Prof. Dr.-Ing. Ahmad Osman
Signal- und Bildverarbeitung
Angewandte Künstliche Intelligenz (Applied AI) und intelligente Sensorsysteme.
Fokus liegt auf der industriellen Digitalisierung sowie dem nahtlosen Technologietransfer an der Schnittstelle zwischen angewandter Spitzenforschung (Fraunhofer-Gesellschaft) und internationaler akademischer Ausbildung (Direktor des DFHI).
Skalierbare Applied AI-Lösungen, Maschinelles Lernen und Deep Learning.
Signal- und Bildverarbeitung, Sensordatenfusion, Rekonstruktionsverfahren (3D-Ultraschall Tomographie), Zerstörungsfreie Messverfahren, Qualitätskontrolle und Zustandsüberwachung sowie generative digitale 3D-Modelle (Digitale Zwillinge).
Technologien / Methoden: Uncertainity based AI, Deep Learning, Digitale Zwillinge, Signal- und Bildverarbeitung, Sensordatenfusion, 3D-Ultraschalltomographie, Zerstörungsfreie Prüfung (ZfP).
Anwendungsfelder: Industrie 4.0/5.0, Smart Construction / PropTech, Predictive Maintenance, Automatische Qualitätskontrolle, AI Strategy & Digital Governance.
Zur Person
2024 – heute
Unternehmen: Deutsch-Französisches Hochschulinstitut (DFHI / ISFATES)
Position: Direktor
Tätigkeitsbeschreibung: Strategische und akademische Leitung des Instituts, Stärkung der grenzüberschreitenden Netzwerke zwischen Politik, Wirtschaft und Wissenschaft zur Ausbildung hochtalentierter Fachkräfte an internationalen Arbeitsmärkten.
2016 – heute
Unternehmen: htw saar
Position: Professor
Tätigkeitsbeschreibung: Inhaber der Professur für Prüftechnologien / Signal- und Bildverarbeitung von Sensordaten, Gründer und Leiter der kooperativen F&E Gruppe AutomaTiQ.
2008 – heute
Unternehmen: Fraunhofer Gesellschaft
Position: Forscher / Gruppenleiter / Abteilungsleiter / Academic Chief / Mitglied des Strategy and Innovation (S&I) Boards / AI Advisor
Tätigkeitsbeschreibung: Wissenschaftliche Spitzenleitung (Academic Chief) sowie Steuerung langfristiger Forschungsprioritäten und KI-bezogener Technologie-Roadmaps im Strategy & Innovation Board der Fraunhofer-Gesellschaft (IIS in Erlangen bis 2015, IZFP in Saarbrücken ab 2015).
Forschungsprojekte
Laufend / Transferphase (EXIST-Forschungstransfer)
Titel: marisol / marisol AI
Projektpartner/Fördergeber: Bundesministerium für Wirtschaft und Klimaschutz (BMWK) / EXIST-Förderung.
Beschreibung: Ein bahnbrechendes, interdisziplinäres Deep-Tech-Projekt zur Revolutionierung der Bau- und Immobilienbranche. Entwicklung einer App mit cloudfähiger Schnittstelle und innovativen KI-Algorithmen zur intelligenten Bildsegmentierung, um den Übergang von manuellen zu digitalen Prozessen zu automatisieren.
Abgeschlossen
Titel: Interaktives Deep Learning zur Haltbarkeitsvorhersage von Nutzpflanzen (z.B. Muskmelons)
Projektpartner/Fördergeber: Bundesministerium für Bildung und Forschung (BMBF / BMFTR) / Forschung an Fachhochschulen.
Beschreibung: Entwicklung eines innovativen Active-Learning-Ansatzes basierend auf zerstörungsfreier Sensorik zur präzisen Bestimmung der Resthaltbarkeit von frischen Lebensmitteln unter der Schale.
Kontinuierlich / Aktuell
Titel: ComforTex AI
Projektpartner/Fördergeber: FITT gGmbH / Industriepartner der Textilindustrie.
