1. Engelhardt, A.; Kahl, M.; Richter, J.; Krooß, P.; Kroll, A.; Niendorf, T.   Investigation of processing windows in additive manufacturing of AlSi10Mg for faster production utilizing data-driven modelling.   In Additive Manufacturing, Vol. 55, 2022.   102858.
2. Schramm, S.; Kahl, M.; Andreas, K.   Experimentelle messtechnische Charakterisierung der Emissionsgradbestimmung mittels 3D-Thermografie.   Abschlussbericht, FG Mess- und Regelungstechnik, Universität Kassel, August 2021.
3. Kahl, M.; Schramm, S.; Neumann, M.; Kroll, A.   Identification of a Spatio-Temporal Temperature Model for Laser Metal Deposition.   In Metals, Vol. November, No. 12, 2021.
4. Dürrbaum, A.; Kahl, M.; Himmelsbach, M.; Kroll, A.   Toolbox zur Identifikation von Takagi-Sugeno-Fuzzy-Modellen.   In at -- Automatisierungstechnik, Vol. 69, No. Oktober, pp. 915-916, 2021.
5. Kahl, M.; Kroll, A.   Extending Regularized Least Squares Support Vector Machines for Order Selection of Dynamical Takagi-Sugeno Models.   In 21th IFAC World Congress, Vol.  53, pp. 1182-1187, Berlin, Germany, 2020. IFAC, Elsevier.
6. Wittich, F.; Kahl, M.; Kroll, A.   Zur Schätzung zulässiger Parametermengen nichtlinearer Takagi-Sugeno-Multi-Modelle mit garantierten Fehlerschranken.   In 29. Workshop Computational Intelligence, pp. 247-254, Dortmund, 28.-29. November 2019. GMA-FA 5.14, KIT Scientific Publishing.
7. Wittich, F.; Kahl, M.; Kroll, A.; Zinn, W.; Niendorf, T.   On Nonlinear Empirical Modeling of Residual Stress Profiles in Hard Turning.   In IEEE International Conference on Systems, Man, and Cybernetics (SMC 2019), pp. 3235 -- 3240, Bari, Italy, 06.-09. October 2019. IEEE.
8. Kahl, M.   Structure Identification of dynamical Takagi-Sugeno Fuzzy Models by using LPV Techniques.   In European Conference on Data Analysis (ECDA), Paderborn, Germany, 4.-6. July 2018.
9. Wittich, F.; Gringard, M.; Kahl, M.; Kroll, A.; Niendorf, T.; Zinn, W.   Datengetriebene Modellierung zur Prädiktion des Eigenspannungstiefenverlaufs beim Hartdrehen.   In 28. Workshop Computational Intelligence, pp. 61 -- 81, Dortmund, 29.-30. November 2018. GMA-FA 5.14, KIT Scientific Publishing.
10. Kahl, M.   Zur Strukturselektion bei dynamischen lokal-affinen Multi-Modellen mittels statistischer Methoden.   In 52. Regelungstechnisches Kolloquium, Boppard. Fraunhofer IOSB, 21.-23. Februar 2018.
11. Kahl, M.; Kroll, A.   Structure Identification of Dynamical Takagi-Sugeno Fuzzy Models by Using LPV Techniques.   In Archives of Data Science, Series A (Online First), Vol. 5, No. 1, pp. A19, 17 S. online, 2018.
12. Kahl, M.; Kroll, A.; Kästner, R.; Sofsky, M.   On the selection of appropriate data from routine vehicle operation for system identification of a diesel engine gas system.   In Röpke, K.; Gühmann, C., editors, Automotive Data Analytics, Methods, DoE - Proceedings of the International Calibration Conference, pp. 283-299, Berlin, Germany, May 11-12 2017.
13. Kahl, M.; Kroll, A.; Kästner, R.; Sofsky, M.   Application of model selection methods for the identification of a dynamic boost pressure model.   In Proceedings of the 17th IFAC Symposium on System Identification (SysID), pp. 829-834, Beijing, China, October 19-21 2015.
14. Kahl, M.; Kroll, A.; Kästner, R.; Sofsky, M.   Zur automatisierten Auswahl signifikanter Regressoren für die Identifikation eines dynamischen Ladedruckmodells.   In Hoffmann, F.; Hüllermeier, E., editors, 24. Workshop Computational Intelligence, Schriftenreihe des Instituts für Angewandte Informatik / Automatisierungstechnik, pp. 33-53, Dortmund, 27.-28. November 2014. GMA-FA 5.14 "Computational Intelligence" und GI-FG "Fuzzy-Systeme und Soft-Computing", KIT Scientific Publishing.