Noah Klarmann ist seit 2021 Forschungsprofessor für Künstliche Intelligenz an der Technische Hochschule Rosenheim. Zu seinen Lehr- und Forschungsgebieten gehören Themen wie der Einsatz von Künstlicher Intelligenz für technische Systeme sowie die Digitale Ethik.
Noah Klarmann erhielt 2014 seinen Abschluss in Chemieingenieurwesen an der Technischen Universität Berlin. Anschließend begann er 2015 seine Promotion als wissenschaftlicher Mitarbeiter am Lehrstuhl für Thermodynamik der Technischen Universität München. In dieser Zeit forschte er an neuen Modellierungsstrategien für die numerische Berechnung von turbulenten Verbrennungsprozessen. Unter der Betreuung von Prof. Dr.-Ing. Thomas Sattelmayer wurde er 2019 promoviert (summa cum laude). Parallel zu seiner Promotion begann Noah Klarmann 2017 ein Studium der Informatik mit dem Schwerpunkt Künstliche Intelligenz an der Technischen Universität München. Es folgte eine zweijährige Tätigkeit als Postdoktorand am Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme der Technischen Universität München von Prof. Dr.-Ing. habil. Alois Knoll. In dieser Funktion war er Teil des AI4DI-Projekts, das sich mit dem Erlernen von Robotersteuerungen in virtuellen Umgebungen beschäftigte. Darüber hinaus war Noah Klarmann Teil des Koordinationsteams des EU-Projekts SHOP4CF.
Noah Klarmann wurde 2021 zum Forschungsprofessor für Künstliche Intelligenz an die Technische Hochschule Rosenheim berufen. Zu seinen Lehr- und Forschungsgebieten gehören Themen wie der Einsatz von Künstlicher Intelligenz für technische Systeme sowie die Digitale Ethik. Die Forschungsgruppe besitzt einen starken Fokus auf die Produktion und ist eng mit dem proto_lab verbunden.
Schneevogt, M.; Binninger, K., Klarmann, N.: Optimizing Job Shop Scheduling in the Furniture Industry: A Reinforcement Learning Approach Considering Machine Setup, Batch Variability, and Intralogistics. Preprint available on arXiv, 2024.
Mehta, D.; Klarmann, N.: Manufacturing Quality Control With Autoencoder-Based Defect Localization and Unsupervised Class Selection. Mach. Learn. Knowl. Extr.2024, 6(1), 1-17; https://doi.org/10.3390/make6010001
2023
Vivekanandan, D.; Wirth, S.; Karlbauer, P.; Klarmann, N.: A Reinforcement Learning Approach for Scheduling Problems with Improved Generalization through Order Swapping. Mach. Learn. Knowl. Extr.2023, 5, 418-430. https://doi.org/10.3390/make5020025
2022
Josifovski, J.; Malmir, M.; Klarmann, N.; Knoll, A.: Analysis of Randomization Effects on Sim2Real Transfer in Reinforcement Learning for Robotic Manipulation Tasks. IROS, 2022.
2021
Klarmann, N.: Reinforcement Learning für die Industrierobotik. Konzepte der Robotik - Technik in Bayer | VDI, 2021.
Klarmann, N.: Artificial Intelligence Narratives: An Objective Perspective on Current Developments. Preprint available on arXiv, 2021.
Klarmann, N.; Malmir, M., Josifovski, J.; Plorin, D.; Wagner, M., Knoll, A.: Optimising Trajectories in Simulations with Deep Reinforcement Learning for Industrial Robots in Automotive Manufacturing. The AI4DI Book, 2021.
Hofmeister, T.; Hummel, T.; Klarmann, N.; Sattelmayer, T.: Elimination of Numerical Damping in the Stability Analysis of Non-Compact Thermoacoustic Systems With Linearized Euler Equations. Journal of Engineering for Gas Turbines and Power 143 (3), 2021. (peer-reviewed)
2020
Klarmann, N.; Sattelmayer, T.: Canonical Validation of a Modeling Strategy for Carbon Monoxide Emissions in Staged Operation of Gas Turbine Combustors. Journal of the Global Power and Propulsion Society 4 (1),2020. (peer-reviewed)
Josifovski, J.; Malmir, M.; Klarmann, N.; Knoll, A.: Continual Learning on Incremental Simulations for Real-World Robotic Manipulation Tasks. 2nd Workshop on Closing the Reality Gap in Sim2Real Transfer for Robotics, 2020.
Malmir, M.; Josifovski, J.; Klarmann, N.; Knoll, A.: Robust Sim2Real Transfer by Learning Inverse Dynamics of Simulated Systems. 2nd Workshop on Closing the Reality Gap in Sim2Real Transfer for Robotics, 2020.
2019
Klarmann, N.: Modeling Turbulent Combustion and CO Emissions in Partially-Premixed Conditions Considering Flame Stretch and Heat Loss. PhD Thesis, Technical University of Munich, 2019.
Klarmann, N.; Zoller, B.; Sattelmayer, T.: Modeling of CO Emissions in Multi-Burner Systems with Fuel Staging. Proceedings of the ASME Turbo Expo, Phoenix, 2019. (peer-reviewed)
2018
Klarmann, N.; Zoller, B.; Sattelmayer, T.: Numerical Modeling of CO-Emissions for Gas Turbine Combustors Operating at Part-Load Conditions. Journal of the Global Power and Propulsion Society 2(1), 2018.(peer-reviewed)
2017
Klarmann, N.; Zoller, B.; Sattelmayer, T.: Numerical Modeling of CO-Emissions for Gas Turbine Combustors Operating at Part-Load Conditions. Proceedings of Global Power and Propulsion Forum, Shanghai, 2017. (peer-reviewed)
Schulze, M.; Hummel, T.; Klarmann, N.; Berger, F.; Schuermans, B.; Sattelmayer, T.: Linearized Euler Equations for the Prediction of Linear High-Frequency Stability in Gas Turbine Combustors. Journal of Engineering for Gas Turbines and Power 139 (3), 2017. (peer-reviewed)
2016
Klarmann, N.; Sattelmayer, T.; Weiqun, G.; Magni, F.: Flamelet Generated Manifolds for Partially-Premixed, Highly-Stretched and Non-Adiabatic Combustion in Gas Turbines. 54th AIAA Aerospace Sciences Meeting, San Diego,2016. (peer-reviewed)
Klarmann, N.; Sattelmayer, T.; Zoller, B.; Geng, W.; Magni, F.: Impact of Flame Stretch and Heat Loss on Heat Release Distributions in Gas Turbines Combustors: Model Comparison and Validation. Proceedings of the ASME Turbo Expo, Seoul, 2016. (peer-reviewed)
Klarmann, N.; Sattelmayer, T.; Zoller, B.; Magni, F.: Modellierung der CO-Bildung und -Oxidation in Mehrbrennersystemen mit Brennstoffstufung. Tagungsband der AG Turbo, 2016.
Schulze, M.; Hummel, T.; Klarmann, N.; Berger, F.; Schuermans, B.; Sattelmayer, T.: Linearized Euler Equations for the Prediction of Linear High-Frequency Stability in Gas Turbine Combustors. Proceedings of the ASME Turbo Expo, Seoul,2016. (peer-reviewed)
