CV
Ein kompakter Überblick über Forschungsrichtung, Engineering-Praxis und Forschungsentwicklung.
Forschungsprofil
Forschungsrichtung zu zuverlässigen KI-Systemen, Evaluation, zertifizierter Robustheit, Randomized Smoothing, daten-zentrierten und softwaretechnischen Fragen für KI sowie praktischen Grenzen realer Arbeitsabläufe.
Arbeitsweise
Mich interessieren Probleme, deren Ziele noch nicht vollständig spezifiziert sind, aber präzise untersucht werden müssen. Meine Stärke liegt darin, unklare Ziele in überprüfbare Hypothesen, reproduzierbare Experimente, wartbare Werkzeuge und verständliche technische Kommunikation zu übersetzen.
Forschungsergebnisse
Masterarbeit zu zertifizierter Robustheit und Trainingseffizienz, einschließlich Benchmarking und Interventionen wie LossProj und Selective Backpropagation. Der breitere Fokus liegt auf kontrollierter Evaluation: Annahmen sichtbar machen, Trade-offs messen und Aussagen an die vorhandene Evidenz binden.
Engineering- Und Forschungspraxis
Am August-Wilhelm Scheer Institut arbeite ich an forschungsnaher KI- und Cloud-Softwareinfrastruktur, darunter API-Management und Mocking mit einem agentischen LLM-basierten Entwicklungsassistenten, Multi-Provider-Cloud-Kostenanalyse mit Odoo-Integration und Federated-Learning-Infrastruktur. Zuvor leitete ich bei EnigmaAI Backend- und ML-nahe Entwicklung für eine Virtual-Assistant-SaaS, die NLP-basierte Chatbot-Workflows mit Social-Messaging-Kanälen verband.
Technische Breite
Ich habe Erfahrung mit einer Vielzahl von Technologien gesammelt: Python, C#, TypeScript, C++, Java, SQL, PyTorch, LangGraph, scikit-learn, NumPy, SciPy, Pandas, ASP.NET, Node.js, Express, FastAPI, Angular, React, Flutter, Azure, AWS Lambda/ECS, Docker, Odoo, Linux, MongoDB, PostgreSQL und Git.