Suche

Prof. Dr. Andreas Rausch Institute for Software and Systems Engineering Geschäftsführender Direktor Sprechzeiten nach Vereinbarung Vita Seit 1.2.2007: Als Professor: Leitung und Mitwirkung an einer Reihe […] , geboren in Augsburg Kontakt Telefon: +49 5323 / 72-7177 Fax: +49 5323 / 72-99 7177 E-Mail: andreas.rausch @ tu-clausthal . de Adresse Technische Universität Clausthal Institut für Software and Systems

Prof. Dr. Andreas Rausch Institute for Software and Systems Engineering Software Systems Engineering Sprechzeiten nach Vereinbarung Vita Seit 1.2.2007: Als Professor: Leitung und Mitwirkung an einer Reihe […] , geboren in Augsburg Kontakt Telefon: +49 5323 / 72-7177 Fax: +49 5323 / 72-99 7177 E-Mail: andreas.rausch @ tu-clausthal . de Adresse Technische Universität Clausthal Institut für Software and Systems

Einmal im Monat diskutiert das ZDIN mit Vertreter*innen aus Wirtschaft, Politik und Wissenschaft über gesellschaftsrelevante Aspekte der Digitalisierung – in der Veranstaltungsreihe „Digitaltalk Niede

Der digitalRat.niedersachsen stellt sich neu auf. Das Gremium vereint Expertinnen und Experten, die die Landesregierung zu übergeordneten Fragestellungen und zur strategischen Ausrichtung der Digitali

Am 15. November nahm Prof. Dr. Andreas Rausch als Speaker an dem Panel "Nachhaltige Use Cases der Zukunft" im Rahmen des FutureCongress.digital in Wolfsburg teil. Der FutureCongress.digital ist eine Plattform

and Autonomous Automotive Engineering) Programmierkurs Veröffentlichungen M Abboush, C Knieke, A Rausch, " Enhancing Clustering Performance of Failed Test Cases during HIL Simulation: A Study on Deep […] r Structures and Hyperparameter Tuning ", Applied Sciences 14 (19), 9064. M Abboush, C Knieke, A Rausch, " Representative Real-Time Dataset Generation Based on Automated Fault Injection and HIL Simulation […] ML-Assisted Validation of Automotive Software Systems ", Electronics 13 (2), 437. M Abboush, C Knieke, A Rausch, " A Virtual Testing Framework for Real-Time Validation of Automotive Software Systems Based on Hardware

Engineering Prof. Dr. Andreas Rausch DACS: Dependable and Autonomous Cyber-Physical Systems DACS: Dependable and Autonomous Cyber-Physical Systems Prof. Dr. Andreas Rausch Konzepte, Methoden und Technologien […] echtzeitfähiger, autonomer Systeme DGT: Digitized Green Tech DGT: Digitized Green Tech Prof. Dr. Andreas Rausch Accelerating Sustainability through Digitalization! ETCE: Emerging Technologies for a Circular Economy […] Machine Learned Models for Engineers ML4E: Machine Learned Models for Engineers Prof. Dr. Andreas Rausch Das Wissen von Ingenieuren mit maschinellem Lehren in hybriden Modellen verbinden SSE: Secure Software

Engineering Prof. Dr. Andreas Rausch DACS: Dependable and Autonomous Cyber-Physical Systems DACS: Dependable and Autonomous Cyber-Physical Systems Prof. Dr. Andreas Rausch Konzepte, Methoden und Technologien […] echtzeitfähiger, autonomer Systeme DGT: Digitized Green Tech DGT: Digitized Green Tech Prof. Dr. Andreas Rausch Accelerating Sustainability through Digitalization! ETCE: Emerging Technologies for a Circular Economy […] Machine Learned Models for Engineers ML4E: Machine Learned Models for Engineers Prof. Dr. Andreas Rausch Das Wissen von Ingenieuren mit maschinellem Lehren in hybriden Modellen verbinden SSE: Secure Software

Lawrenz, A. Rausch: Blockchain Analysis Tool of a Cryptocurrency S. Lawrenz, V. Stein, L. Jacobs, A. Rausch: A Blockchain-Based Deposit System To Reduce WEE P. Sharma, S. Lawrenz, A. Rausch: Towards Trustworthy

S., Rausch, A, 2024. Nonlinear model reduction for operator learning . ICLR 2024, Tiny Papers (accepted, invite to present (notable)) Eivazi, H., Tröger, J.-A., Wittek, S., Hartmann, S., Rausch, A, 2023 […] Applications, vol. 28, no. 4, p. 91, Aug. 2023, doi: 10.3390/mca28040091 Morer, F. E., Wittek, S., & Rausch, A., 2023. Assessment of the suitability of degradation models for the planning of CCTV inspections […] Water Journal, S. 1–14, Nov. 2023, doi: 10.1080/1573062X.2023.2282126 Bratzel, D., Wittek, S., & Rausch, A. (2023). A Flood Prediction Benchmark Focused on Unknown Extreme Events . Proceedings of the 13th