Work

My work spans AI engineering in industry and academic research — from deploying LLM-based systems and operationalizing ML pipelines at XITASO, to peer-reviewed publications on deep learning for manufacturing at ECML, IEEE, and ICMLA venues (~80 Google Scholar citations).

Industry & Applied Research

Survey Paper

From Code Production to Code Orchestration: How AI Coding Assistants are Reshaping Software Engineering

Simon Stieber (XITASO GmbH) · March 2026 · 27 pages, 75+ studies synthesized

Introduces the "testing paradox" (AI test accuracy drops from 92% to 41% in real-world code), maps ~30% vulnerability rates in AI-generated code, and coins the term "comprehension debt."

AI coding assistants are fundamentally reshaping how software is built — shifting the developer's role from writing code to orchestrating AI agents. This survey maps the real impact: where AI genuinely accelerates development, where critical quality gaps emerge, and how teams must adapt to avoid accumulating technical and cognitive debt.

Read on ResearchGate

Blog Series

Operationalisierung von KI-Lösungen (2025)

Co-authored with Dr. Richard Nordsieck · XITASO Tech Blog · Based on GenAI assistant serving 70,000+ users

Bridging the gap from PoC to production-ready AI platforms — scaling, monitoring, and security.

Featured Research

PhD defense with examining professors

PhD Dissertation: ML for Carbon Fiber Reinforced Polymer Production

University of Augsburg, 2023

Three use cases for ML in composite manufacturing: flow front reconstruction, digital twin creation, and RL-based process control.

PDF

RL4RTM reinforcement learning for manufacturing

RL4RTM: Control of RTM through Deep Reinforcement Learning

ICMLA 2023 · Jacksonville, FL

50% defect reduction

Online RL control cutting failure rates from 54% to 27% without mathematical models.

PDF (preprint)

FlowFrontNet CNN for composite manufacturing

FlowFrontNet: Improving Carbon Composite Manufacturing with CNNs

ECML-PKDD 2020

Deep learning for real-time defect detection during composite production. 91.7% accuracy on 6M time steps from 36k processes.

PDF

PermeabilityNets neural network comparison

PermeabilityNets: Comparing Neural Network Architectures for CFRP

ICMLA 2021

ConvLSTMs achieve 96.56% accuracy predicting material permeability — outperforming Transformers and pure CNNs.

PDF (preprint)

All Publications

  • 2023 Inferring material properties from CFRP processes via Sim-to-Real learning IJAMT
  • 2023 Experimental validation of a new adaptable LCM mold filling software Adv. Manuf.: Polym. & Compos. Sci.
  • 2021 A Real-World Realization of the AntNet Routing Algorithm with ActivityBots ACSOS
  • 2021 Genetic Programming for Fiber-Threading for Fiber-Reinforced Plastics ETFA
  • 2020 Towards Real-time Process Monitoring and ML for Manufacturing Composite Structures ETFA
  • 2018 Transfer Learning for Optimization of Carbon Fiber Reinforced Polymer Production OCDDC

Academic Service & Reviewing

I have served as a peer reviewer for leading conferences and journals, ensuring quality in AI and manufacturing research:

  • ECML-PKDD 2020, 2021, 2022
  • NeurIPS workshop on Machine Learning and the Physical Sciences 2020, 2021
  • Journal for Composite Materials 2021, 2022
  • Computers in Industry 2023
  • Engineering Applications of Artificial Intelligence 2023

Speaking

Conference presentations, invited talks, and expert group engagements on AI, Machine Learning, and industrial applications.

2026

Conference
"Vertrauen ist gut, Kontrolle ist besser: Agentic AI in der industriellen Praxis" — data:unplugged 2026, Münster

When AI agents autonomously interact with customers — and when humans should step in. Real-world lessons on trust, handoff points, and evaluation in industrial agentic AI. March 2026.

Meetup
"AI for your Customers, AI for your Code" — XITASO AI Meetup, Málaga

Practical session on AI coding assistants (Copilot, Claude Code, Cline) — best practices, limitations, and real-world impact on development workflows. March 2026.

