Appointment with... Niklas Kochdumper

Prof. Niklas Kochdumper studierte im Bachelor-Studiengang Maschinenwesen und im Master Robotik, Kognition und Intelligenz an der Technischen Universität München (TUM). Seine Promotion erwarb er im Bereich "Formale Verifikation" in der Forschungsgruppe von Prof. Matthias Althoff in Garching. Dort beschäftigte er sich intensiv mit Methoden zur Absicherung von Systemen am Lehrstuhl für Robotik, Künstliche Intelligenz und Echtzeitsysteme. 

Wissenschaftliche Erfahrungen sammelte er als Postdoktorand an der Stony Brook University, NY/USA und anschließend am Institut de Recherche en Informatique Fondamentale (IRIF) an der Université Paris-Cité. Zu seinen Forschungsschwerpunkten zählen die formale Verifikation kontinuierlicher und hybrider Systeme, Erreichbarkeitsanalysen, computergestützte Geometrie, Reglersynthese und die Verifikation neuronaler Netze. Seit März 2025 war er Nachwuchsprofessor an der Technischen Hochschule Ingolstadt (THI). Zum 1. März 2026 wurde er als Professor für Raumfahrzeugkontrolle an die TUM School of Engineering and Design (TUM ED) berufen. Im Interview spricht er über seinen Weg in die Wissenschaft, seine Forschungspläne und darüber, warum Reproduzierbarkeit im Zeitalter der Künstlichen Intelligenz zentral bleibt. 

ED: Wie sind Sie zu dem geworden, der Sie sind? 

Prof. Niklas Kochdumper: Schon zu Beginn meines Studiums war mir klar, dass ich in eine technische Richtung gehen möchte, allerdings wusste ich noch nicht genau, welche. Ob Automotive, Aerospace oder Robotik – vieles hat mich interessiert. Deshalb habe ich mich im Bachelor bewusst für Maschinenwesen an der TUM entschieden, um zunächst eine breite ingenieurwissenschaftliche Grundlage zu legen. Die Spezialisierung sollte dann im Master folgen. 

Bei der Wahl meines Masterstudiums haben mich vor allem zwei Bereiche fasziniert: Luft- und Raumfahrt sowie Robotik und Regelungstechnik. Letztlich führte mich mein Weg über Informatik und Elektrotechnik hin zur Forschung an sicheren, intelligenten Systemen. Mit meiner aktuellen Professur schließt sich jetzt gewissermaßen ein Kreis: Ich arbeite in der Raumfahrt – und bin zugleich an meine Alma Mater zurückgekehrt. 

Was ist Ihr erstes Forschungsprojekt an der TUM?  

Ein zentraler Schwerpunkt meiner Forschung wird Reinforcement Learning mit Sicherheitsgarantien sein. KI-basierte Methoden haben ein enormes Potenzial, auch für Raumfahrtsysteme. Beispielsweise zeigen Studien, dass sich mithilfe von Reinforcement Learning Ressourcen wie Treibstoff effizienter einsetzen lassen, etwa beim Einsammeln von Weltraumschrott. 

Allerdings besteht ein grundlegendes Problem: Oft ist nicht transparent, was ein KI-System tatsächlich gelernt hat. Das führt zu erheblichen Sicherheitsbedenken, insbesondere bei kritischen Anwendungen wie in der Raumfahrt, wo Fehlentscheidungen gravierende Konsequenzen haben können. 

Genau hier setze ich an. Mein Ziel ist es, eine Brücke zwischen leistungsfähiger KI und verlässlicher Sicherheit zu schlagen. Dazu entwickle ich formale Sicherheitskonzepte, etwa sogenannte Safety Filter. Diese prüfen die Entscheidungen der KI und greifen korrigierend ein, wenn eine Aktion potenziell unsicher ist. Langfristig sollen solche Ansätze dazu beitragen, dass KI-basierte Verfahren auch in sicherheitskritischen Anwendungen zuverlässig eingesetzt werden können. 

Auf welche Veränderung hoffen Sie in der Zukunft?  

Eine der größten Herausforderungen, insbesondere im Kontext von KI, ist die Reproduzierbarkeit wissenschaftlicher Ergebnisse. Je komplexer Methoden werden, desto schwieriger wird es, Resultate unabhängig nachzuvollziehen und zu bestätigen. Dabei ist genau das eine der zentralen Säulen wissenschaftlichen Arbeitens. 

Ich wünsche mir deshalb, dass sich der Trend zur offenen und transparenten Forschung weiter verstärkt. Dazu gehört, dass Forschende ihre Ergebnisse nicht nur publizieren, sondern auch den zugrunde liegenden Code und die notwendigen Skripte bereitstellen. In den letzten Jahren gab es hier bereits wichtige Fortschritte: Viele Konferenzen fordern inzwischen explizit die Einreichung von Programmcode, und reproduzierbare Ergebnisse werden häufig besonders gekennzeichnet. 

Das ist ein wichtiger Schritt in die richtige Richtung. Perspektivisch könnte ich mir vorstellen, dass solche Anforderungen noch verbindlicher werden. Denn nur wenn Forschungsergebnisse nachvollziehbar und überprüfbar bleiben, kann wissenschaftlicher Fortschritt langfristig gesichert werden – auch und gerade im Zeitalter der Künstlichen Intelligenz.