Beschreibung: Entwicklung eines KI-Tools zur Bewertung und Optimierung des Tragekomforts von Funktions-, Sport- und Schutzbekleidung unter Einbezug von physiologischen Daten und Umweltbedingungen.
Publikationen
2025
Autor*innen: Ahmad Osman et al.
Titel: Integrating AI in NDE: Techniques, trends, and further directions.
Journal / Relevanz: [NDT & E International](https://www.sciencedirect.com/science/article/pii/S0963869525001239)
Nutzen für die Industrie: Dieser umfassende Survey liefert Unternehmen eine mathematische und praktische Roadmap, wie zerstörungsfreie Prüfverfahren (Ultraschall, Thermografie, Magnetik und Optik) durch moderne KI-Architekturen automatisiert und skaliert werden können.
2025
Autor*innen: Ahmad Osman, Valerie Kaftandjian.
Titel: Applied Artificial Intelligence for Industrial Nondestructive Evaluation NDE 4.0.
Journal / Relevanz: [Applied Sciences / MDPI (Special Issue)](https://www.mdpi.com/2076-3417/15/9/4968) (Renommierte Schnittstelle zwischen angewandter Forschung und industrieller Praxis).
Nutzen für die Industrie: Zeigt auf, wie Edge- und Cloud-Computing genutzt werden können, um KI-gestützte Fehlererkennung direkt und vertrauenswürdig in die Taktzeit von Produktionsstraßen zu integrieren.
2022
Autor*innen: Dominique Albert-Weiss, Ahmad Osman.
Titel: Interactive Deep Learning for Shelf Life Prediction of Muskmelons Based on an Active Learning Approach.
Journal / Relevanz: Sensors (MDPI) https://doi.org/10.3390/s22020414 (Hochgeranktes, industrienah rezipiertes Fachjournal für Sensornetzwerke).
Nutzen für die Industrie: Zeigt ein direkt übertragbares Praxis-Framework für die Lebensmittel- und Verpackungsindustrie zur Reduktion von Daten-Labeling-Kosten.
Leistungen für Kooperationspartner
Typische Anwendungsfälle
• Bauen & Wohnen (durch DigiBauen & marisol AI)
• Mobilität & Verkehr (z.B. Kooperationen im Automotive-Sektor)
• Maschinen & Robotik (z.B. Industrie 4.0 & Automation)
• Information & Kommunikation (Kernbereich Applied AI)
• Nahrung & Lebensmittel (z.B. Active-Learning-Projekte)
• Prozesse & Materialien (z.B. NDE 4.0 / Zerstörungsfreie Prüfung)
Angebote/ Expertise
• Strategische Beratung als KI-Advisor (AI Strategy & Digital Governance
• Readiness Check)
• Erstellung von Machbarkeitsstudien für industrielle KI-Anwendungen
• Durchführung praxisnaher Workshops/Seminare zu angewandter Künstlicher Intelligenz
• wissenschaftliche Begleitung hochinnovativer Deep-Tech Ausgründungen als Gründungsbotschafter und erfahrener Mentor.
Labor / Technika
Forschungsgruppe AutomaTiQ AI (11 Jahre Kooperation zwischen htw saar und dem Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP).
Ausstattung: Hochleistungs-Rechencluster für industrielles Deep Learning, hochpräzise mobile sowie stationäre Sensorsysteme zur Echtzeit-Datenerfassung und prototypische KI-Pipelines zur automatisierten 3D-CAD-Modellierung.
Nutzung für Unternehmen: Wirtschaftspartner und Start-ups können die Infrastruktur nutzen, um eigene komplexe Datenbestände mittels fortschrittlicher KI-Verfahren auszuwerten, Machbarkeitsstudien durchzuführen oder tragbare, sensorbasierte Prüf- und Erfassungsverfahren im realen Transferkontext zu evaluieren.