Scientific Software Engineer

Physiker und angewandter Mathematiker (Promotion), 30+ Jahre wissenschaftliche Softwareentwicklung. Ich übersetze anspruchsvolle Mathematik in korrekten, getesteten C++- und Python-Code. Modellierung, Numerik, UQ, Bayessche Inferenz.

• Bayessches Netz
• C++4 J.
• Computational science & engineering (CSE)
• Docker1 J.
• Finite-Elemente-Methoden
• Golang
• Junit
• Machine Learning
• Mathematische Optimierung4 J.
• Mathematischer Statistiker
• Python5 J.
• Scientific computing / wissenschaftliches Rechnen4 J.
• Softwareentwickler1 J.
• Test Automation

Ich übernehme gerne anspruchsvolle numerische, statistische und performancekritische Probleme und setze die zugrunde liegende Mathematik in korrekten, getesteten, produktionsreifen Code um, vorwiegend in C++ und Python. Schwerpunkte: numerische Methoden, Unsicherheitsquantifizierung, Bayessche Inferenz, statistische Modellierung, performantes C++ und Algorithmus-Design.

Meine Arbeit beginnt meist bei einem wissenschaftlichen oder technischen Problem, nicht bei einer fertigen Spezifikation: die Domäne verstehen, das mathematische Modell aufbauen, die passenden Algorithmen entwerfen oder auswählen und daraus korrekte, robuste und wartbare Software entwickeln. Dazu gehört oft, den Stand der Technik zu recherchieren und aufzuarbeiten und anschließend die gewählten Modelle, Algorithmen und die Gründe für diese Entscheidungen zu dokumentieren. Diesen Ansatz habe ich in ganz unterschiedlichen Fachgebieten verfolgt.

Ich habe durchgehend an der Schnittstelle von Forschung und Entwicklung gearbeitet. An der TU Braunschweig habe ich adaptive stochastische Galerkin-Verfahren und Niedrigrang-Tensormethoden für die hochdimensionale Unsicherheitsquantifizierung entwickelt und die Open-Source-Bibliothek sglib geschaffen, die die Grundlage meiner Dissertation und mehrerer Zeitschriftenpublikationen bildete. Außerdem habe ich ein Verfahren zur Datenvalidierung und Datenabgleichung nach VDI 2048 entwickelt, aus dem eine Patentanmeldung hervorging.

Als freiberuflicher Entwickler habe ich numerische und statistische Software für kommerzielle Proteomik, Bayessche Preis- und Entscheidungsmodelle, wissenschaftliche Simulation und Unsicherheitsquantifizierung entworfen und implementiert. Das reichte von sparse Regression und Bayesscher Inferenz (MCMC und Variationsmethoden) über Streaming-Algorithmen für sehr große Datenmengen bis zu performancekritischem numerischem Code und, wo ein Projekt es verlangte, vollständigen Full-Stack- und Echtzeit-3D-Systemen. Zuletzt habe ich Evaluationsaufgaben für KI-Coding-Agenten erstellt, eine Kombination aus Mathematik, Softwareentwicklung und gründlichem Testen.

Ich arbeite gern an Projekten, die sowohl mathematische Modellierung als auch Softwareentwicklung erfordern: die Methode herleiten, die numerischen Ergebnisse validieren und Software liefern, auf die man sich verlassen kann. Mich interessieren wissenschaftliches Rechnen, numerische und statistische Software, Bayessche Methoden und Optimierung. Die Sprache hängt vom Projekt ab: C++, Python, MATLAB, R, je nachdem, was am besten passt. Wenn Sie ein anspruchsvolles Problem haben, mathematischer oder anderer Art, sprechen Sie mich gern an.

Julia, Variational Bayes, Hamiltonian Monte Carlo, Tensormethoden, stochastisches Galerkin-Verfahren, Eigen, NumPy, SciPy, pandas, React, Node.js, WordPress, Docker, GitLab CI/CD, LaTeX, MATLAB, Uncertainty Quantification