Tobias Thummerer M. Sc.

Wissenschaftlicher Mitarbeiter

Lehrstuhl für Mechatronik

Telefon:	+49 821 598 69275
E-Mail:	tobias.thummerer@uni-auni-a.de ()
Raum:	3049 (W)
Adresse:	Am Technologiezentrum 8, 86159 Augsburg

Kontakt (.vcf)

Lebenslauf

04/2021-06/2022	Themenfeldverantwortlicher Digitale Zwillinge für Werkstoff, Prozesse, Produktionsnetzwerk und Produkt im KI-Produktionsnetzwerk Augsburg
Seit 09/2019	Wissenschaftlicher Mitarbeiter am Lehrstuhl für Mechatronik
?	?
2017-2019	Master-Studium im Fach Ingenieurinformatik an der Universit?t Augsburg
2013-2017	Bachelor-Studium im Fach Ingenieurinformatik an der Universit?t Augsburg
2011-2013	Bachelor-Studium im Fach Informatik und Multimedia an der Universit?t Augsburg
?	?
2011-2018	Selbstst?ndig im Bereich Softwareentwicklung

Forschungsschwerpunkte

Scientific Machine Learning: Kombination von datengetriebenen und physikalischen Modellen, s. UPSIM
Domainenübergreifende, objektorientierte Modellbildung und Einflussanalyse
TSIP (tetrahedron-shaped inverted pendulum) und andere drehmomentaktuierte inverse Pendel, s. Youtube-Video

Lehrveranstaltungen

Aktuelles Semester

(Angewandte Filter: Semester: aktuelles | Institutionen: Ingenieurinformatik mit Schwerpunkt Mechatronik | Dozenten: Tobias Thummerer | Vorlesungsarten: alle)

Name	Semester	Typ
?bung zu Objektorientierte Modellbildung und Simulation: Theorie und Praxis	Wintersemester 2025/26	?bung
Seminar zu aktuellen Forschungsthemen der Mechatronik	Wintersemester 2025/26	Seminar
Praktikum Mechatronik	Wintersemester 2025/26	Praktikum
Objektorientierte Modellbildung und Simulation: Theorie und Praxis	Wintersemester 2025/26	Vorlesung
Praktikum zu Objektorientierte Modellbildung und Simulation: Theorie und Praxis	Wintersemester 2025/26	Praktikum
Praktikum Konstruktionslehre	Wintersemester 2025/26	Praktikum

N?chstes Semester

Keine Vorlesungen vorhanden.

Publikationen

2025 | 2023 | 2022 | 2021 | 2020

2025
Tobias Thummerer and Lars Mikelsons. 2025. Eigen-informed neural ordinary differential equations: incorporating knowledge of system properties. Neurocomputing 654, 131358. DOI: 10.1016/j.neucom.2025.131358 PDF \| BibTeX \| RIS \| DOI
2023
Tobias Thummerer, Artem Kolesnikov, Julia Gundermann, Denis Ritz and Lars Mikelsons. 2023. Paving the way for hybrid twins using neural functional mock-up units. In Dirk Müller, Antonello Monti, Andrea Benigni (Eds.). Proceedings of the 15th International Modelica Conference 2023, Aachen, October 9-11. Link?ping University Electronic Press, Link?ping, 141-150 DOI: 10.3384/ecp204141 PDF \| BibTeX \| RIS \| DOI
2022
Tobias Thummerer, Johannes Stoljar and Lars Mikelsons. 2022. NeuralFMU: presenting a workflow for integrating hybrid neuralODEs into real-world applications. Electronics 11, 19, 3202. DOI: 10.3390/electronics11193202 PDF \| BibTeX \| RIS \| DOI
2021
Tobias Thummerer, Johannes Tintenherr and Lars Mikelsons. 2021. Hybrid modeling of the human cardiovascular system using NeuralFMUs. Journal of Physics: Conference Series 2090, 1, 012155. DOI: 10.1088/1742-6596/2090/1/012155 PDF \| BibTeX \| RIS \| DOI
Tobias Thummerer, Lars Mikelsons and Josef Kircher. 2021. NeuralFMU: towards structural integration of FMUs into neural networks. In Martin Sj?lund, Lena Buffoni, Adrian Pop, Lennart Ochel (Eds.). Proceedings of 14th Modelica Conference 2021, Link?ping, Sweden, September 20-24, 2021. Link?ping University Electronic Press, Link?ping, 297-306 DOI: 10.3384/ecp21181297 PDF \| BibTeX \| RIS \| DOI
2020
Tobias Thummerer and Lars Mikelsons. 2020. A tetrahedron-shaped inverted pendulum with torque-actuation [Extended abstract]. In Sechste IFToMM D-A-CH Konferenz 2020, 27./28. Februar 2020, Campus Technik Lienz. DOI: 10.17185/duepublico/71191 PDF \| BibTeX \| RIS \| DOI
Tobias Thummerer and Lars Mikelsons. 2020. Modeling and control of a tetrahedron-shaped inverted pendulum with torque-actuation. IFAC-PapersOnLine 53, 2, 17548-17555. DOI: 10.1016/j.ifacol.2020.12.2667 PDF \| BibTeX \| RIS \| DOI

Software

Eine Liste aller Open-Source-Bibliotheken auf GitHub, in Auszügen:

?

FMI.jl

Softwarebibliothek zur Integration des Functional Mock-up Interface (FMI) in die Julia Programmiersprache.

Github: FMI.jl

FMIFlux.jl

Machine Learning mit hybriden Modellen aus Functional Mock-up Units (FMUs) in der Julia Programmiersprache.

Github: FMIFlux.jl

拉斯维加斯赌城