Nicolaj Stache ist seit 2016 an der Hochschule Heilbronn Professor für Messtechnik und Sensorik an der Fakultät Technik. Er lehrt und forscht schwerpunktmäßig im Bereich Künstliche Intelligenz, Sensortechnik und maschinelles Lernen im Studiengang Automotive Systems Engineering.
Dabei geht es vorrangig um die Entwicklung von Systemen, die ihre Umgebung mithilfe von Sensoren wie Kameras, Radar oder LIDAR erfassen und diese Daten durch Methoden des maschinellen Lernens interpretieren. Diese sogenannten Perception-Systeme bilden die Grundlage für autonome Fahrzeuge und intelligente technische Systeme. Ein weiteres zentrales Standbein seiner Forschung ist der Einsatz von Künstlicher Intelligenz für industrielle Anwendungen – insbesondere in der industriellen Produktion. Im Mittelpunkt steht dabei die Erkennung von Anomalien in Fertigungsprozessen, die optimale Parametrierung komplexer Produktionsanlagen sowie die Erklärbarkeit der eingesetzten KI-Verfahren.
Gesellschaftlich sind diese Themen hochrelevant, da sie die Sicherheit im Straßenverkehr erhöhen, neue Formen der Mobilität ermöglichen und die industrielle Produktion durch Automatisierung effizienter gestalten können. Für Unternehmen bedeutet dies, dass datengetriebene und KI-basierte Systeme zunehmend zur zentralen Voraussetzung für die Wettbewerbsfähigkeit werden.
Ein konkretes Beispiel ist ein autonomer Versuchsträger auf Basis eines VW Passat, der mit mehreren Kameras und LIDAR-Sensoren ausgestattet ist. Die Sensoren erfassen die Fahrzeugumgebung in Echtzeit, während KI-Algorithmen die Daten verarbeiten und Objekte wie Fahrzeuge, Fußgänger oder Fahrbahnmarkierungen erkennen. Auf dieser Basis kann das System Fahrfunktionen wie Spurhalten oder Bremsentscheidungen unterstützen und unter realen Bedingungen getestet werden.
An der Hochschule Heilbronn wird dieses Wissen insbesondere im Zentrum für Maschinelles Lernen (ZML) sowie im Center for Industrial AI (iAI) praxisnah vermittelt. Studierende lernen dort, wie Sensordaten verarbeitet, KI-Modelle entwickelt und autonome Systeme praktisch umgesetzt werden. Das ist besonders wichtig, da sie dadurch die Verbindung zwischen theoretischen Algorithmen und realen Anwendungen verstehen und direkt in industriellen Projekten anwenden können. Dadurch stehen ihnen im späteren Berufsleben vielfältige Karrieremöglichkeiten offen, zum Beispiel in der Entwicklung autonomer Systeme, in der Fahrzeugtechnik oder in der industriellen KI-Anwendung.
