Stefan Amstutz Stefan Amstutz

Biografie

Weiterbildung

• CAS in DevOps Leadership and Agile Methods
  Informatik, HSLU, Rotkreuz

• CAS in Cloud and Platform Manager
  Informatik, HSLU, Rotkreuz

• Seminar in Innovationsmanagement
  Les Doctoriales d'Alsace, Université de Strasbourg, France

• International Graduate School on Control
  EECI, CentraleSupélec, Paris, France

Ausbildung

• Doctorat d’Automatique
  IRIMAS, Université de Haute-Alsace, Mulhouse, France

• Master of Science in Engineering, Vertiefung in Industrial Technologies
  Hochschule für Technik, FHNW, Windisch

• Bachelor of Science in Systemtechnik, Vertiefung in Industrial Automation
  Hochschule für Technik, FHNW, Windisch

Berufliche Tätigkeiten

• 2025 – Heute: Modulverantwortliche Medizininformatik und Dozent
  Höhere Fachschule Medizintechnik HFMTS, Sarnen

• 2021 – Heute: Senior Researcher für KI-gestützte Assistenzsysteme,
  MP und Systemarchitekt, iHomeLab, HSLU, Horw

• 2021 – Heute: Prüfungsexperte im Fach Computernetzwerke
  Höhere Fachschule Medizintechnik HFMTS, Sarnen

• 2022 – 2025: Leiter Themencluster für Machine Learning, BigData und AI
  iHomeLab, HSLU, Horw

• 2020 – 2023: Prüfungsexperte im Studiengang Systemtechnik
  Hochschule für Technik, FHNW, Windisch

• 2019 – 2021: System Integration Engineer
  Process Engineering and R&D Lab, Belimed AG, Zug

• 2015 – 2019: Wissenschaftlicher Mitarbeiter
  Institut für Automation, Hochschule für Technik, FHNW, Windisch

• 2012 – 2015: Wissenschaftlicher Assistent
  Institut für Automation, Hochschule für Technik, FHNW, Windisch

Ausgewählte Forschungsarbeiten

• SAP Anomaly Detection – KI-gestützte Auditierung der Datenqualität: Ein Deep-Learning-basiertes Analysetool, das Anomalien in SAP-Stammdaten erkennt, kritische Eingaben hervorhebt und Korrekturen vorschlägt. Bei Unsicherheiten in der Modellvorhersage wird der Data Owner einbezogen (Human-Feedback), um die KI kontinuierlich zu verbessern.

• KI im Gebäude – Open-Source-Digital-Twin-Plattform: Eine skalierbare, vollständig verteilte Cloud-Plattform, die Daten-Twins und Simulations-Twins nahtlos integriert. Durch ein Service-Consumer-Provider-Modell ermöglicht sie die Onlineentwicklung und kontinuierliche Bereitstellung KI-gestützter Dienstleistungen für die Echtzeit-Vorhersage und -Optimierung.

• RecoveryFun – Entscheidungsunterstützung für VR-gestützte Tele-Rehabilitation: Ein erklärbares Stress-Erkennungssystem, das Therapeuten dabei unterstützt, die relevanten KPIs zu verstehen, auf deren Basis das KI-Modell Stress identifiziert. Dies ermöglicht eine fundierte Validierung, bevor das VR-Training individuell angepasst wird.

• CleverGurad – Langzeit Anomalieerkennung für die häusliche Pflege: Ein KI-Assistent, der das Verhalten von Bewohner analysiert, Pflegekräfte über ungewöhnliche Tagesabläufe informiert und relevante Ereignisse kontextualisiert. Dadurch fördert er gezielte Gespräche zwischen allen Stakeholdern und stärkt die individuelle Betreuung.