Meine Forschung beschäftigt sich mit der numerischen Modellierung und Analyse impedanzbasierter Sensorsysteme, mit einem besonderen Schwerpunkt auf der Elektrischen Impedanztomographie (EIT). Ich verbinde Vorwärts- und Inversionsmodellierung, hardwaregestützte Simulationen und fortgeschrittene Numerik, um Bildgebung und Sensordesign besser zu verstehen und zu verbessern. Mit eigen implementierten finite Elemente Studien und Multiphysikalischer Simulationssoftware untersuche ich den Einfluss von Sensorgeometrie, Elektrodenkonfigurationen und Rauschen auf die Messqualität und die Ergebnisse der Rekonstruktion.
Auf der Hardware-Seite erforsche ich schnelle Datenerfassung und Signalgenerierung mithilfe von FPGAs und Microcontrollern, um performante Datenpiplines für Rekonstruktionen in Echtzeit zu ermöglichen.
Ein weiterer Schwerpunkt liegt auf der Integration von physikinformierten Machine-Learning-Ansätzen (z. B. PINNs) in dynamische Rekonstruktionsprobleme, wodurch physikalische Gesetze wie die Wärmeleitung in datengetriebene Methoden einbezogen werden können.
Ziel meiner Forschung ist es, die Numerik impedanzbasierter Sensorik durch die enge Verknüpfung von computergestützter Modellierung, Hardwareentwicklung und maschinellem Lernen weiterzuentwickeln und so robustere, genauere und vielseitigere Sensorsysteme zu ermöglichen.
