Skip to main content
zum Seitenanfang
Kontakt
Ingolstadt University of Technology
Kontakt
de | en
Startseite
  • Über uns
    • Über uns: Forschungsprogrammatik und Vision
    • Karriere
    • Team
  • Aktuelles & Presse
  • C-IAD
    • C-IAD
    • Absicherung automatisierter Fahrfunktionen mittels Mixed-Reality
    • Ergonomie und Humanfaktoren
    • Fahrversuche für autonome Fahrzeugeingriffe
      • STF Sichere Trajektorienführung mittels Fahrroboter
      • AUSM Automated Driving in Silent-Mode
      • Kundengerechte Erprobungssystematik pilotiertes Fahren
    • Funktions- und HW-Absicherung am HIL für automatisierte Fahrsyste
    • Maschinelles Lernen für Fahrzeugsicherheitssysteme
      • Sichere Unfallprognose (SUP)
      • MLPOG Lernverfahren Validierung Fahrzeugsicherheit
      • HySLEUS Hybride Lernmethoden Sicherheitsstandard Fahrzeug
      • OLAF Online Lernverfahren Anwendungen Fahrzeugsicherheit
      • VbD
      • IDA Intelligente Datenaufnahme im Bereich Automotive
      • ITraKS Trajektorienprädiktion zur Kollisionsvermeidung
      • KIaF KI-Algorithmen für automatisiertes Fahren
      • Datengetriebene Szenarioanalyse
    • Positionierung und Umfeldsensorik
      • REMI Referenz mittels Inertialsensorik
      • MODES Trajektorienplanung dezentrale Sensordaten
    • Sensor/Störgrößensimulation mit Fokus auf Witterungseffek
    • Simulationsbasierte stochastische Wirkungsanalyse
    • Virtuelle Absicherung von Fahrzeugsicherheitssystemen
      • Virtuelle Absicherung und Performanz Bewertung
  • C-ISAFE
    • C-ISAFE
    • Sichere Umfelderkennung
    • Unvermeidbarkeit von Kollisionen & Schwere eines Unfalls
    • Sicherheit bei schlechtem Wetter
    • Fußgängerschutz
    • Absicherung des automatisierten Fahrens
    • Methoden der passiven Sicherheit
    • Sicherheit neuer Mobilitätskonzepte
    • Innenraumüberwachung
  • C-ECOS
    • C-ECOS
    • Team
    • Karriere
    • Car2X und Cyber-Physikalische Systeme
    • Robustness and Durability in Electric Mobility
    • Strukturelle Integrität
    • Medical and AI Security
    • Software and System Security
    • Innovative Antriebssysteme und Nutzfahrzeugtechnik
      • Strukturelle Integrität
    • Kooperative Intelligente Verkehrssysteme
      • Car2X-Kommunikation für Verkehrssicherheit und -effizienz
        • ETSI STF 585 MCO
        • IN2Lab
        • KOALA-2
      • Kommunikation für Autonome Drohnen
    • Security in Mobility
      • INFASEC - Unfälle automatisierter Fahrzeuge aufklären
      • DevGPT – Automotive Software Development
      • HATS3 – Fahrzeuge hacken
      • iBattMan – Sicherheit für die nächste BMS-Generation
      • MARBEL – Elektrofahrzeuge gegen Angriffe schützen
      • MASSiF Modellbasierte Absicherung von Security und Safety
      • SELFY – Werkzeuge zur Selbsteinschätzung/Schutz für CCAM
      • TRADE – Blockchain zum Plagiatsschutz von Ersatzteilen
      • REBORN - Forschung für sichere Second-Life-Batterien
    • Sichere Elektromobilität und Unfallanalyse
      • Industrieprojekte
      • Verhalten unter extremen Bedingungen
      • Sicherer Fahrzeugbetrieb
        • SAFIR IP4-1
        • SAFIR IP4-3
        • Robustheit-Alterung
      • Sichere Batteriesysteme
        • HYPOBATT
        • PRIMA Batteries
        • SUSTAIN
        • SENSE BAY
        • SAFIR IP4-2
        • LIBERA
        • LIKO
      • AHEAD
      • Studie: Hands-On vs. Simulation
      • Lehre in der Fakultät Elektro- und Informationstechnik
        • Batterie-Testsystem
        • Physikalische Chemie
        • Praktikum Energiespeicher
    • Ringvorlesung zur Elektromobilität
  • Labore
    • Innovationszentrum für digitale Fahrzeugforensik
    • Wasserstoff Technologie-Anwenderzentrum (WTAZ / ITZ Süd)
    • Abuseversuche
    • Car2X-Labor
    • Labor für Nachhaltige Energiesysteme
    • Fahrsimulator / Hexapode
    • Fallturm
    • Freifahrsysteme für automatisierte Fahrversuche
    • HiL-Labor
    • Driving Experience Lab (Mobiler Fahrsimulator)
    • Indoor-Versuchsanlage
      • Crashanlage
      • Nebelanlage
      • Regenanlage
      • Lichtsimulator
    • Outdoor-Freiversuchsgelände
    • Mobile Roboter
    • Reallabor High Definition Testfeld
      • Bürgerinformation
    • Forschungsfahrzeuge
    • Security in der Mobilität
    • Sichere Energiespeicher
    • Simulationslabor
    • Targets
    • Twizy (ANTON)
Kontakt
de | en
  1. Homepage Technische Hochschule Ingolstadt
  2. Forschung & Transfer
  3. CARISSMA
  4. Über uns
  5. Team
  6. Carissma Team

