Erfahrungen
Wissenschaftlicher Mitarbeiter - KI und autonome Systeme
Hochschule Coburg
- KI-basierte Wahrnehmungs- und multimodale Systeme für reale Umgebungen entwickelt und implementiert
- Machine-Learning- und Deep-Learning-Modelle mit Python, PyTorch, TensorFlow und OpenCV erstellt, trainiert und evaluiert
- Mit Vision-Language Models (VLMs), Large Language Models (LLMs), transformerbasierten Architekturen und multimodalen KI-Systemen gearbeitet
- LoRA-basierte Feinabstimmung angewendet und Diffusionsmodelle für generative und multimodale KI-Anwendungen erprobt
- Multimodale Wahrnehmungspipelines mit Kamera-, LiDAR- und Sensordaten entwickelt
- Durchgängige Arbeitsabläufe für Datenverarbeitung, Modelltraining, Evaluierung, Benchmarking und Robustheitsanalysen konzipiert
- HuggingFace Transformers und moderne Deep-Learning-Frameworks für KI-Experimente und Bereitstellungsprozesse eingesetzt
- GPU-beschleunigtes Rechnen, CUDA-basierte Verarbeitung sowie ONNX- und TensorRT-Optimierung für effiziente Inferenz und Modelltraining im großen Maßstab genutzt
- Mit Industriepartnern wie Valeo und REHAU an angewandten KI-Projekten und Projekten zu intelligenten Systemen zusammengearbeitet
- Skalierbare KI-Architekturen und Prototypen für Automatisierungs- und Wahrnehmungsaufgaben entwickelt
Wissenschaftlicher Mitarbeiter - Bildverarbeitung und KI-Systeme
Fraunhofer-Institut für Integrierte Schaltungen IIS
- Computer-Vision- und Bildverarbeitungsalgorithmen für die Bild- und Videoanalyse entwickelt
- An Signalverarbeitungs- und Videokodierungssystemen mit Fokus auf Effizienz, Robustheit und Leistungsoptimierung gearbeitet
- Deep-Learning-Pipelines für Bildverbesserung, Merkmalsextraktion und multimodale Datenverarbeitung implementiert
- Reproduzierbare Trainings- und Evaluierungspipelines für umfangreiche Bild- und Sensordatensätze mit PyTorch und TensorFlow erstellt
- Algorithmus-Benchmarking, Validierung und Leistungsanalysen unter realen Einsatzbedingungen durchgeführt
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT) und Bildung.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Produktentwicklung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Hamza ist in Kronach, Deutschland ansässig.
Hamza spricht folgende Sprachen: Urdu (Muttersprache), Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Hamza hat mindestens 5 Jahre Erfahrung. In dieser Zeit hat Hamza in mindestens 2 verschiedenen Rollen und für 2 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 4 Monate. Beachten Sie, dass Hamza möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Hamza gut geeignet für Rollen wie: Wissenschaftlicher Mitarbeiter - KI und autonome Systeme, Wissenschaftlicher Mitarbeiter - Bildverarbeitung und KI-Systeme.
Die neueste Position von Hamza ist Wissenschaftlicher Mitarbeiter - KI und autonome Systeme bei Hochschule Coburg.
In den letzten Jahren hat Hamza für Hochschule Coburg und Fraunhofer-Institut für Integrierte Schaltungen IIS gearbeitet.
Hamza hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT) und Bildung.
Hamza hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Produktentwicklung.
Hamza hat einen Master in Medientechnologie von Technische Universität Ilmenau und einen Bachelor in Elektrotechnik von AIR University.
Hamza ist sofort vollzeit verfügbar für passende Projekte.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Afaq A.
Letzte Position:
Masterand – Multiview-Wahrnehmungsbewertung bei Volkswagen AG
- Entwickelte ein Bewertungsframework für KI-generierte Multiview-Fahrvideos, das für Wahrnehmungs- und Embodied-AI/VLA-bezogene Trainingsworkflows gedacht ist.
- Entwarf automatisierte Prüfungen für zeitliche Kohärenz, Kamerakonsistenz, semantische Korrektheit und geometrische Multiview-Qualität und deckte dabei Ausfallmodi auf, die für autonome Systeme relevant sind.
- Kombinierte klassische Computer Vision, gelernte visuelle Repräsentationen und Vision-Language-Modelle, um komplexe Videoartefakte in messbare technische Signale zu überführen.
- Aufbau wiederholbarer Benchmarking- und Fehleranalyse-Workflows zur Unterstützung von Modellvergleichen, Datenqualitätsentscheidungen und Systemverbesserungs-Diskussionen.
Muntaha S.
Letzte Position:
KI-Ingenieur (Freiberuflich) bei Upwork
- Erfolgreiche Umsetzung von mehr als 40 KI-Projekten und 23 strategischen Beratungen für internationale Kunden (USA, Europa, Nahost) mit einer Erfolgsquote von 98% und dem Aufbau langfristiger Partnerschaften.
- Entwicklung und Bereitstellung produktionsreifer KI-Lösungen in den Bereichen Computer Vision, NLP, Deep Learning und Generative AI (LLMs, RAG-Pipelines, Stable Diffusion, OCR, Chatbots), wodurch Automatisierung ermöglicht und die Effizienz der Kunden um bis zu 70% gesteigert wurde.
