Sebastian von Enzberg

Lehr- und Forschungsschwerpunkte

Angewandte KI: KI-Methoden, Daten und IT-Systeme, Mensch und Organisation

Ich forsche und lehre zu angewandter Künstlicher Intelligenz.

KI-Methoden: Maschinelles Lernen, Computer Vision und Sprachmodelle, von der 3D-Oberflächeninspektion bis zu KI-Agenten für die vorausschauende Instandhaltung. Im Mittelpunkt stehen domänenspezifische Modelle, die auch mit wenig Daten verlässlich arbeiten.

Daten & IT-Systeme: Data Science, IT-Infrastruktur und Know-How zur Systemimplementierung - von Datenbanksystemen über MLOps bis Kubernetes.

Mensch & Organisation: Methoden für Entwurf und Planung von KI-Systemen, Implementierungs- und Begleitforschung zur Nutzung von KI-Anwendungen - Humanzentrierte und designbasierte Entwicklung.

Werdegang

seit Nov 2023Professor für Künstliche Intelligenz und Technische Informatik, FB Ingenieurwesen und Industriedesign, Hochschule Magdeburg-Stendal
2018 - 2023

Gruppenleiter Produktionsmanagement, Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM, Paderborn

Dez 2018Promotion (Dr.-Ing.), Fakultät für Elektrotechnik und Informationstechnik, Otto-von-Guericke Universität Magdeburg
2016 - 2024Senior-Experte Industrial Data Science, Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM, Paderborn
2011-2016Wissenschaftlicher Mitarbeiter Lehrstuhl Neuro-Informationstechnik, Otto-von-Guericke Universität Magdeburg
2011Ingenieur Forschung & Entwicklung 3D-Messtechnik, INB Vision AG, Magdeburg
2004 - 2010Diplomstudium (Dipl.-Ing.) Elektrotechnik, Fakultät für Elektrotechnik und Informationstechnik, Otto-von-Guericke Universität Magdeburg

 

 

 

Auszeichnungen und Engagement

  • 2025: Lehrpreis der h2 für "KI für alle", nominiert von Studierenden
  • 2025: Forschungs-Teampreis der h2 für ZAKKI und h2d2 mit Prof. Dr. Susanne Borkowski
  • 2024: Shortlist der besten Lehrveranstaltungen der h2: "IT and Data Science"
  • Vorsitz der Senatskommission "IT und Mediendienste"

Projekte

Aktuelle Projekte

  • Study and Thrive - Zusammen.Wachsen. Teilprojektleitung in den Bereichen "Interdisziplinarität & KI" sowie "Labordidaktik und Hochschulweite Laborstruktur" (Stiftung Innovation in der Hochschullehre).
  • A2CAP - Agentic AI-centric Customer Data Platform. Teilprojektleitung im Verbundprojekt mit der aiio GmbH (EU Fonds für regionale Entwicklung EFRE, Land Sachsen-Anhalt LSA).
  • RE:LOCAL - KI-gestützter Lokaljournalismus in ländlichen Räumen. Teilprojektleitung "KI-Einsatz im Lokaljournalismus" im Verbund mit FU Berlin und RWTH Aachen. Förderlinie INSIGHT 2 (Bundesministerium für Forschung, Technologie und Raumfahrt BMFTR).
  • InsectCare - Vernetztes Insektenmonitoring und Renaturierung für nachhaltigen Bestäuber- und Gewässerschutz in Biosphärenreservaten. Teilprojektleitung Bee/KI-Tech mit Prof. Christian Willberg, Projektleitung: Prof. Petra Schneider (Ministerium für Wissenschaft, Energie, Klimaschutz und Umwelt MWU LSA)
  • SynerKI - Synergetische KI-Lösungen für ganzheitliche Prozessoptimierung in Finance, Management, Marketing, Operations und Data Science. Begleitung als Supervisor KI & Data Science / Leitung: Prof. Fabian Behrendt (EFRE LSA)
  • KI-RISK - Künstliche Intelligenz in der holistischen Hochwasserrisikoanalyse. Projektbegleitung / Leitung: Prof. Daniel Bachmann, FB WUBS (MWU LSA)

