Erfolgreiche Promotion am ITIV: Matthias Stammler promoviert mit Magna cum laude
Das Institut für Technik der Informationsverarbeitung (ITIV) gratuliert Matthias Stammler herzlich zur erfolgreich bestandenen Promotion. Die mündliche Prüfung fand am 06. Oktober 2026 statt. Die Dissertation wurde mit dem Prädikat Magna cum laude bewertet.
In seiner Dissertation mit dem Titel „Dynamic Multi-Mode Scheduling and Deployment with Early Exit Neural Network Integration“ untersucht Matthias Stammler neuartige Ansätze für den effizienten und zuverlässigen Einsatz von KI-Anwendungen auf eingebetteten Hochleistungsplattformen.
Zusammenfassung der Dissertation
„Die Dissertation untersucht die Herausforderungen moderner, zunehmend zentralisierter Fahrzeugarchitekturen, die durch Software-defined Vehicles, Hardware-Abstraktionsschichten und den verstärkten Einsatz von Machine Learning geprägt sind. Hierfür wird ein ganzheitlicher Scheduling-Ansatz entwickelt, der klassische periodische Steuerungsaufgaben, Machine-Learning-basierte Anwendungen und dynamische Betriebsmodi in einem sicheren Time-Triggered-Scheduling-Verfahren vereint. Der Ansatz kombiniert einen Correct-by-Construction-Nachweis für die sichere Ausführung mit Anytime Neural Networks und einem Mode-Change-Mechanismus, der flexible Reaktionen auf Fehler, Anomalien oder Systemzustandsänderungen ermöglicht. Die Evaluation anhand realer Anwendungsfälle und synthetischer Task-Sets zeigt, dass der Scheduler auch komplexe Szenarien effizient bewältigt und damit für praktische Automotive-Systeme geeignet ist.“
Die Arbeit entstand am ITIV in der Arbeitsgruppe von Prof. Dr.-Ing. Jürgen Becker. Das Korreferat übernahm Associate Prof. PhD Arvind Easwaran von der Nanyang Technological University (NTU Singapore).
Die Dissertation knüpft an die Forschungsinteressen von Matthias Stammler an. Diese umfassen unter anderem die Zertifizierung von Komponenten des maschinellen Lernens, die Überwachung sicherheitsrelevanter Ereignisse in autonomen Fahrzeugen sowie die Entwicklung von Graceful-Degradation-Strategien für eingebettete Systeme. Ziel seiner Forschung ist es, leistungsfähige KI-Verfahren mit den hohen Anforderungen an Sicherheit, Vorhersagbarkeit und Zuverlässigkeit zukünftiger Fahrzeugsysteme zu verbinden.
Mit seiner Forschung leistet Matthias Stammler einen wichtigen Beitrag zur Entwicklung sicherer und effizienter Scheduling- und Laufzeitkonzepte für die nächste Generation softwaredefinierter Fahrzeugsysteme.
Das ITIV gratuliert herzlich zur erfolgreichen Promotion und wünscht für den weiteren beruflichen und persönlichen Weg alles Gute.