• seit August 2023 Juniorprofessor
• von Juli 2020 bis August 2023 Wissenschaftlicher Mitarbeiter am FBK
• Juli 2021 Promotion zum Dr.-Ing. im Rahmen des IRTG 2057
• von Dezember 2015 bis Juni 2020 Wissenschaftlicher Mitarbeiter & Industriekoordinator am Lehrstuhl für Computer Grafik & HCI und Lehrstuhl für Visuelle Informationsanalyse, TU Kaiserslautern
• Dezember 2015 Master of Science, Angewandte Informatik: Produktionssysteme, TU Kaiserslautern 
• Forschungsgebiet: Data Science in Production Engineering

Zu den Forschungsschwerpunkte gehören unter anderem:

• Transfer Learning insbesondere für bildgebende Verfahren
• Generative Modelle in der Fabrikplanung und dem Shopfloor Monitoring
• Surrogate Models in der Produktion und Fertigung
• Erklärbare ML-Modelle 
• Verifikation und Validierung von ML-Modellen
• Datenanalyse und Visualisierung von Fertigungsprozessdaten

Sprechzeiten

• Bitte vereinbaren Sie einen Termin per Email

L.Yi, P.Ruediger-Flore, A. Karnoub, J. Mertes, M. Glatt, J.C. Aurich: Is it possible to develop a digital twin for noise monitoring in manufacturing? Digital Twin (2024). 10.12688/digitaltwin.17931.1 

M. Klar, P. Ruediger, M.Schuermann, T.G. Gören, M. Glatt, B. Ravani, J.C. Aurich: Explainable generative design in manufacturing for reinforcement learning based factory layout planning. Journal of Manufacturing Systems 72 (2024): S. 74–92 10.1016/j.jmsy.2023.11.012

P. Ruediger-Flore, M. Klar, M. Hussong, J. Mertes, L. Yi, M. Glatt, P. Kölsch, und J. C. Aurich: Neural Radiance Fields in der Fabrikplanung/On the applicability of Neural Radiance Fields for virtual model reconstruction in factory planning. wt Werkstattstechnik  113/06 (2023): S. 219–223 10.37544/1436-4980-2023-06-11.

P. Ruediger-Flore, M. Glatt, M. Hussong, und J. C. Aurich: CAD-based data augmentation and transfer learning empowers part classification in manufacturing. International Journal of Advanced Manufacturing Technology  125/11–12 (2023): S. 5605–5618 10.1007/s00170-023-10973-6.

P. Ruediger-Flore, M. Glatt, und J. C. Aurich: Herausforderungen für die Nutzbarkeit von Maschinellem Lernen bei hohem Variantenreichtum und kleinen Serien - Implikationen am Beispiel der Nutzfahrzeugproduktion. Zeitschrift für wirtschaftlichen Fabrikbetrieb 116/7-8 (2021): S. 1–6 10.1515/zwf-2021-0125.

P. Ruediger, C. Garth, H. Hagen, und H. Leitte: Is Smaller Always Better? - Evaluating Video Compression Techniques for Simulation Ensembles. 2nd International Conference of of the DFG International Research Training Group 2057 – Physical Modeling for Virtual Manufacturing (iPMVM 2020) in Open Access Series in Informatics (OASIcs) 89 (2021): S. 10:1-10:18 10.4230/OASIcs.iPMVM.2020.10.

R. N. Meghanathan, P. Ruediger-Flore, F. Hekele, J. Spilski, A. Ebert, und T. Lachmann: Spatial Sound in a 3D Virtual Environment: All Bark and No Bite?. Big Data and Cognitive Computing 5/4 (2021): S. 79 10.3390/bdcc5040079.

M. Hussong, M. Glatt, P. Ruediger-Flore, S. Varshneya, P. Liznerski, M. Kloft, und J. C. Aurich: Deep Learning zur Unterstützung der Arbeitsplanung: Ein Konzept zur Ermittlung von Vorgangsfolgen durch künstliche neuronale Netze. Zeitschrift für wirtschaftlichen Fabrikbetrieb 116/10 (2021): S. 648–651 10.1515/zwf-2021-0170.