2025

Invited Talk
"Intelligentes Wissensmanagement" — FH Südwestfalen, Meschede

Advanced RAG techniques for enterprise knowledge management. September 2025.

Expert Group
VDMA Machine Learning Expert Group — Frankfurt a. Main

Member since May 2025. Industry exchange on ML best practices in manufacturing.

2023

Conference
"Control of RTM processes through Deep RL" — ICMLA 2023, Jacksonville, FL

Demonstrated how deep reinforcement learning can reduce manufacturing defects by 50%.

2021

Conference
"PermeabilityNets" — ICMLA 2021

Comparing ConvLSTMs, Transformers, and CNNs for predicting material properties in composites.

2020

Conference
"FlowFrontNet" — ECML-PKDD 2020

Using deep learning to detect manufacturing defects in real-time during composite production.

Conference
"Towards Real-time Process Monitoring" — IEEE ETFA 2020

Intelligent tooling and digital twins for thermoplastic RTM processes.

LLM Deployment Agentic AI RAG Systems MLOps Industrial AI Reinforcement Learning Computer Vision Composite Manufacturing

About

Simon Stieber profile photo

What I Do

I'm Simon Stieber, a Senior AI Engineer who bridges the gap between cutting-edge AI research and practical industrial applications. With a PhD in Computer Science from the University of Augsburg (2023) and hands-on experience in production environments, I help organizations leverage Machine Learning and Deep Learning to solve real-world challenges.

My Expertise

I specialize in deploying AI solutions for complex industrial problems, working with Large Language Models (LLMs), Natural Language Processing, Computer Vision, and Reinforcement Learning. My approach combines rigorous research methodology with pragmatic engineering — ensuring that AI systems not only work in theory but deliver measurable value in production.

Current Focus

At XITASO, I drive AI adoption across three pillars:

  • Engineering & Client Projects — Building and leading customer projects in RAG, chatbots, NLP, and MLOps; taking AI prototypes into production
  • Business Development & Strategy — Shaping AI strategy, supporting pre-sales with technical expertise, and representing XITASO at conferences and expert groups
  • Internal Leadership & Adoption — Deputy Lead of the AI & Data Community, AI Ambassador driving company-wide adoption of AI tools and practices

Let's Connect

I'm interested in collaborations on challenging AI projects, speaking opportunities, and consulting on AI strategy and implementation. Get in Touch

Download CV (English)

Skills & Tools

Expert

Python PyTorch Machine Learning Deep Learning NLP / LLMs scikit-learn

Advanced

TensorFlow / Keras LangChain / LangGraph Computer Vision Reinforcement Learning Shell Docker / K8s MLOps

Working Knowledge

C/C++ Java LaTeX PAM RTM

Languages

German (native) English (C1) Italian (basic) French (basic)

CV

Senior AI Engineer @ XITASO

Munich, since February 2025

Hybrid role combining AI engineering with business development and internal leadership. Leading customer projects in RAG, chatbots, NLP, and MLOps. Supporting pre-sales, shaping AI strategy, and representing XITASO at conferences. Deputy Lead of the AI & Data Community.

Sabbatical

February – August 2024 — Vietnam and Southeast Europe.

Group Lead "AI Methods" & PhD @ University of Augsburg

Augsburg, February 2018 – January 2024

PhD on Machine Learning for carbon fiber composite manufacturing (defended December 2023). See Work for publications.

  • Deep Learning in a novel field; Transfer Learning for data frugality
  • Giving lectures and tutorials
  • Establishing collaborations with industrial and academic partners, writing proposals
  • Installation, administration and maintenance of a custom compute cluster: 25+ hosts, including NVidia DGX systems (A100 and V100)
  • Data acquisition and analysis in real life and in simulation

Group Lead (2021–2024): Led the AI Methods group.

  • Project management: CosiMo "Composites for Sustainable Mobility", AICUT "Automated detection of process disturbances in machining via ML"
  • Project acquisition: FORinfPro "Bayerischer Forschungsverbund Intelligente Fertigungsprozesse" (accepted, starting March 2024), GRAIL "Grasping using AI for increased Flexibility" (not accepted)

Supervised 6 theses and mentored 13 students/interns during my PhD.

