PROF. DR. MICHAEL MÖCKEL

Möckel, Michael | Intelligent Systems, Materials

Forschungsschwerpunkt:
Intelligent Systems, Materials

Technische Hochschule Aschaffenburg
Fakultät: Ingenieurwissenschaften

E-Mail: Michael.Möckelth-abde
Telefon: +49 6021/4206-507

Expertisen



Labore & Institute


Forschungsprojekte

KAnIS Autonomous Intralogistric Systems

KAnIS Autonomous Intralogistric Systems

ArtificialIntelligenceDataSciences   ElectronicsElectricDrives   RoboticsAutomation   IntelligentMobility   IntelligentSensorsSignals

Network and automate industrial trucks in order to optimize profitability, efficiency and safety. Development and application of interdisciplinary methods and tools.
More


EpiLABKI

EpiLABKI

ArtificialIntelligenceDataSciences   InnovativeMaterialProcessing   CompetenceCenterAI

The EpiLABKI project creates an epidemic simulator for the Aschaffenburg region using artificial intelligence.

More


KIProBatt

KIProBatt

ArtificalIntelligenceDataScience  IntelligentSensorsSignals  MaterialTestingSensorTechnology InnovativeMaterialProcessing  CompetenceCenterAI

Intelligent battery cell production with AI-supported process monitoring based on a generic system architecture.
More


PromoAdd3D Additive Manufacturing

PromoAdd3D Additive Manufacturing

RoboticsAutomation   ArtifialIntelligenceDataScience   IntelligentSensorsSignals   MaterialTestingSensorTechnology   InnovativeMaterialProcessing

Improvement of SLM processes designing a hybrid model using effective parameters.

More



Curriculum Vitae

seit 2015TH AschaffenburgProfessur
2012-2015Universität Cambridge, UKWissenschaftlicher Mitarbeiter
20011-2012Fraunhofer InstitutWissenschaftler
2009-2011Max-Planck-InstitutPost-Doc
2006-2009Ludwig-Maximilians-Universität MünchenWissenschaftlicher Mitarbeiter
2006-2007Universität AugsburgWissenschaftlicher Mitarbeiter
1999-2009Ludwig-Maximilians-Universität MünchenDiplom, Promotion (Festkörperphysik)
2002-2003Universität Cambridge, UKMaster (Mathematik)

Publikationen

  • Voigt, Jorrit, Möckel, Michael, 2021. Comparing principal component analysis (PCA) and 𝛃-variational autoencoder(𝛃-VAE)for anomaly detection in selective laser melting (SLM) process data. In: 14th WCCM-ECCOMAS Congress 2020, virtual congress, January, 11-15, 2021. S. 1 – 9. Abstract
  • Pfenning, Stefan, Döhring, Thorsten, Möckel, Michael, 2019. Einzelphotonenquellen – Schlüsselkomponenten für die Quantenwelt. In: DGaO-Proceedings. DGaO, S. 1 – 2. ISSN 1614-8436. Abstract

zur Übersicht Wissenschaftlerinnen und Wissenschaftler