Logo der Hochschule Ansbach. Das Logo zeigt die die drei blauen und das eine grüne Quadrat des allgemeinen Hochschullogos.

Experts

Prof. Dr. Stefan Geißelsöder

Stefan Geisselsoeder

Kontakt

+49 981 4877-415
stefan.geisselsoeder@hs-ansbach.de

Forschungsschwerpunkte

  • Künstliche Intelligenz, Deep Learning und Kognitive Assistenzsysteme

Forschungskooperationen

  • BESA GmbH:
    „DEEP-EEG – Detektion raumzeitlich aufgelöster epileptischer Anfälle in EEG-Daten mithilfe von Deep Learning“
    (2024 – 2027)
  • TURNS GmbH:
    „KI-gestützte Ermittlung qualitätsrelevanter Sortierkriterien für die Garnherstellung aus recycelten Alttextilien mittels mechanischen Reißens“
    (2023 – 2025)
  • Optolution Messtechnik GmbH, Nefino GmbH, Bürgerwindpark Strüth Kühndorf, Deutscher Feuerwehr Verband, Ökostrom Erzeugung Freiburg GmbH, P.Schwandner Logistik & Transport GmbH, Forstliche Versuchs- und Forschungsanstalt Baden-Württemberg, Energieagentur Nordbayern GmbH:
    „WINDForest – Erhöhung der Datenqualität von Windgeschwindigkeiten über bewaldeten Regionen“
    (2023 – 2025)
  • KI-Bundesverband e.V., Fraunhofer-Institut für Experimentelles Software Engineering, Technische Hochschule Nürnberg Georg Simon Ohm:
    „Mittelstand-Digital Zentrum Franken“
    (2023 – 2026)

KI-gestützte Ermittlung qualitätsrelevanter Sortierkriterien für die Garnherstellung

Prof. Dr. Stefan Geißelsöder, Prof. Dr. Sigurd Schacht

Vollautomatisierte Altkleidersortierung für mechanisches Recycling

Mittelstand-Digital Zentrum Franken

Prof. Dr. Stefan Geißelsöder, Prof. Dr. Jörg Kapischke, Prof. Dr. Sigurd Schacht, Prof. Dr. Hans-Achim Reimann

Unterstützung für Unternehmen im nördlichen Bayern bei der Einordnung und Implementierung digitaler Strategien, Werkzeuge, Plattformen und Workflows

WINDForest

Prof. Dr. Alexander Buchele, Prof. Dr. Stefan Geißelsöder

Erhöhung der Datenqualität von Windgeschwindigkeiten über bewaldeten Regionen

DEEP-EEG – Detektion raumzeitlich aufgelöster epileptischer Anfälle in EEG-Daten mithilfe von Deep Learning

Prof. Dr. Stefan Geißelsöder, Prof. Dr. Christian Uhl

Verbesserung der automatischen Anfallsdetektion in EEG-Daten durch moderne Datenverarbeitung und Deep Learning

Es wurden keine Ergebnisse gefunden.

J. Winkler, C. Uhl, S. Geißelsöder, T. Erdbrügger, C. Wolters (2025): Comparison of Classical EEG Source Analysis with Deep Learning. In: A.P. Aguiar, P. Rocha Malonek, V.H. Pinto, F.A.C.C. Fontes, R. Chertovskih (eds) CONTROLO 2024. CONTROLO 2024. Lecture Notes in Electrical Engineering, vol 1325. Springer 2025, 258–267.
DOI: 10.1007/978-3-031-81724-3_24

V. Vendittoli, W. Polini, M. Walter, S. Geißelsöder (2024): Introducing Artificial Neural Networks to predict the dimensional and micro-geometrial deviations of additively manufactured parts. Procedia CIRP 129, 181-186.
DOI: 10.1016/j.procir.2024.10.032

V. Vendittoli, W. Polini, M. Walter, S. Geißelsöder (2024): Using Bayesian Regularized Artificial Neural Networks to Predict the Tensile Strength of Additively Manufactured Polylactic Acid Parts. Applied Sciences 14 (8), 3184.
DOI: 10.3390/app14083184

K. Zacharias, D. Welsch, S. Geißelsöder, A. Buchele (2023): Kopplung von KI, Strömungssimulation und Strömungsmessung. mfund Konferenz 2023, Berlin.

A. Stiehl, S. Geißelsöder, F. Anselstetter, H. Bornfleth, N. Ille, C. Uhl (2023): Signal analysis and classification of interictal epileptiform discharges from EEG with machine learning. BMT 2023, Abstracts of the 57th Annual Meeting of the German Society of Biomedical Engineering 26 – 28 September 2023, Duisburg 2023.
DOI: 10.1515/bmte-2023-2001

weitere Publikationen