Data Scientist | Machine Learning Engineer | KI-/AI Consultant

9/2021 – offen

found in reference description 0
Als Co-Founder und technischer Projektleiter der RobotDreams GmbH verantwortete ich den technologischen Aufbau eines MedTech-Startups zur diagnostischen Risikostratifizierung bei akutem Koronarsyndrom. Die Technologie befindet sich in klinischer Studienphase und basiert auf hochdimensionalen Blutmessdaten aus Hämatologie-Analysatoren und ML-Modellen zur ACS-Vorhersage.

Ich baute ein internationales fünfköpfiges Kernteam auf und leitete die technische Entwicklung. Gemeinsam mit Kardiologen der Medizinischen Universität Graz arbeitete ich am Studienprotokoll der prospektiven Studie mit, das von der Ethikkommission genehmigt und auf ClinicalTrials.gov unter NCT06384846 registriert wurde.

Meine Aufgaben umfassen technische Studienleitung, Abstimmung mit Studienleitung und wissenschaftlichen Mitarbeitenden, Datenaufbereitung, statistische Analyse, Verfahren zur automatischen Identifikation von Blutzellpopulationen im hochdimensionalen Event-Space sowie Training, Validierung und Testen diagnostischer KI-Modelle.

Darüber hinaus war ich maßgeblich an der Einwerbung von rund 1,1 Mio. € F&E-Fördermitteln beteiligt, u. a. ESA BIC (50.000 €), Die Österreichische Forschungsförderungsgesellschaft (224.000 €) und aws. Zudem erfand und formulierte ich mehrere proprietäre KI-/Diagnostik-Verfahren und arbeitete deren Patentanmeldungen mit Patentanwälten aus, u. a. WO2023057334A1 und WO2024207041A1.

Presse: -Hyperlink entfernt-

Computer Vision, Assistent für klinische Studien, Backend, Backend Entwickler, Data Science, Datenbankrecherche - Patentrecherchen, Forschung & Entwicklung, Git, Kanban, Kanban (Softwareentwicklung), Keras, Klinische Forschung, Medical Writing, Medizinforschung, Projektleitung / Teamleitung, Projektmanagement, Prompt Engineering, Python, Python-Programmierer, Pytorch, Tensorflow

3/2020 – 5/2026

Projekt für Nürburgring 1927 GmbH & Co. KG:

Bei Fujitsu war ich als Data Scientist maßgeblich an der Entwicklung eines KI-gestützten Sicherheitssystems für die Nürburgring 1927 GmbH & Co. KG-Nordschleife beteiligt. Im Rahmen dieses Projekts verantwortete ich die Entwicklung von Deep-Learning-Modellen zur Objekterkennung sowie zur Anomalieerkennung.

Ziel war es, die anspruchsvollste Rennstrecke der Welt durch ein digitales Frühwarnsystem sicherer zu machen. Mithilfe von mehr als 100 Kameras, LED-Warnpanelen und einer KI, die in Echtzeit Bilddaten analysiert, können Gefahren heute innerhalb von Sekunden erkannt und automatisch an die Rennleitung weitergegeben werden. Die von mir entwickelten Modelle wurden erfolgreich in die Infrastruktur integriert und bilden heute das Herzstück des neuen Sicherheitssystems, das aktuell im Echtbetrieb eingesetzt wird.

Presse:
https://www.auto-motor-und-sport.de/motorsport/nordschleife-sicherheit-ueberwachung-kuenstliche-intelligenz-fujitsu/

Projekt für VisiConsult X-ray Systems & Solutions GmbH

Bei Fujitsu war ich im Rahmen der Partnerschaft mit VisiConsult X-ray Systems & Solutions GmbH für die Entwicklung von Deep-Learning-Modellen und die Umsetzung eines Minimum Viable Product (MVP) verantwortlich. Ziel war die automatisierte Auswertung von industriellen Röntgenbildern zur Qualitätsprüfung in sicherheitskritischen Branchen wie Luftfahrt und Öl & Gas. Im Projekt entwickelte ich KI-Modelle zur Detektion von Defekten, validierte diese anhand realer industrieller Daten und überführte die Prototypen in ein lauffähiges MVP, das als Grundlage für Pilotkunden aus der Luftfahrt und dem Pipelinebau diente.

