Fachbereich Ingenieurwissenschaften und Kommunikation
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
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
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
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
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
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
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
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
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
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.
doi:10.26434/chemrxiv-2024-vfzx8-v2
BibTeX | RIS
2023
Alexander Hagg, Karl N. Kirschner:
Open-Source Machine Learning in Computational Chemistry.
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.
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
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
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:
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