Technische Hochschule Brandenburg
Fachbereich Technik
Forschungsprofessor für Technische Energieeffizienz
Magdeburger Straße 50, 14770 Brandenburg an der Havel
Ingenieurwissenschaftliches Zentrum (IWZ)
T +49 3381 355-377
F +49 3381 355-399
E robert.flassig(at)th-brandenburg.de
Wir setzen unsere wissenschaftlichen Anstrengungen für den technischen, ökologischen und sozialen Fortschritt ein. Dabei nutzen wir Methoden der mathematischen Modellierung, des Maschinellen Lernens (machine learning, ai), der Optimierung und statistischen Datenanalyse, um Fortschritt und Technologietransfer von der Wissenschaft zur Industrie bis in die Gesellschaft zu fördern. Wir bedienen ein breites Anwendungsspektrum von technischen Komponenten, Baugruppen und Maschinen bis hin zu komplexen Prozessen und technischen Systemen. Wir haben langjährige Expertise in den Bereichen:
Softwaretoolentwicklung
Algorithmen-/toolentwicklung (bis 2019)
Whitepapers (upon request)
Aktuell Laufend
VITVI: Virtuelle Triebwerksentwicklung mit Verfahren der künstlichen Intelligenz (3 Jahre / THB-Volumen: 1,5 Mio Euro. / akademische Forschungspartner: Brandenburgische Technische Universität Cottbus-Senftenberg, Technische Universität Berlin und Technische Hochschule Brandenburg / Industrieforschungspartnern:
Friendship Systems AG und Rolls-Royce Deutschland Ltd & Co KG.)
Erfolgreich Abgeschlossen
WIR! REEgion now: Das Projekt befasst sich als regionales Wertschöpfungsbündnis mit den Innovationsfeldern Energie, Mobilität und Digitalisierung. (Konzeptphase 1.03.-30.11.2021 in Zusammenarbeit mit Prof.Claus Vielhauer Fachbereich Informatik und Medien THB / Verbund Technische Hochschule Brandenburg, Potsdam-Institut für Klimafolgenforschung e.V., Regionalentwicklungsgesesllschaft Nordwestbrandenburg mbh / Volumen 250 TEUR)
Die Professur "Technische Energieeffizienz“ beschäftigt sich in der Lehre mit den Querschnittsthemen der Energie- und Ressourceneffizienz zur nachhaltigen Nutzung von Energie- und Stoffkreisläufen, und bereitet die Studierenden im Rahmen ihres Bachelor- und/oder Masterstudiums für die sich anschließenden Aufgaben bestmöglich und zukunftsfest vor. Hierfür sind breite und tiefe Kenntnisse in den Disziplinen des konstruktiven Maschinenbaus, der Energie- und Verfahrenstechnik sowie in den Grundlagen Mathematik/Physik/Chemie/Numerik von Nöten. Die Professur vermittelt Wissen und praktische Fähigkeiten im Rahmen der Lehrveranstaltungen vor allem im Studienschwerpunkt Energie- und Verfahrenstechnik im Bachelorstudiengang Maschinenbau und im Masterstudiengang Energieeffizienz Technischer Systeme.
Lehrthemen (deutsch)
Bachelor
Master
Lectures (Bachelor, Master)
My Team developed advanced methods for process systems engineering (reactor-network synthesis via flux profile analysis), automatic apoptosis detection from flow cytometry data in biology via advanced machine learning, dynamic flux balance analysis in biotechnology. We further investigated pattern formation and dynamics of actomyosin flows via physical-chemical modelling.
I had the pleasure to develop mathematical methods, i.e.. multivariate classifiers, for statistical model identification tailored to biochemical and process systems engineering applications in the group of Prof. K. Sundmacher (Process Systems Engieneering group at Otto-von-Guericke University Magdeburg and Director at the Max Planck Institute for Dynamics of Complex Technical Systems, Magdeburg).
Here I studied faint ringlets of Saturn and their heliotropic orientation via perturbation theory and statistical physics under the supervision of Prof. F. Spahn (Co-Investigator, Cosmic-Dust-Analyzer (CDA) Team, Cassini) and Prof. J. Schmidt (now University of Oulu, Co-investigator of the Cosmic Dust Analyzer (CDA) instrument onboard the CASSINI (NASA/ESA) mission to Saturn, the Surface Dust Analyzer (SUDA) on the Europa Clipper Mission (NASA), and the JANUS camera onboard the ESA mission JUICE)
I worked in the Design Systems Engineering group headed by Prof. M. Swoboda (Aerospace Engineering, TU Berlin, Rolls-Royce Dtl.) under the supervision of Dr. A. Huppertz (Rolls-Royce Dtl.). We worked on knowledge-based 2D design and optimization of axial compressor blades using artificial neural networks.