Abgeschlossene Projekte

Vergangene Projekte Hochschule Magdeburg-Stendal

Vergangene Projekte Fraunhofer IEM (2016-2023)

  • VIP4PAPS - Prescriptive-Analytics-Plattform für die Smart Factory (BMBF VIP+)
  • InZent - Energieeffizienter Betrieb von Zentrifugen durch Data Analytics (BMWK)
  • BPM-I4.0 - Process Mining industrieller Kernprozesse (MWIDE NRW)
  • MOVE - Maschinelle Intelligenz für Wertschöpfungsnetze (MWIDE NRW)
  • IMAGINE - KI-gestützte Intralogistik (MWIDE NRW)
  • ARISE - KI in der Produktionsplanung und -steuerung (BMBF)
  • Boost 4.0 - Big Data für europäische Smart Factories (Horizon 2020)

Vergangene Projekte Universität Magdeburg (2011 - 2016)

  • HOI - Hochaufgelöste Oberflächeninspektion großflächiger Bauteile (ZIM)
  • Virtuelles Training - Oberflächeninspektion auf Basis angepasster Modelle (EFRE LSA)

Lehre

Grundlagenmodule

Module AI.Engineering

Wahlpflichtmodule

Weiteres

Abschlussarbeiten

Ich betreue Bachelor- und Masterarbeiten in allen Themenfeldern der angewandten KI, gern auch gemeinsam mit Unternehmen oder anderen Fachbereichen. Eigene Ideen sind willkommen - lassen Sie sich von den aktuellen Forschungsprojekten inspirieren.

Eine Liste offener Themen folgt!

Promotionen

Promotionen

Promotionen in einem der drei Themenfelder Angewandter KI betreue ich gerne als Mitglied im Promotionszentrum Umwelt und Technik. Melden Sie sich gerne mit einer kurzen Skizze per Email.

Aktuelle Promotionsthemen

  • Kazi Nafiul Hassan: "Comparable Environmental Assessments Under Regulatory Change: Detecting and Bridging Silent Changes in the Meaning of Pollutant Register Data with LLM-Supported Human Review", seit 2026 (Erstbetreuer, mit Prof. Gilian Gerke) 
  • Patrick Timm: "Spezifikationstechnik für agentische KI-Lösungen im Kontext Predictive Maintenance", seit 2026 (Erstbetreuer, mit Prof. Fabian Behrendt)
  • Stefan Hempfling: "Multiskalenmodellierung und Regelung der PHA-Produktion in Cupriavidus necator", seit 2025 (Erstbetreuer, mit Prof. Robert Dürr)
  • Nadine Kaltschmidt: "Entwicklung eines integrierten Vorgehensmodells für die strategische KI-Adoption in kleinen und mittleren Unternehmen", seit 2025 (Zweitbetreuer, mit Prof. Fabian Behrendt)

Betreute Promotionen

Publikationen

2026

  • von Enzberg, S.; Schmulius, N.; Liefke, M.; Böschen, S.; Rößner, M.; Döring, D.; Künzler, M.: Von Kuratierung zu Generierung – eine Taxonomie algorithmischer Automatisierung in der Medienöffentlichkeit. Vortrag Netzwerk Medienstrukturen (NMS 2026), Full Paper eingeladen.
  • Timm, P.; Behrendt, F.; von Enzberg, S.: Identifying LLM applications for predictive maintenance. International Doctoral Students Workshop on Logistics (IDWL 2026), Magdeburg. DOI
  • Timm, P.; Menschulin, D.; Zimmermann, J.; von Enzberg, S.; Behrendt, F.: Foundation models in production planning and control: A systematic evidence mapping and evaluation taxonomy. CIRP CMS 2027, Abstract eingereicht.

