Ich baue und finetune maßgeschneiderte Modelle — LLMs, Vision und Zeitreihen — und bringe sie in Produktion, on the edge und in der Cloud. Fundiert in Forschung auf Promotionsniveau, mit Fokus auf regulierte, datenschutzsensible Daten.
Maßgeschneiderte Modelle, trainiert für dein Problem und deine Daten und bis in die Produktion gebracht — nicht nur Prompt-Wrapping um eine API.
Modelle trainieren und finetunen — LLMs, Vision und Zeitreihen — mit sauberen Daten-, Trainings- und Evaluations-Pipelines. Für wenn Prompting von der Stange nicht reicht.
KI für Gesundheit, Finanzen und Recht — wo Datenschutz, DSGVO und On-Prem-/Edge-Anforderungen die Norm sind. Inklusive DSGVO-konformer Dokumentenverarbeitung mit eigenen SLM-/LLM-Modellen. Ich plane diese Anforderungen von Anfang an ein.
Ein neuartiges ML-Vorgehen entrisiken, bevor du ein Team darum aufbaust. Ich prototype, validiere sorgfältig und sage dir klar, was funktioniert und was nicht.
Ein paar anonymisierte Beispiele quer über Edge-ML, angewandte Forschung und Optimierung.
Echtzeit-Bewegungsanalyse mit On-Device- und GPU-Cloud-Inferenz. Habe die komplette Daten-, Trainings- und Inferenz-Pipeline end-to-end gebaut und die technische Leitung verantwortet.
Produktionsnahes MVP end-to-end geliefert — Pre-Seed-Finanzierung gesichertForschung zu Latent Reasoning, das eingefrorene LLMs und Vision-Modelle verbessert — und früher neuartige Deep-RL-Architekturen für sequentielle Entscheidungen.
Grundlagen-KI-ForschungEchtzeit-Indoor-Navigation plus Routing und Wegfindung über große Gebäude. Aufbauend auf Promotionsforschung zu dynamischem Routing, Scheduling und Ressourcenverteilung — direkt übertragbar auf Logistik und Operations.
Von rohen Grundrissen zu live routbaren KartenDie technische Grundlage hinter den Leistungen: praktische Studien mit echten Daten, festen Seeds und reproduzierbaren Setups — inklusive dessen, was nicht funktioniert hat. Überflieg die Kernaussagen oder lies die volle Tiefe.
Ein eingefrorenes, selbstüberwachtes Foundation-Modell — nur auf Alltagsfotos trainiert, nie auf medizinischen Bildern — erkennt Hirnblutungen im Kopf-CT mit rund 0,94 AUC. Was den Transfer treibt, war nicht die naheliegende Wette.
LeCuns neuestes selbstüberwachtes Rezept trainiert Video-Modelle mit bis zu einem Zwanzigstel des Rechenaufwands. Ich habe es auf Text portiert und die Kontrollen dazu gerechnet. Ergebnis: Ein Modell, das nie mehr als 30 % eines Texts liest, lernt bessere Text-Repräsentationen als Modelle, die alles lesen — und der neue Invarianz-Loss ist nicht der Grund dafür.
Die meisten sind entweder solide Engineers oder Forscher oder Domänen-Praktiker. Ich sitze an der Schnittstelle: mehr als 12 Jahre Software-Engineering, eine Promotion in Deep Reinforcement Learning (2× IJCAI) und praktisches Produktions-ML in regulierten Branchen.
Diese Mischung erlaubt es mir, eine Idee von der Forschungs-Machbarkeit bis zum ausgelieferten, wartbaren System zu bringen.
Ich gehe voll in ein klar umrissenes Problem — definierte Ziele, ein definiertes Ergebnis. Du bekommst vollen Fokus und einen klaren Endpunkt statt offener Stunden. Remote, mit Vor-Ort wo es hilft.
Ich bin lieber der Engineer, zu dem du immer wieder zurückkommst, als einer, der dauerhaft vor Ort geparkt ist. Eine verlässliche, langfristige Beziehung — aus vielen fokussierten Engagements.
Klare Antworten dazu, was machbar ist, die einfachste Lösung, die funktioniert, und kein Schönreden. Die Daten entscheiden.
Für wiederkehrende Bedarfe baue, deploye und betreibe ich ein Modell as a Service — du nutzt es und zahlst nach Nutzung, während ich es weiter verbessere.
Und wir finden heraus, ob KI eine Lösung sein kann. Sprechen wir.