P. Ruediger, F. Claus, B. Hamann, H. Hagen, und H. Leitte: Combining Visual Analytics and Machine Learning for Reverse Engineering in Assembly Quality Control. Journal of Imaging Science and Technology 64/6 (2020): S. 60405-1-60405–13 10.2352/J.ImagingSci.Technol.2020.64.6.060405.

P. Ruediger und H. Hagen: Dealing with Uncertainties in Manufacturing Process Simulations. Applied Mechanics and Materials 869 (2017): S. 226–233 10.4028/www.scientific.net/AMM.869.226.

A. Scherrer, I. Schwidde, A. Dinges, P. Rüdiger, S. Kümmel, und K.-H. Küfer: Breast cancer therapy planning–a novel support concept for a sequential decision making problem. Health care management science 18/3 (2015): S. 389–405.

P. Ruediger-Flore, M. Klar, M. Hussong, A. Mukherjee, M. Glatt, J.C. Aurich:Comparing Binary Classification and Autoencoders for Vision-Based Anomaly Detection in Material Flow. Procedia CIRP 121 - Proceedings of the 11th CIRP Global Web Conference (2024): S. 138-143. 10.1016/j.procir.2023.09.241

M. Hussong, S. Varshneya, P. Rüdiger-Flore, M. Glatt, M. Kloft, J.C. Aurich: A process planning system using deep artificial neural networks for the prediction of operation sequences. Procedia CIRP 120 - Proceedings of the 56th CIRP International Conference on Manufacturing Systems (2023): S. 135-140. 10.1016/j.procir.2023.08.025

A. Mukherjee, P. Ruediger-Flore, A. Billimoria, D. Chittari, W. Mustafa, M. Klar, M. Glatt, M. Kloft, J. C. Aurich: Training a Machine Learning Model for representing Manufacturing Systems towards optimizing Resilience. Procedia CIRP 120 - Proceedings of the 56TH CIRP Conference on Manufacturing Systems (2023): S. 768-773. 10.1016/j.procir.2023.09.073.

P. Ruediger, F. Claus, V. Leonhardt, H. Hagen, J. C. Aurich, und C. Garth: PREVIS - A Combined Machine Learning and Visual Interpolation Approach for Interactive Reverse Engineering in Assembly Quality Control. Procedia CIRP 112 (2022): S. 483–488 10.1016/j.procir.2022.09.053.

M. Klar, M. Hussong, P. Ruediger-Flore, L. Yi, M. Glatt, und J. C. Aurich: Scalability investigation of Double Deep Q Learning for factory layout planning. Procedia CIRP 107 (2022): S. 161–166 10.1016/j.procir.2022.04.027.

P. Ruediger, J. Spilski, N. Kartal, S. Gsuck, N. O. Beese, S. Schlittmeier, T. Lachmann, und A. Ebert: Cognitive indicators for acoustic source localization and presence in a vivid 3D scene. Proceedings of the ICA 2019 and EAA Euroregio : 23rd International Congress on Acoustics (2019)  10.18154/RWTH-CONV-239186.

P. Ruediger, C. Weber, H. Matsui, E. Heien, B. Hamann, H. Hagen, und L. Kellogg: Pre-filtering Turbulent Vector Fields in the Geodynamo. IEEE Visualization Conference (2015).

A. Scherrer, P. Rüdiger, A. Dinges, K.-H. Küfer, I. Schwidde, und S. Kümmel: A decision support concept for advanced treatment planning for breast cancer. Operations Research Proceedings (2013): S. 405–411.

A. Scherrer, P. Ruediger, A. Dinges, K.-H. Kuefer, I. Schwidde, S. Kuemmel: Software assisted decision making in breast cancer therapy planning. Operational research applied to health services (ORAHS) 2013 Conference Proceedings (2013): S. 99–102.