2025

  • Müller, L. M.; Hajji, R.; von Enzberg, S.; Döring, D.: Die Entwicklung der Handlungsfähigkeit beim Einsatz von KI-Tools zur Python-Programmierung. Journal für Allgemeine Didaktik 13. DOI
  • von Enzberg, S.; Müller, L. M.; Döring, D.; Hajji, R.: Domänenadaptierte LLMs als Lernassistenten in der Hochschullehre. MINT digital 2025, im Erscheinen.
  • Müller, L. M.; Hajji, R.; von Enzberg, S.; Donner, R.; Döring, D.: Einfluss von KI-Nutzung auf die studentische Leistung im Data-Science-Kontext. MINT digital 2025, im Erscheinen.
  • Weller, J.; Lick, J.; Brock, J.; Heuwinkel, T.; Hartmann, S.; Kühn, A.; von Enzberg, S.; Dumitrescu, R.: Advanced Analytics Capability Map for Smart Factories. Procedia CIRP. DOI

2024

  • von Enzberg, S.; Weller, J.; Brock, J.; Merkelbach, S.; Panzner, M.; Lick, J.; Kühn, A.; Dumitrescu, R.: On the Current State of Industrial Data Science. Procedia CIRP (CMS). DOI
  • von Enzberg, S.; Weller, J.; Pöhler, P.; Kühn, A.; Römer, M.; Dumitrescu, R.: Künstliche Intelligenz in der Produktionsplanung und -steuerung: Potentiale und Anwendungsreife. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb 119(5). DOI
  • Müller, L. M.; von Enzberg, S.: „KI für alle: verstehen, anwenden, reflektieren“ – ein interdisziplinäres Lernangebot der Hochschule Magdeburg-Stendal im Bereich KI. DELFI Workshops. DOI
  • Weller, J.; Migenda, N.; von Enzberg, S.; Kohlhase, M.; Schenck, W.; Dumitrescu, R.: Design decisions for integrating Prescriptive Analytics Use Cases into Smart Factories. Procedia CIRP 128. DOI
  • Panzner, M.; von Enzberg, S.; Dumitrescu, R.: Developing a data analytics toolbox for data-driven product planning. AIEDAM. DOI
  • Afroze, L.; Merkelbach, S.; von Enzberg, S.; Dumitrescu, R.: Domain Knowledge Injection Guidance for Predictive Maintenance. ML4CPS. DOI
  • Brock, J.; Brennig, K.; Löhr, B.; Bartelheimer, C.; von Enzberg, S.; Dumitrescu, R.: Improving Process Mining Maturity – From Intentions to Actions. BISE. DOI
  • Heuwinkel, T.; Merkelbach, S.; Janssen, N.; von Enzberg, S.; Dumitrescu, R.: Leveraging Self-Supervised Learning for Vibration Data in Industrial Separators. ML4CPS. DOI
  • Weller, J.; Migenda, N.; Liu, R.; Wegel, A.; von Enzberg, S.; Kohlhase, M.; Schenck, W.; Dumitrescu, R.: Towards a Systematic Approach for Prescriptive Analytics Use Cases in Smart Factories. ML4CPS. DOI
  • Brock, J.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Towards business use cases of process mining in product development and manufacturing. Procedia CIRP 128. DOI
  • Merkelbach, S.; Diedrich, A.; von Enzberg, S.; Niggemann, O.; Dumitrescu, R.: Towards the generation of models for fault diagnosis of CPS using VQA models. ML4CPS. DOI

2023

  • Brock, J.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Process Mining Data Canvas: A Method to Identify Data and Process Knowledge for Data Collection and Preparation in Process Mining Projects. Procedia CIRP, 602–607. DOI
  • Brock, J.; Rempe, N.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: A Framework for the Domain-Driven Utilization of Manufacturing Sensor Data in Process Mining: An Action Design Approach. Conference on Production Systems and Logistics (CPSL). DOI
  • Brock, J.; Löhr, B.; Brennig, K.; Seger, T.; Bartelheimer, C.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: A Process Mining Maturity Model: Enabling Organizations to Assess and Improve their Process Mining Activities. European Conference on Information Systems (ECIS). Link
  • Weller, J.; Roesmann, D.; Eggert, S.; von Enzberg, S.; Gräßler, I.; Dumitrescu, R.: Identification and Prediction of Standard Times in Machining for Precision Steel Tubes through the Usage of Data Analytics. Procedia CIRP. DOI
  • Lick, J.; Schreckenberg, F.; Sahrhage, P.; Wohlers, B.; Klöcker, S.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Integrating Domain Expertise and Artificial Intelligence for Effective Supply Chain Management Planning Tasks: A Collaborative Approach. Artificial Intelligence, Social Computing and Wearable Technologies (AHFE). DOI

