PROF. DR. GALIA WEIDL

Weidl, Galia | Intelligent Systems

Forschungsschwerpunkt:
Intelligent Systems

Technische Hochschule Aschaffenburg
Fakultät: Ingenieurwissenschaften

E-Mail: Galia.Weidlth-abde
Telefon: +49 6021/4206-326


Expertisen

  • Kooperative, vernetzte & automatisierte Mobilität (Intelligent Mobility)
  • Maschinelles Lernen (Artifical Intelligence & Data Science)
  • Erweiterte Fahrerassistenz- & Sicherheitssysteme, Fahrautomatisierung
  • Sensordaten-Fusion
  • Repräsentation, Modellierung & Verarbeitung von Wissen & Daten
  • Automatisierte Analyse von Ereignissen (Schlussfolgern unter Unsicherheiten) in großmaßstäblichen Prozessen & Systemen
  • Umgebungswahrnehmung aus Fahrzeug- & Kreuzungsdaten im Kontext des automatisierten Fahrens
  • Trendanalyse & Mustererkennung (Dynamische Bayes'sche Netze)
  • Patientenfernüberwachung & medizinische Diagnostik
  • Industrielle Prozessanalyse, -modellierung & -diagnose
  • Automatisierte Ursachenanalyse & Entscheidungsunterstützungssysteme für den Prozessbetrieb


Labore & Teams



Curriculum Vitae

seit 2021TH Aschaffenburg Professur, Forschungslehrstuhl: Vernetzte urbane Mobilität - Lernende Infrastruktur
2008-2021Daimler AG, Group Forschung & Mercedes-Benz Automobil Entwicklung, StuttgartLeitende Wissenschaftlerin, Projektleiterin
2006-2008Robert Bosch GmbH, Zentralbereich Forschung & VorausentwicklungF&E-Ingenieurin Technik-Strategie: Erneuerbare Energien; Tele-Medizin
2003-2006Universität StuttgartPostdoktorale Wissenschaftliche Mitarbeiterin: IFF, IST, IADM
2000-2002Universität Mälardalen, SchwedenPromotion zum Tekn.Dr. auf dem Gebiet der Verfahrenstechnik, Überwachung & Diagnostik
1997-2002ABB Corporate Research, Västerås, SchwedenF&E-Ingenieurin, Industrielle IT
1993-1996Universität Stockholm, SchwedenFilosofie Licentiat (Fil.Lic.) in Theoretischer Physik, Forschungsarbeiten in Stringtheorie
1988-1993Staatliche Universität Sankt Petersburg, RusslandMaster of Science in Physik & Mathematik (mit Auszeichnung)

Interesse an fachübergreifenden Forschungsthemen

Anwendungen von probabilistischen Kausalmodellen (Bayes'sche Netze und Einflussdiagramme) zur Modellierung und Analyse von

  •     Vernetzter urbaner Mobilität - Lernender Infrastruktur
  •     Kognitive technische Systeme
  •     Kontinuierlichen und diskreten industriellen Prozessen
  •     Medizinischen Systemen

 

Gemeinsame Anträge für öffentlich geförderte Projekte (BMWi, BMBF, EU)


zur Übersicht Wissenschaftlerinnen und Wissenschaftler