Presse:
https://visiconsult.de/visiconsult-und-fujitsu-treiben-smart-inspection-voran/

Projekt für EintrachtTech GmbH

Bei Fujitsu war ich als Data Scientist an der Entwicklung eines KI-basierten Warteschlangenmanagements für den Fan-Shop im Deutsche Bank Park von Eintracht Frankfurt beteiligt. Ziel des Projekts war es, Besucherströme am Fan-Shop datenbasiert zu analysieren und die erwartete Wartezeit bis zum Betreten des Shops vorherzusagen, um das Fan-Erlebnis zu verbessern und Wartezeiten transparent darzustellen.

Mein Schwerpunkt lag auf der Entwicklung von Computer-Vision- und Deep-Learning-Modellen zur Analyse von Kameradaten. Dafür entwickelte ich Tracking-Ansätze auf Basis von Multiple Object Tracking, wertete Positionsänderungen von Personen im Kamerabild über die Zeit aus und nutzte die daraus abgeleiteten Bewegungs- und Pixelveränderungen als Grundlage für die Prognose der Warteschlangenzeit.

Zusätzlich entwickelte ich LSTM-basierte Zeitreihenmodelle, um aus den Bewegungsmustern und Veränderungen der Personenpositionen über mehrere Zeitschritte eine Vorhersage der voraussichtlichen Wartezeit abzuleiten. Die Modelle wurden anschließend durch das Projektteam in eine Edge-AI-Umgebung auf NVIDIA-Jetson-Hardware integriert und im Live-Pilot am Stadionumfeld getestet.

Presse: https://info.archives.global.fujitsu/de/about/resources/news/press-releases/2023/20230215.html

Projekt für REHAU Industries SE & Co. KG

Bei Fujitsu war ich als Data Scientist für die Entwicklung von Deep-Learning-Modellen und die Umsetzung eines Minimum Viable Product (MVP) im Rahmen einer Partnerschaft mit REHAU Industries SE & Co. KG verantwortlich. Ziel war die Einführung eines KI-basierten Qualitätssicherungssystems für polymerbasierte Extrusionsprofile, die in hoher Stückzahl und Variantenvielfalt weltweit produziert werden.

Ich entwickelte und trainierte Deep-Learning-Modelle zur automatischen Fehlererkennung auf Produktionslinien, validierte diese mit realen Fertigungsdaten und überführte die Prototypen in ein MVP. Im Zuge dieses Projekts erfand ich ein Verfahren zur KI-basierten Anomalieerkennung, das von Fujitsu unter der Patentnummer WO2025180648A1 angemeldet wurde.

Presse: https://www.fujitsu.com/de/about/resources/news/press-releases/2024/20240409.html

Data Science, Data Scientist, Computer Vision, Keras, Objekterkennung, Objektverfolgung, Pandas, Pytorch, Scikit-learn, Semantic Segmentation, Tensorflow, Python-Programmierer, Scrum, Objektorientierte Software-Entwicklung, Git, Jira, Machine Learning, Python, Datenbankrecherche - Patentrecherchen

4/2014 – 4/2020

Als Berechnungsingenieur und Data Scientist bei Schaeffler war ich für die Entwicklung und Validierung von Machine-Learning-Modellen mit Python, Keras, Sklearn und Matlab zur Vorhersage von Kupplungs- und Antriebseigenschaften sowie die Modellierung von Wärmehaushaltsmodellen in SIMULINK verantwortlich. Darüber hinaus entwickelte ich Berechnungsprogramme zur Verbrauchssimulation und Methoden zur NVH-Bewertung (Noise, Vibration, Harshness) im Motorradantriebsstrang. Ergänzend analysierte ich Prüfstands- und Fahrzeugmessungen, um Simulationsergebnisse zu validieren.

Neben diesen Kernaufgaben bearbeitete ich Spezialthemen, darunter die Entwicklung eines eigenständigen Machine-Learning-Tools für die Vorhersage von Kupplungsbelagseigenschaften, die Programmierung von Standalone-Tools in Matlab zur Berechnung von Schaltfunktionen und synthetischen Prüfzylindern sowie FEM-Simulationen nichtlinearer axialer Kurbelwellenschwingungen mit ANSYS Workbench.

Ansys, Berechnungen, Data Science, Git, Keras, Machine Learning, Machine Learning Engineer, Maschinenbauingenieur, Pandas, Python, Scikit-learn, Simulink, Tensorflow