Master Thesis Student @ Continental

Lindau, April – September 2017

Classification of weather conditions from camera images. Computer Vision for ADAS / Autonomous Driving.

Graduate Student Research Assistant @ University of Augsburg

Augsburg, October 2016 – May 2017

Tutor for an autonomous driving course. Integration of a lidar for a model car based on the Audi Autonomous Driving Cup (AADC) 2016 platform. Tutoring and teaching master students.

Working Student @ IGEL Technology

Augsburg, September 2014 – August 2016

R&D team support: build process optimization, custom diff tool in C, monitoring tools for thin clients.

Impressum

Angaben gemäß § 5 TMG

Simon Stieber
Nigerstr. 4
81675 München
Deutschland

Kontakt

E-Mail: hi@simon-stieber.de
Website: https://simon-stieber.de

Berufliche Tätigkeit

Senior AI Engineer
XITASO GmbH

Verantwortlich für den Inhalt nach § 55 Abs. 2 RStV

Simon Stieber
Nigerstr. 4
81675 München

Datenschutzerklärung (GDPR)

1. Datenschutz auf einen Blick

Allgemeine Hinweise

Die folgenden Hinweise geben einen einfachen Überblick darüber, was mit Ihren personenbezogenen Daten passiert, wenn Sie diese Website besuchen. Personenbezogene Daten sind alle Daten, mit denen Sie persönlich identifiziert werden können.

Datenerfassung auf dieser Website

Wer ist verantwortlich für die Datenerfassung auf dieser Website?

Die Datenverarbeitung auf dieser Website erfolgt durch den Websitebetreiber. Dessen Kontaktdaten können Sie dem Impressum dieser Website entnehmen.

Wie erfassen wir Ihre Daten?

Diese Website verwendet keine Cookies. Zur anonymen Auswertung der Websitenutzung setzen wir Cloudflare Web Analytics ein, ein datenschutzfreundliches Analyse-Tool, das keine personenbezogenen Daten speichert und keine Cookies verwendet (siehe Abschnitt 6). Darüber hinaus werden Ihre Daten erfasst, indem Sie uns diese mitteilen, z.B. durch direkte E-Mail-Kontaktaufnahme.

Welche Server-Logs werden gespeichert?

Beim Besuch dieser Website werden vom Hosting-Provider automatisch technische Informationen in sogenannten Server-Logfiles gespeichert. Dies umfasst:

  • Browsertyp und Browserversion
  • Verwendetes Betriebssystem
  • Referrer URL
  • Hostname des zugreifenden Rechners
  • Uhrzeit der Serveranfrage
  • IP-Adresse

Diese Daten werden nicht mit anderen Datenquellen zusammengeführt. Die Daten werden ausschließlich zu statistischen Zwecken ausgewertet und nach kurzer Zeit gelöscht.

2. Hosting und Content Delivery Networks (CDN)

Externes Hosting

Diese Website wird bei einem externen Dienstleister gehostet (Hoster). Die personenbezogenen Daten, die auf dieser Website erfasst werden, werden auf den Servern des Hosters gespeichert. Hierbei kann es sich v.a. um IP-Adressen, Kontaktanfragen, Meta- und Kommunikationsdaten, Vertragsdaten, Kontaktdaten, Namen, Websitezugriffe und sonstige Daten, die über eine Website generiert werden, handeln.

Der Einsatz des Hosters erfolgt zum Zwecke der Vertragserfüllung gegenüber unseren potenziellen und bestehenden Kunden (Art. 6 Abs. 1 lit. b DSGVO) und im Interesse einer sicheren, schnellen und effizienten Bereitstellung unseres Online-Angebots durch einen professionellen Anbieter (Art. 6 Abs. 1 lit. f DSGVO).

