Erfahrungen
Masterand – Multiview-Wahrnehmungsbewertung
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.
Werkstudent – Mapping & Roboterwahrnehmung
NavVis GmbH
- Entwickelte bild- und punktwolkenbasierte Algorithmen zur Erkennung und Lokalisierung von Referenzmarkern in Mobile-Mapping-Daten realer Sensorsysteme.
- Implementierte eine RGB–LiDAR-Pipeline mit bildbasierter Kandidatenauswahl, Punktwolkenfilterung, Ebenenschätzung, Clustering, Koordinatentransformationen und geometrischer Mittelpunkterkennung.
- Bewertete rund 20 Test-Mappings, erreichte etwa 2,5 mm Markerzentrum-Lokalisationsfehler und lokalisierte rund 85 % der Zielmarker im Prototyp-Workflow.
- Debuggte Sensordaten- und Geometrieprobleme, erstellte VTK-basierte Visualisierungstools und dokumentierte Testszenarien, Genauigkeitsergebnisse und wiederkehrende Fehlerfälle.
Werkstudent – Multimodale 3D-Rekonstruktion
Fraunhofer IIS
- Untersuchte auf Bild- und Audio basierende Methoden zur Abschätzung von Innenraumgeometrien und verglich deren Robustheit in sieben realen Umgebungen.
- Erstellte Photogrammetrie- und NeRF-Rekonstruktionen und stimmte sie mit audioabgeleiteten Raumabschätzungen für multimodales räumliches Schließen ab.
- Analysierte sensorspezifische Einschränkungen, darunter visuell schwierige Glasflächen und akustisch absorbierende Strukturen, um ergänzende Fusionsstrategien zu identifizieren.
- Trainierte und evaluierte lernbasierte Modelle auf HPC-Systemen und präsentierte die experimentellen Ergebnisse in technischen Postern, Prototypen und Dokumentationen.
MLOps-Berater – ML-Plattform-Engineering
Sayraab
- Unterstützte eine skalierbare, containerisierte ML-Umgebung mit Authentifizierung, Ressourcenquoten, Monitoring, reproduzierbaren Workspaces und automatisierten Deployment-Workflows.
- Arbeitete in den Bereichen Software, Infrastruktur und Benutzeranforderungen, um Zuverlässigkeit und Betriebsstruktur für Machine-Learning-Experimente zu verbessern.
CV/ML-Praktikant → Engineer → Team Lead Perception
RoadGauge AI / Strada Imaging
- Wuchs vom Praktikanten zum Engineer und Team Lead, während ich KI-gestützte Straßeninspektions- und Asset-Mapping-Systeme für unkontrolliertes Outdoor-Bildmaterial entwickelte.
- Entwarf End-to-End-Pipelines für semantische Segmentierung, Objekterkennung, Tracking, Verkehrsschild-Erkennung, Stereo-/SfM-Rekonstruktion, Fahrbahnmessung und räumliche Asset-Lokalisierung.
- Trug zu Systemen bei, die in rund 5.000 km Straßeninspektion eingesetzt wurden, verringerte den manuellen Prüfaufwand um bis zu 90 % und betreute drei Hauptkunden.
- Integrierte Stereo-Vision-Software mit kundenspezifischer Kamerahardware und Raspberry Pi Edge-Computern, berücksichtigte Kalibrierung, Synchronisation, Performance und Deployment-Einschränkungen.
- Leitete sechs Perception-Engineers und koordinierte zehn Datenannotatoren, verantwortete Architekturentscheidungen, technische Reviews, Datenqualität, Validierung, Debugging und Lieferplanung.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Bauwesen, Automotive und Professionelle Dienstleistungen.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Forschung und Entwicklung (F&E), Produktentwicklung, Informationstechnologie (IT) und Qualitätssicherung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Afaq ist in Wolfsburg, Deutschland ansässig.
Afaq spricht folgende Sprachen: Urdu (Muttersprache), Englisch (Verhandlungssicher), Deutsch (Fortgeschritten).
Afaq hat mindestens 5 Jahre Erfahrung. In dieser Zeit hat Afaq in mindestens 5 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr. Beachten Sie, dass Afaq möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Afaq gut geeignet für Rollen wie: Masterand – Multiview-Wahrnehmungsbewertung, Werkstudent – Mapping & Roboterwahrnehmung, Werkstudent – Multimodale 3D-Rekonstruktion.
Die neueste Position von Afaq ist Masterand – Multiview-Wahrnehmungsbewertung bei Volkswagen AG.
In den letzten Jahren hat Afaq für Volkswagen AG, NavVis GmbH, Fraunhofer IIS, Sayraab und RoadGauge AI / Strada Imaging gearbeitet.
Afaq hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Bauwesen und Professionelle Dienstleistungen. Afaq hat auch etwas Erfahrung in Automotive.
