Prof. Dr. Stephan Pareigis

• Diskrete Mathematik
• Analysis und Lineare Algebra
• Algorithmen und Datenstrukturen
• Embedded Programming
• Embedded Machine Learning
• Reinforcement Learning

• Autonome und Intelligente Systeme
• Robotik und autonomes Fahren
• Reinforcement Learning
• Embedded Machine Learning

seit 2018 Departmentleitung Informatik
2005-2018 Vorsitzender des Prüfungsausschusses Informatik
seit 2005 Gründung und Leitung der Forschungsgruppe Fahrassistenz- und Autonome Systeme, später autosys research lab
seit 2004 Professor für Angewandte Mathematik und Technische Informatik an der HAW Hamburg
1998-2004 Embedded Software-Entwickler bei Heidelberger Druckmaschinen AG, später Nexpress GmbH Kiel
1993-1998 Wissenschaftlicher Mitarbeiter C1 am Institut für Informatik und Praktische Mathematik an der CAU Universität Kiel
Promotion Dr.rer.nat im Bereich Numerische Methoden im Reinforcement Learning
1992-1993 Promotionsstipendiat Technomathematik, Universität Kaiserslautern
1992 Diplom Mathematiker mit Nebenfach Informatik, LMU München
1989-1992 Software-Entwickler CAESAR Datensysteme München
1987-1989 Software-Entwickler Siemens AG München

• Gesellschaft für Informatik GI
• Mitglied im Programmkomitee Echtzeit GI
• Mitglied im Forschungs- und Transferzentrum Smart Systems
• Leitung des Labors autosys research lab

Ausgewählte Publikationen

Pareigis, S., Hermosilla-Diaz, J. E., Reyes-Montiel, J., Maaß, F., Haase, H., Mang, M., & Marin-Hernandez, A. (2023, November). Offline Feature-Based Reinforcement Learning with Preprocessed Image Inputs for Liquid Pouring Control. In International Conference on Informatics in Control, Automation and Robotics 2023 (pp. 320-326). ScitePress.

Pareigis, S. and Maaß, F. (2023). Improved Robust Neural Network for Sim2Real Gap in System Dynamics for End-to-End Autonomous Driving, Informatics in Control, Automation and Robotics : 19th International Conference, ICINCO 2022 Lisbon, Portugal, July 14–16, 2022 ; Revised Selected Papers

Pareigis, S. et al. (2023). Artificial Intelligence in Autonomous Systems. A Collection of Projects in Six Problem Classes. In: Unger, H., Schaible, M. (eds) Real-time and Autonomous Systems 2022. Real-Time 2022. Lecture Notes in Networks and Systems, vol 674. Springer, Cham. https://doi.org/10.1007/978-3-031-32700-1_14

Pareigis, S. and Maaß, F. (2022). Robust neural network for sim-to-real gap in end-
to-end autonomous driving. In International Conference on Informatics in Control,
Automation and Robotics 2022, Proceedings of the 19th International Conference on
Informatics in Control, Automation and Robotics (ICINCO 2022), pages 113–119

Tiedemann, T., Schwalb, L., Kasten, M., Grotkasten, R., and Pareigis, S. (2022). Miniature autonomy as means to find new approaches in reliable autonomous driving ai method design. Frontiers in neurorobotics, 16:846355.

Pareigis, S., Tiedemann, T., Kasten, M., Stehr, M., Schnirpel, T., Schwalb, L., and Burau, H. (2021). Künstliche intelligenz in der miniaturautonomie. In Fachtagung des gemeinsamen Fachausschusses Echtzeitsysteme von Gesellschaft für Informatik e.V. (GI), VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA) und In- formationstechnischer Gesellschaft im VDE (ITG) 2020, Informatik aktuell, pages 41–50.

Tiedemann, T., Fuhrmann, J., Paulsen, S., Schnirpel, T., Schönherr, N., Buth, B., and Pareigis, S. (2019b). Miniature autonomy as one important testing means in the development of machine learning methods for autonomous driving : How ml-based autonomous driving could be realized on a 1:87 scale. In International Conference on Informatics in Control, Automation and Robotics 2019, ICINCO 2019 : proceed- ings of the 16th International Conference on Informatics in Control, Automation and Robotics, pages 483–488.

Pareigis, S., Tiedemann, T., Kasten, M., Stehr, M., Schnirpel, T., Schwalb, L., and Burau, H. (2021). Künstliche intelligenz in der miniaturautonomie. In Fachtagung des gemeinsamen Fachausschusses Echtzeitsysteme von Gesellschaft für Informatik e.V. (GI), VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA) und In- formationstechnischer Gesellschaft im VDE (ITG) 2020, Informatik aktuell, pages 41–50.

Pareigis, S., Tiedemann, T., Fuhrmann, J., Paulsen, S., Schnirpel, T., and Schönherr, N. (2019). Miniaturautonomie und echtzeitsysteme. In Fachtagung des gemein- samen Fachausschusses Echtzeitsysteme von Gesellschaft für Informatik e.V. (GI), VDI/VDE-Gesellschaft für Mess- und Automatisierungstechnik (GMA) und Informa- tionstechnischer Gesellschaft im VDE (ITG) 2019, Informatik aktuell.

Tiedemann, T., Fuhrmann, J., Paulsen, S., Schnirpel, T., Schönherr, N., Buth, B., and Pareigis, S. (2019b). Miniature autonomy as one important testing means in the development of machine learning methods for autonomous driving : How ml-based autonomous driving could be realized on a 1:87 scale. In International Conference on Informatics in Control, Automation and Robotics 2019, ICINCO 2019 : proceed- ings of the 16th International Conference on Informatics in Control, Automation and Robotics, pages 483–488.