GitHub Pages

Diese Website wird auf GitHub Pages gehostet. Anbieter ist die GitHub Inc., 88 Colin P. Kelly Jr. Street, San Francisco, CA 94107, USA. GitHub kann bei Aufrufen dieser Website technische Informationen inklusive Ihrer IP-Adresse erfassen. Weitere Informationen zum Umgang mit Nutzerdaten finden Sie in der Datenschutzerklärung von GitHub: https://docs.github.com/en/site-policy/privacy-policies/github-privacy-statement

3. Allgemeine Hinweise und Pflichtinformationen

Datenschutz

Die Betreiber dieser Seiten nehmen den Schutz Ihrer persönlichen Daten sehr ernst. Wir behandeln Ihre personenbezogenen Daten vertraulich und entsprechend der gesetzlichen Datenschutzvorschriften sowie dieser Datenschutzerklärung.

Hinweis zur verantwortlichen Stelle

Die verantwortliche Stelle für die Datenverarbeitung auf dieser Website ist:

Simon Stieber
Nigerstr. 4
81675 München
E-Mail: hi@simon-stieber.de

Verantwortliche Stelle ist die natürliche oder juristische Person, die allein oder gemeinsam mit anderen über die Zwecke und Mittel der Verarbeitung von personenbezogenen Daten (z.B. Namen, E-Mail-Adressen o. Ä.) entscheidet.

4. Ihre Rechte

Sie haben folgende Rechte:

  • Recht auf Auskunft: Sie haben das Recht, Auskunft über Ihre von uns verarbeiteten personenbezogenen Daten zu verlangen.
  • Recht auf Berichtigung: Sie haben das Recht, unverzüglich die Berichtigung unrichtiger oder die Vervollständigung Ihrer bei uns gespeicherten personenbezogenen Daten zu verlangen.
  • Recht auf Löschung: Sie haben das Recht, die Löschung Ihrer bei uns gespeicherten personenbezogenen Daten zu verlangen, soweit nicht die weitere Verarbeitung erforderlich ist.
  • Recht auf Einschränkung: Sie haben das Recht, die Einschränkung der Verarbeitung Ihrer personenbezogenen Daten zu verlangen.
  • Recht auf Datenübertragbarkeit: Sie haben das Recht, Ihre personenbezogenen Daten in einem strukturierten, gängigen und maschinenlesbaren Format zu erhalten.
  • Widerspruchsrecht: Sie haben das Recht, der Verarbeitung Ihrer personenbezogenen Daten zu widersprechen.
  • Beschwerderecht: Sie haben das Recht, sich bei einer Aufsichtsbehörde zu beschweren.

5. Externe Links

Diese Website enthält Links zu externen Websites Dritter, auf deren Inhalte wir keinen Einfluss haben. Deshalb können wir für diese fremden Inhalte auch keine Gewähr übernehmen. Für die Inhalte der verlinkten Seiten ist stets der jeweilige Anbieter oder Betreiber der Seiten verantwortlich.

6. Web-Analyse mit Cloudflare Web Analytics

Diese Website verwendet Cloudflare Web Analytics, einen datenschutzfreundlichen Analysedienst der Cloudflare, Inc. Cloudflare Web Analytics verwendet keine Cookies und speichert keine personenbezogenen Daten. Es werden ausschließlich aggregierte, anonyme Nutzungsdaten erhoben (z.B. Seitenaufrufe, Besucherzahlen, Herkunftsländer). Eine Identifikation einzelner Nutzer ist nicht möglich. Die Datenverarbeitung erfolgt auf Grundlage unseres berechtigten Interesses an der statistischen Analyse der Websitenutzung (Art. 6 Abs. 1 lit. f DSGVO). Weitere Informationen: Cloudflare Datenschutzerklärung.

Diese Website verwendet darüber hinaus keine weiteren Cookies oder Tracking-Tools. Es werden lediglich die technisch notwendigen Server-Logs gespeichert, die nach kurzer Zeit automatisch gelöscht werden.

7. SSL- bzw. TLS-Verschlüsselung

Diese Seite nutzt aus Sicherheitsgründen und zum Schutz der Übertragung vertraulicher Inhalte eine SSL- bzw. TLS-Verschlüsselung. Eine verschlüsselte Verbindung erkennen Sie daran, dass die Adresszeile des Browsers von "http://" auf "https://" wechselt und an dem Schloss-Symbol in Ihrer Browserzeile.

Stand: Januar 2025