2022

  • Panzner, M.; von Enzberg, S.; Meyer, M.; Dumitrescu, R.: Characterization of Usage Data with the Help of Data Classifications. Journal of the Knowledge Economy. DOI
  • Panzner, M.; Meyer, M.; von Enzberg, S.; Dumitrescu, R.: Business-to-Analytics Canvas: Translation of Product Planning-Related Business Use Cases into Concrete Data Analytics Tasks. Procedia CIRP 109, 580–585. DOI
  • Merkelbach, S.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Towards a Process Model to Enable Domain Experts to Become Citizen Data Scientists for Industrial Applications. IEEE International Conference on Industrial Cyber-Physical Systems (ICPS). DOI
  • Brock, J.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Nutzung von Process Mining in RPA-Projekten. Praxishandbuch RPA. DOI
  • Merkelbach, S.; Afroze, L.; Janssen, N.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Using vibration data to classify conditions in disk stack separators. Vibroengineering Procedia. DOI
  • Lázaro, O.; Alonso, J.; Ohlsson, P.; Tijsma, B.; Lekse, D.; Volckaert, B.; Kerkhove, S.; Nielandt, J.; Masera, D.; Patrimia, G.; Pittaro, P.; Mulè, G.; Pellegrini, E.; Köchling, D.; Naskos, T.; Metaxa, I.; Leßmann, S.; von Enzberg, S.: Next Generation Big Data Driven Factory 4.0 Operations and Optimisation: The Boost 4.0 Experience. In: Technologies and Applications for Big Data Value, Springer. DOI

2021

  • Yee, J.; Low, C. Y.; Hashim, N. M.; Hanapiah, F. A.; Zakaria, N. A. C.; Asmar, L.; Rabe, M.; von Enzberg, S.; Dumitrescu, R.: Data-Driven Model for Upper Limb Spasticity Detection. IJIE. DOI
  • Henkenjohann, M.; Joppen, R.; Köchling, D.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Identification and specification of standard modules in production for a material flow simulation. Procedia CIRP. DOI

2020

  • von Enzberg, S.; Naskos, A.; Metaxa, I.; Köchling, D.; Kühn, A.: Implementation and Transfer of Predictive Analytics for Smart Maintenance. Frontiers in Computer Science. DOI
  • https://doi.org/10.3389/fcomp.2020.578469Jha, N. K.; von Enzberg, S.; Hillebrand, M.: Using Deep Learning for Anomaly Detection in Autonomous Systems. ERCIM News. Link
  • https://ercim-news.ercim.eu/en122/special/using-deep-learning-for-anomaly-detection-in-autonomous-systemsYee, J.; Low, C. Y.; Koh, C. T.; von Enzberg, S.; Rabe, M.; Wegel, A.; Asmar, L.; Hanapiah, F. A.; Hashim, N. M.; Zakaria, N. A. C.: Data science platform for smart diagnosis of upper limb spasticity. Procedia Manufacturing. DOI
  • Yee, J.; Low, C. Y.; Ong, P.; Soh, W. S.; Hanapiah, F. A.; Zakaria, N. A. C.; von Enzberg, S.; Asmar, L.; Dumitrescu, R.: Verification of Mathematical Model for Upper Limb Spasticity with Clinical Data. IOP Conf. Series. DOI
  • Massmann, M.; Meyer, M.; Frank, M.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Framework for data analytics in data-driven product planning. Procedia Manufacturing. DOI
  • Massmann, M.; Meyer, M.; Frank, M.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Method for data inventory and classification. Procedia CIRP. DOI