Afaq hat die meiste Erfahrung in Bereichen wie Forschung und Entwicklung (F&E), Produktentwicklung und Informationstechnologie (IT). Afaq hat auch etwas Erfahrung in Qualitätssicherung.
Afaq hat einen Master in Künstliche Intelligenz von Friedrich-Alexander-Universität Erlangen-Nürnberg und einen Bachelor in Mechatronik von National University of Sciences and Technology.
Die Verfügbarkeit von Afaq muss bestätigt werden.
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
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.
Jeanne Y.
Letzte Position:
Praktikant Prozessingenieur bei Procter & Gamble
- Automatisierte Validierungs-Workflows mit Python eigenständig initiiert und implementiert, dadurch die manuelle Verarbeitung um 58% reduziert und die Effizienz verbessert
- Ein Machine-Learning-Modell zur Erzeugung synthetischer Fehler entwickelt, Ausfallzeiten und Produktionskosten reduziert; lokal sowie über Databricks und Azure AI Factory bereitgestellt
- Einen kleinen Bilddatensatz aus den Produktionslinien genutzt und durch das Training von Modellen wie cycleGAN und pix2pix erweitert
- Die Linux-basierte Entwicklungsumgebung für das Training von 3D-Modellen aufgebaut und optimiert; die Reproduzierbarkeit über GitHub sichergestellt
- Technische Erkenntnisse funktionsübergreifenden Teams (Ingenieuren, QA, Projektmanagern) präsentiert und so die Abstimmung von ML-Lösungen auf betriebliche Anforderungen sichergestellt
Tobias J.
Letzte Position:
Konzeption eines AI-Agenten basierten ERP-Systems
- Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
- Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
- Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
- Planung der Agentenorchestrierung
- Prototypenentwicklung- und Demonstration
Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux
Kai W.
Letzte Position:
Schwarz IT KG
- Migration des SW-Entwicklungsprozesses einer medizintechnischen Software auf C/C++ Package Manager Conan und Entwicklung macOS-spezifischer Systemkomponenten
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Eine generische, universelle Systemplattform für XR-Anwendungsfälle (AR, VR) im Rahmen der europäischen IPCEI-Initiative definiert
- Verfügbare Optionen für Backend-, Streaming- und Client-Implementierungen bewertet
- PoC-Implementierungen entwickelt und potenzielle Komponenten technisch bewertet
- Das Entwicklungsteam geleitet und die Ziel-Systemarchitektur für eine vollständige End-to-End-Lösung definiert
- GenAI-PoCs entworfen und integriert (LLM, Zeitreihen, Vorhersagen, Agents)
- NeRFs und Gaussian Splatting für die Erstellung von XR-Inhalten erforscht und Methoden zur Messung und Reduzierung von Systemlatenzen analysiert
- An GPU-Scheduling, CUDA und verwandten Themen gearbeitet
- Backoffice- und Endbenutzer-Dashboards mit Grafana und Superset definiert und implementiert
- Jaeger-Tracing zur Analyse bestimmter Ereignisse verwendet
- Eine GenAI-basierte automatische Alarmierungsfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten definiert
- AR/VR/XR-IoT-Geräte integriert
- Mit Business-Development- und UX-Teams in einem parallel laufenden Design-Thinking-Prozess zusammengearbeitet, um technische Anforderungen und den Customer-Journey-Umfang abzustimmen
- Die neuen Services und die Plattform in bestehende Telekommunikationsumgebungen integriert und Tools wie Camara für teilweise Integrations- und Übergabeszenarien analysiert
Benjamin M.
Letzte Position:
Gründer, Systemarchitekt und Hauptentwickler bei Institute for Artificial Study (IAS)
- Von Experten betreute KI-Systeme für wissenschaftliches Schlussfolgern, Modellevaluation und Forschungs-Workflows.
- Entwickelte den IAS Problem Solver, ein orchestriertes System für schwieriges mathematisches Schlussfolgern; es erreichte 84 % in einem eingereichten Antwortsatz auf dem Leipziger Mathematik-Benchmark.
- Entwickelte eine fortsetzbare State-Machine-Pipeline für die Generierung von Benchmarks in der Forschungsmathematik: Quellenauswahl, LLM-Agent-basierte Phänomenfindung, Aufgabensynthese, Gold-Antwort- und Zertifikatsgenerierung sowie Validierung, Probe, Reparatur, menschliches Feedback und Quality Gates, mit Fokus auf Aufgaben, die schwierig, natürlich, verifizierbar und kosteneffizient sind.
- Die aktuelle Arbeit erweitert dies zu budgetbewussten KI-Forschungs-Workflows für reale wissenschaftliche Probleme mit Expertenprüfung.
Tech-Stack: Python, OpenAI/OpenRouter-kompatible APIs, Embeddings, RAG, SQLite.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Masterand – Multiview-Wahrnehmungsbewertung
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Wolfsburg, Deutschland arbeiten

