Studium der Elektro- und Informationstechnik am Karlsruher Institut für Technologie (KIT). Bachelorarbeit am Forschungszentrum Informatik (FZI), Entwicklung einer Fahrerassistenzfunktion für die Optimierung der Energieeffizienz des Straßenverkehrs (2016). Praktische Tätigkeiten bei TRUMPF Inc. in Farmington, CT (USA) zur Optimierung der Steuerung von Laserschneidemaschinen sowie bei BOSCH SEA Pte. Ltd. in Singapur zur Kernentwicklung eines Ubuntu-Linux basierten Betriebssystems. Masterarbeit am Institut für Regelungs- und Steuerungssysteme (IRS) zum Thema „Entwicklung eines Regelungskonzeptes für eine intentionsbasierte Mensch-Roboter-Interaktion mit variablem Automatisierungsgrad“ (2019).

Seit März 2020 wissenschaftlicher Mitarbeiter und seit April 2024 Leiter der Forschungsgruppe Functional Safety Control am IRS.

Autonome Systeme versprechen erhebliche Vorteile für die Gesellschaft. In fast jeder relevanten Anwendung sind sie jedoch sicherheitskritisch, und daher kommen die potenziellen Vorteile nur dann zum Tragen, wenn ein sicherer Betrieb garantiert und nicht lediglich in Tests beobachtet werden kann. Dies gilt gleichermaßen für autonome Systeme, die KI-basierte Komponenten einsetzen, wie auch für solche, die ausschließlich aus klassischen Komponenten bestehen.

Meine Forschung setzt an dieser Lücke an und entwickelt Methoden zur beweisbar sicheren Bewegungsgenerierung. Im Mittelpunkt steht die Ausführungsgenauigkeit: Wie genau kann angesichts der potenziellen Unvorhersehbarkeit KI-basierter Regler, externer Störungen und ungenauer Modellierung garantiert werden, dass ein System seiner beabsichtigten Bewegung folgt? Daraus ergibt sich die Leitfrage meiner Arbeit: Wie konservativ muss sich ein System verhalten – zum Beispiel wie langsam muss es sich bewegen –, um eine erforderliche Genauigkeit zu gewährleisten? Die Beantwortung dieser Frage verwandelt Sicherheit von einer binären Eigenschaft in einen quantifizierbaren Kompromiss zwischen Performanz und Garantie.

Ich entwickle die entsprechenden Methoden auf spieltheoretischer Grundlage innerhalb eines Frameworks, das bewusst Raum für lernbasierte Komponenten lässt: KI-basierte Regler können innerhalb eines verifizierten Betriebsbereichs frei handeln; eine formal verifizierte Sicherheitsinstanz greift nur dann ein, wenn andernfalls die garantierte Genauigkeit – und damit beispielsweise die Vermeidung von Kollisionen mit Hindernissen in der Umgebung des Systems – verloren ginge.

  ↵