Dr.-Ing. mit Schwerpunkt Dynamik und Mechatronik

1/2021 – 8/2023

Diverse Projekte bei unterschiedlichen Kunden im Bereich
• Machine Learning Projekte mit PyTorch und TensorFlow
• Aufbau von verschiedenen neuronalen Netzwerkarchitekturen
in Python
• Training neuronaler Netze
• Entwurf verschiedener AI-Konzepte
• Finetuning der Hyperparameter von neuronalen Netzen
• Arbeiten mit Cloudtechnologien (AWS und Azure)
• Projektmanagement
• Wellenausbreitung (Akustik)

Akustik, Amazon Web Services (AWS), Faltendes Neuronales Netzwerk (CNN), Git, Lineare Regression, Maschinelles Lernen, Neuronale Netze, PyTorch, Rekurrentes Neuronales Netzwerk (RNN), TensorFlow

3/2016 – 12/2020

• Dissertationsschrift: "On direct and inverse problems related to
longitudinal impact of non-uniform rods"
• Aufbau eines neuronalen Netzes (AI) zur Identifizierung möglicher
Lösungen des inversen Problems mit Python
• Training des neuronalen Netzes mit Lösungen des direkten Problems
• Aufbau eines Simulationsmodells zur Berechnung inverser
Wellenausbreitungsprobleme mit MATLAB
• Optimierung der Versuchsergebnisse
• Konzeption, Entwicklung und Inbetriebnahme eines Prüfstands zur
Validierung der theoretischen Simulationsergebnisse
• Versuchsdurchführung und Auswertung + Dokumentation der
Versuchsergebnisse
• Präsentation der Ergebnisse bei internationalen Konferenzen
• Dozent von neun verschiedenen Lehrveranstaltungen im Bereich
Schwingungslehre, Mechatronik und Akustik

Faltendes Neuronales Netzwerk (CNN), Maschinelles Lernen, Neuronale Netze, PyTorch, Rekurrentes Neuronales Netzwerk (RNN), TensorFlow, MATLAB / Simulink, Python, Elektromotor / Elektromobilität / Elektroauto, Mechatronik (allg.), Regelungstechnik / Steuerungstechnik, Akustik

4/2015 – 10/2015

Modellbasierte Entwicklung einer systematischen Vorgehensweise zur Optimierung von elektrischen Antriebssystemen mit veränderlicher Betriebsspannung
• Analyse des Wirkzusammenhangs zwischen Elektronik, Motor und Getriebe
• Erstellung eines Simulationsmodells zum Einfluss der veränderlichen Betriebsspannung (über einen DC/DC-Wandler) des Elektromotors auf das Motorkennfeld und die Motorauslegung mit MATLAB/SIMULINK
• Erstellung einer Regelungsstrategie für einen elektrischen Antrieb mit DC/DC Wandler
• Analyse der Vor- und Nachteile eines elektrischen Antriebs mit veränderlicher Betriebsspannung
• Verifizierung des Simulationsmodells durch Vergleich der Ergebnisse des Simulationsmodells mit den Ergebnissen eines Feinmodells

Elektronik, Mechatronik (allg.), Elektromotor / Elektromobilität / Elektroauto, Mathematik, MATLAB / Simulink, Regelungstechnik / Steuerungstechnik