Alexander Fertig, M.Sc.


Wissenschaftlicher Mitarbeiter CARISSMA Institute of Automated Driving | Promovend im Cluster Künstliche Intelligenz

Tel. +49 841 9348-6615
E-Mail Alexander.Fertig@thi.de
Raum: U102

Forschung


Forschungsschwerpunkte:

  • Fahrzeugsensorsysteme
  • Representation Learning
  • Anomaliedetektion und Clustering

     

Projekte: 

  • CERTAIN
  • Intelligente Aufzeichnung von Auffälligkeiten

Veröffentlichungen


  • A. Fertig and M. Botsch. "Monitoring automotive perception sensors using latent representations", AT automatisierungtechnik, 2026. [ accepted ]
  • A. Fertig and M. Botsch. "Run-Time Monitoring Frameworks for Validation of Autonomous Vehicles: A Focused Review of Applications", 2026 IEEE International Conference In Electronic Engineering and Information Technology (EEITE), Chania, Greece, 2026. [ accepted ]
  • A. Fertig, K. Sekaran, L. Balasubramanian and M. Botsch, "Online Monitoring Framework for Automotive Time Series Data using JEPA Embeddings “, 2026 IEEE Intelligent Vehicles Symposium (IV), Detroit, MI, USA, 2026. [ accepted | arXiv pre-print ]
  • R. Egolf, A. Fertig and M. Botsch, "Conditioned Trajectory Generation for Realistic Driving Scenarios via a Hybrid Machine Learning Architecture," 2025 IEEE 28th International Conference on Intelligent Transportation Systems (ITSC), Gold Coast, Australia, 2025. [ IEEE ]
  • A. Fertig, L. Balasubramanian and M. Botsch, "Hybrid Machine Learning Model with a Constrained Action Space for Trajectory Prediction," 2025 IEEE Intelligent Vehicles Symposium (IV), Cluj-Napoca, Romania, 2025. [ IEEE | arXiv ]
  • A. Fertig, L. Balasubramanian and M. Botsch, „Clustering and Anomaly Detection in Embedding Spaces for the Validation of Automotive Sensors“, 2024 IEEE Intelligent Vehicles Symposium (IV), pp. 1076-1083, 2024. [ IEEE ]

Lehre

  • Foundations of Machine Learning (Praktikum) im Studiengang Autonomous Vehicle Engineering (B. Eng.)
  • Digitale Signalverarbeitung (Praktikum) im Studiengang Robotik (B. Eng.)
Technische Hochschule Ingolstadt
  • Esplanade 10
    85049 Ingolstadt
  • Tel.: +49 841 9348-0
  • E-Mail: info@thi.de

Rechtliche Hinweise

  • Impressum
  • Datenschutz
  • Barrierefreiheit

Fragen zum Studium?

  • Service Center Studienangelegenheiten
  • Beratung für Studieninteressierte
  • International Office

Sonstige Infos

  • Kontakt und Anfahrt
  • Karrierewege
  • Öffnungszeiten
  • Marketplace
  • Ihr Feedback zur Website
Logo Akkreditierungsrat: Systemakkreditiert