2019

  • Joppen, R.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: A practical Framework for the Optimization of Production Management Processes. Procedia Manufacturing. DOI
  • von Enzberg, S.; Sahrhage, P.; Kühn, A.: Big Data-Architekturen – die sicheren Häuser in der Fertigung. Fabriksoftware. Artikel
  • von Enzberg, S.; Al-Hamadi, A.: Improvement of Data-Driven 3-D Surface Quality Inspection by Deformation Simulation. IEEE ICSIPA. DOI
  • von Enzberg, S.; Reinhart, F.: Systemintegration und Validierung. Springer Vieweg · Intelligenter Separator. DOI
  • Lipsmeier, A.; Westermann, T.; von Enzberg, S.; Reinhart, F.: Entwicklung eines intelligenten Separators. Springer Vieweg. DOI
  • Joppen, R.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Data map – Method for the specification of data flows within production. Procedia CIRP. DOI
  • Joppen, R.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Investitionsentscheidungen vor dem Hintergrund der Digitalisierung am Beispiel Schaltschrankbau. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb 114(7-8), 483–487. DOI
  • Joppen, R.; von Enzberg, S.; Gundlach, J.; Kühn, A.; Dumitrescu, R.: Key performance indicators in the production of the future. Procedia CIRP. DOI
  • Reinhart, F.; von Enzberg, S.; Kühn, A.; Dumitrescu, R.: Machine Learning for Process-X: A Taxonomy. ML4CPS. DOI
  • Massmann, M.; Meyer, M.; Dumitrescu, R.; von Enzberg, S.; Frank, M.; Koldewey, C.; Kühn, A.; Reinhold, J.: Significance and challenges of data-driven product generation and retrofit planning. Procedia CIRP. DOI

2018

  • Kühn, A.; Joppen, R.; Reinhart, F.; Röltgen, D.; von Enzberg, S.; Dumitrescu, R.: Analytics Canvas – A Framework for the Design and Specification of Data Analytics Projects. Procedia CIRP. DOI
  • Michaelis, B.; Lilienblum, T.; von Enzberg, S.: Method and device for detecting deviations of an object surface. Patent: WO 2014/032661 A1; US 10,101,153 B2 (2018); CN 104583715 B (2018).
  • von Enzberg, S.: Produktionszustand: Auch produzierende Unternehmen horten wahre Datenschätze. Next Industry. Artikel

2011–2016, Universität Magdeburg

  • von Enzberg, S.; Al-Hamadi, A.: A Multiresolution Approach to Model-Based 3-D Surface Quality Inspection. IEEE Trans. Industrial Informatics. DOI (2016)
  • von Enzberg, S.; Al-Hamadi, A.; Ghoneim, A.: Registration of feature-poor 3D measurements from fringe projection. Sensors. DOI (2016)
  • von Enzberg, S.; Al-Hamadi, A.: A defect recognition system for automated inspection of non-rigid surfaces. ICPR. DOI (2014)
  • Rapczynski, M.; Lilienblum, E.; von Enzberg, S.; Al-Hamadi, A.: Simultaneous Multi-Camera Calibration Based on Phase-Shift Measurements on Planar Surfaces. IEEE I2MTC. DOI (2014)
  • von Enzberg, S.; Al-Hamadi, A.: Variables B-Spline-Modell zur 3D-Oberflächenprüfung. 3D-NordOst. (2013)
  • von Enzberg, S.; Michaelis, B.: Surface quality inspection of deformable parts with variable B-spline surfaces. DAGM / LNCS. DOI (2012)
  • von Enzberg, S.; Lilienblum, E.; Michaelis, B.: A physical simulation approach for active photogrammetric 3D measurement systems. IEEE I2MTC. DOI (2011)
  • von Enzberg, S.; Michaelis, B.: Approximation of 3D data with piecewise series expansions for surface inspection. IADIS CGVCVIP. (2011)

Kontakt

Künstliche Intelligenz und Technische Informatik

Prof. Dr.-Ing. Sebastian von Enzberg

Tel.: (0391) 886 44 72
Fax: (0391) 886 41 26
E-Mail: sebastian.von.enzberg@h2.de
Besucheradresse: Haus 8, Raum 2.18

Hintergrund Bild