lebenslauf

Seit 04/2023:

Verwalter einer Professur - Methoden und Anwendungen maschinellen Lernens
Institut for Software and Systems Engineering - TU Clausthal

• Eigenständige Durchführung von Lehrveranstaltungen:
  • Grundlagen KI
  • Applied Deep Learning
  • Einführung in die Informatik
  • Interdisziplinäres Digitalisierungsprojekt: Softwareentwicklung
  • Diverse weitere studentische Projekte und Abschlussarbeiten
• Leitung der Forschungsgruppe „Machine Learned Models for Engineers“
• Projektakquise

06/2021 – 03/2023:

Postdoc
Institut for Software and Systems Engineering - TU Clausthal

• Aufbau und Leitung der Forschungsgruppe „Machine Learned Models for Engineers“
• Eigenständige Durchführung von Lehrveranstaltungen.
• Projektakquise (nicht als PI): Mehr als 2 Millionen €

10/2013 – 05/2021:

Wissenschaftlicher Mitarbeiter
Institut for Software and Systems Engineering - TU Clausthal

• Forschungsgruppe „Applied Machine Learning and Simulation“
• Beteiligung an der Akquise von insgesamt mehr als 1,9 Millionen € Drittmitteln
• Betreuung unter anderem der Lehrveranstaltungen Informatik I, Programmierkurs, Softwaretechnik I, Requirement Engineering und Project and Quality Management
• Forschung u. A. in den Projekten:
  • Intelligente Regelungssysteme (VW): Robuste Extrapolation für Neuronale Netze
  • Multi-Level-Simulation: Entwicklung eines Konzeptes für Multi-Level-Simulation
  • Mobil4e: Co-Simulationsplattform für Heterogene Modelle

Ausgewählte Veröffentlichungen

Eivazi, H., Wittek, S., Rausch, A, 2024. Nonlinear model reduction for operator learning. ICLR 2024, Tiny Papers (accepted, invite to present (notable))

Eivazi, H., Tröger, J.-A., Wittek, S., Hartmann, S., Rausch, A, 2023. FE2 Computations with Deep Neural Networks: Algorithmic Structure, Data Generation, and Implementation. In Mathematical and Computational Applications, vol. 28, no. 4, p. 91, Aug. 2023, doi: 10.3390/mca28040091

Morer, F. E., Wittek, S., & Rausch, A., 2023. Assessment of the suitability of degradation models for the planning of CCTV inspections of sewer pipes. Urban Water Journal, S. 1–14, Nov. 2023, doi: 10.1080/1573062X.2023.2282126

Bratzel, D., Wittek, S., & Rausch, A. (2023). A Flood Prediction Benchmark Focused on Unknown Extreme Events. Proceedings of the 13th SIMULTEC Conference, 267–278, Rome. doi.org/10.5220/0012081700003546

Bratzel, D., Wittek, S., Rausch, A., Treutler, K., Gehling, T., & Wesling, V. Usage of Machine Learning for Subtopology Detection in Wire and Arc Additive Manufacturing. Proceedings of ADAPTIV 2022, pp. 32-37.

Erbel, J., Wittek, S., Grabowski, J., Rausch, A., 2020. Dynamic Management of Multi-level-simulation Workflows in the Cloud, in: Communications in Computer and Information Science. Springer, pp. 21–38. doi.org/10.1007/978-3-030-45718-1_2

Wittek, S., Rausch, A., 2018. Learning State Mappings in Multi-Level-Simulation, in: Communications in Computer and Information Science. Springer, Cham, pp. 208–218. doi.org/10.1007/978-3-319-96271-9_13

Wittek, S. H.A., Göttsche, M., Rausch, A., Grabowski, J., 2016. Towards multi-level-simulation using dynamic cloud environments, Proceedings of the 6th International Conference on Simulation and Modeling Methodologies, Technologies and Applications (SIMULTECH). IEEE, Lisbon, pp. 1-7.