- Entwicklung und Feinabstimmung großer Sprachmodelle (LLMs), einschließlich Prompt Engineering und Integration in Wissensdatenbanken von Unternehmen, was zu besseren Entscheidungen und weniger manuellem Aufwand führte.
- Entwicklung von Echtzeit-Anwendungen für Computer Vision (Erkennung, Segmentierung, OCR) und Integration in Geschäftssysteme, wodurch Genauigkeit und Skalierbarkeit deutlich verbessert wurden.
- Beratung von Start-ups und Unternehmen zu KI-Strategie, Architektur und Bereitstellung (Cloud und On-Premise), wodurch die Produktentwicklung beschleunigt und die Markteinführungszeit verkürzt wurde.
- Steuerung vollständiger KI-Projektlebenszyklen (Anforderungserfassung, Lösungsdesign, Bereitstellung, Support) in agilen, internationalen und funktionsübergreifenden Umgebungen mit Fokus auf qualitativ hochwertige Ergebnisse.
Hasan R.
Letzte Position:
KI-Ingenieur bei ETAS GmbH (Robert Bosch GmbH)
- Automatisierung der Softwareentwicklung mit generativer KI (Masterarbeit): Entwicklung eines Gen-KI-Prototyps mit agentenbasierten Workflows, LLMs und RAG, wodurch jährliche Einsparungen von €100,000 durch eine Verkürzung der Entwicklungszyklen um 60–80% erzielt wurden. Zusammenarbeit mit funktionsübergreifenden Teams zur Automatisierung des Softwarelebenszyklus, wodurch die betriebliche Effizienz um über 60% gesteigert wurde.
- Entwicklung eines AUTOSAR-basierten KI-Chatbots: Implementierung eines KI-basierten Chatbots mit NLP, Vektordatenbanken und einer RAG-Pipeline, wodurch die Effizienz beim Abruf von Dokumentationen über REST APIs um 80% verbessert wurde. Präsentation der Ergebnisse vor dem Senior Management, um die strategische Einführung und Unterstützung durch die Führungsebene zu sichern.
- Automatisierung von Stub-Prozessen mit generativer KI: Entwicklung einer generativen KI-Lösung zur Automatisierung von Build-System-Prozessen, wodurch manuelle Bereitstellungsaufgaben um 60% reduziert und Git-Workflows nahtlos integriert wurden.
- Co-Simulation und Bewertung des RTE-Standards mit Gen-KI: Beschleunigung der Konformitätsbewertung für den RTE-Standard um 45% durch den Einsatz generativer KI-Tools und Python zur Bewertung.
Peter S.
Letzte Position:
Senior ML Engineer & KI-Forscher bei Kunde anonym
Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung
- Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
- Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
- Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.
Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision
Malik O.
Letzte Position:
KI-Wissenschaftler bei SQPS
- Intelligente Dokumentenverarbeitung mit OCR und Computer Vision: Konzipierte die durchgängige KI-Pipeline im Kern des GenAI-Dokumentenverarbeitungsprodukts von SQPS. Sie wandelt Stapel gescannter Papierdokumente und PDFs in organisierte, durchsuchbare Dokumente um und kombiniert dafür Bildvorverarbeitung, OCR und Layoutanalyse für Scans unterschiedlicher Qualität. Technologien: Python, OpenCV, Tesseract / PaddleOCR, PyTorch, FastAPI
- Automatische Dokumententrennung und -klassifizierung: Entwickelte Modelle, die in einem einzelnen Scan mit mehreren Dokumenten erkennen, wo ein Dokument endet und das nächste beginnt, und jedes Dokument nach Typ klassifizieren (Rechnungen, Verträge, Briefe, Berichte), um eine vollständig automatisierte Ablage zu ermöglichen. Technologien: Python, PyTorch, scikit-learn, Hugging Face Transformers
- Informationsextraktion und intelligente Dateibenennung mit LLMs: Implementierte ein GenAI-Extraktionssystem auf LLM-Basis, das Datumsangaben, Namen und Referenznummern aus unstrukturierten Dokumenten ausliest und daraus einheitliche, regelbasierte Dateinamen erstellt. Dabei lassen sich die Namenskonventionen für jede Organisation individuell festlegen. Technologien: Python, LangChain, OpenAI, SentenceTransformers, SQL
Mirza K.
Letzte Position:
Agentische Automatisierung und ein RAG-System
- In diesem Projekt wurden Informationsdaten extrahiert, um das Verfassen von Berichten für ein Unternehmen zu unterstützen, das geopolitische, globale und kommerzielle Informationen bereitstellt. Die Daten wurden aus verschiedenen Quellen gesammelt (Interviewtranskripte, Online-Daten, interne Dokumente) und anschließend zu einer Wissensbasis zusammengeführt. Diese bildete die Grundlage für ein komplexes RAG-System, das anhand eines Golden Dataset evaluiert wurde. Agenten wurden eingesetzt, um widersprüchliche Informationen und sich gegenseitig bestätigende Aussagen zu finden sowie das generierte Wissen wieder zu speichern.
Verwendet: Python, RAG, LangGraph, LangChain, deepeval, MCP
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Wissenschaftlicher Mitarbeiter - KI und autonome Systeme
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Kronach, Deutschland arbeiten

