Research Associate in Deutschland

• Agierte als technischer Berater zur Optimierung von mehrschichtigen Ensemble-Modellen, die ResNet, CNN-BiGRU-Attention und XGBoost kombinierten.
• Begleitete die Umsetzung eines Logistic-Regression-Meta-Lerners zur Lösung von Klassenungleichgewichten und erreichte 92,86 % Genauigkeit und einen AUC-Wert von 0,9644 auf den Datensätzen PTB-XL und Chapman-Shaoxing.

Teilzeitstelle in einem öffentlich geförderten Forschungsprojekt

• Implementierung von Daten- und Feature-Pipelines sowie automatisierter Validierung und Berichterstattung für Versicherungsdatensätze mit mehreren Millionen Zeilen.
• Entwicklung einer produktionsreifen Bildverarbeitung zur Erkennung von Stofffehlern; Bereitstellung von wartbarem, gut getestetem Python-Code und prägnanten Berichten.

• Unterstützung der Forschung in der Kontinuumsmechanik mit Schwerpunkt auf Finite-Elemente-Modellierung, Materialverhalten, Verschleißmechanik und gekoppelten PDE-Formulierungen.
• Entwicklung und Validierung numerischer Simulationen, Durchführung von Datenverarbeitung und Analyse sowie Beitrag zu technischen Publikationen.
• Unterstützung bei Automatisierungsskripten, der Erstellung von Abbildungen und Dokumentationen sowie der täglichen Projektkoordination, um einen reibungslosen Forschungsfortschritt sicherzustellen.
• Die Implementierung von Algorithmen erfolgt in Fortran und Python.

• Implementierte Stereo-Kamerakalibrierung und setzte inkrementelle Structure-from-Motion-(SfM)-Algorithmen ein, um ein detailliertes 3D-Modell eines Gabelstaplers für das AR-fähige Smart Forklift-Projekt zu erstellen
• Entwickelte eine OpenCV-basierte Vorverarbeitung, die die Datenpräzision um 20% und die Analysefähigkeiten von Industrievideos verbesserte

• Entwickelte ASR- und TSR-basierte Sprachverarbeitungspipelines auf AWS, die effiziente Merkmalsextraktion und skalierbare Bereitstellung für Sprach- und Textanalysen ermöglichen.
• Entwickelte ein multimodales System zur Erkennung von Sprachemotionen, das NLP und Deep Learning (Audio + Text) kombiniert, erreichte 98 % Genauigkeit und unterstützt Echtzeit-Inferenz in der Cloud.
• Entwarf und optimierte End-to-End-Workflows für Modelltraining und -evaluation mit AWS-Diensten (S3, EC2, Lambda), um Leistung, Zuverlässigkeit und Reproduzierbarkeit sicherzustellen.
• Erstellte und implementierte interaktive, benutzerfreundliche Dashboards zur Datenvisualisierung und Generierung von Erkenntnissen, um Forschungsgruppen und Management bei datenbasierten Entscheidungen zu unterstützen.

• Durchgeführte qualitative und quantitative Analysen der gewonnenen Ergebnisse, Kategorisierung von Themen, Bewertung von Methoden und Beurteilung der Studienqualität und -zuverlässigkeit.
• Erstellte Forschungsberichte und Evidenzzusammenfassungen, um wichtige Trends, Lücken und Chancen für akademische Betreuer oder funktionsübergreifende Teams zu kommunizieren.
• Präsentierte Ergebnisse durch klar strukturierte Visualisierungen, Tabellen und narrative Zusammenfassungen, um Entscheidungsprozesse zu unterstützen und zukünftige Forschungsrichtungen zu steuern.

• Entwicklung von Machine-Learning- und symbolischen Modellierungs-Workflows zur Prognose der Permittivität von HF-Materialien basierend auf Impedanzspektroskopiedaten.
• Fokus auf Preprocessing-Techniken zur Steigerung der Modellgenauigkeit und Verbesserung der Leistung von HF-Sensoren in Hochfrequenzumgebungen.

• Leitete ein Forschungsprojekt zur Untersuchung von Faktoren, die die HPV16-Infektion in Keratinozyten mithilfe von Mikroskopie- und Omics-Ansätzen modulieren.
• Kuratierte und analysierte RNAseq- und Massenspektrometrie-Daten und führte Pfad-Analysen durch, um Zielproteine zu identifizieren.
• Verantwortlich für Betrieb, fachgerechte Wartung, Funktionalität und Anwenderschulung von Mikroskopen und FACS-Geräten.
• Betreute Master-Studierende bei ihrer Abschlussarbeit, die untersuchte, welche Rolle Zell-ECM-Interaktionen für die HPV-Anfälligkeit in Keratinozyten spielen.

• Entwicklung von NLP und LLM-POCs für den Einsatz in Produktionsunternehmen
• Anwendung fortschrittlicher Machine-Learning-Algorithmen zur Analyse von Produktionsdaten und zur Entwicklung maßgeschneiderter Datenpipelines für die Qualitätssicherung
• Konzeption und Leitung des IAO-Grundlagenseminars zu KI in der Industrie, inklusive praxisorientierter Trainingsmodule

• Entwickelte eine React-basierte Forschungsplattform mit interaktiven 3D-/AR-Produktvisualisierungs-Workflows.
• Implementierte Interaktions-Tracking und Nutzungsanalysen, um das Nutzerverhalten und die Feature-Nutzung innerhalb der Plattform zu messen.
• Setzte die Forschungsplattform produktiv ein und integrierte ein R-Shiny-Analyse-Dashboard, das Forschern ermöglicht, Meta-Analyse-Ergebnisse interaktiv in einer einheitlichen Plattform zu erkunden.

• Entwicklung und Implementierung einer Echtzeit-Wahrnehmungspipeline mit YOLOv7 auf Time-of-Flight-(ToF)-Sensordaten, die Live-Streaming, Inferenz und On-Frame-Visualisierung zur Passagiererkennung ermöglicht.
• Feintuning und Bewertung mehrerer State-of-the-Art-Monokular-Tiefenschätzmodelle für die automatische Passagierzählung (APC) sowie Entwicklung eines hybriden Tiefenmodells, das die Tiefengenauigkeit in anspruchsvollen Szenenbereichen verbesserte.
• Nachgewiesen, dass modellbasierte Tiefenkarten die Rohsensortiefe für APC-Aufgaben in mehreren Datensätzen übertreffen und so zu messbaren Verringerungen der Zählfehler beitragen.

• Veröffentlichung eines peer-reviewten Artikels zur vergleichenden Analyse biophysikalischer Modelle in der Diffusions-MRT, der laufende Forschungsprojekte beeinflusst hat.
• SciPy wurde für das Titelbild der entsprechenden Journalausgabe ausgewählt.

• End-to-End-Pipelines für sensorgesteuerte zeitliche Schwingungssignale aufgebaut: Datenbereinigung, Merkmalextraktion, Modellauswahl für unüberwachtes Lernen und Validierung für Größenklassifizierungsaufgaben.
• Statistische Merkmalextraktion angewendet, um dynamische Reaktionen zu charakterisieren.
• Python-Algorithmen für Signalverarbeitung (FFT, PSD) und Klassifikation entwickelt; mehrere Modellarchitekturen mit unsicherheitsorientierter Bewertung verglichen.
• Studierende in Laboren und Projekten betreut (Analysemethoden, Interpretation, Berichterstattung); einen praktischen Laborkurs gehalten und zur Dokumentation und Präsentation beigetragen.
• Wissenschaftliche Outputs vorbereitet: Masterarbeit und Konferenzbeitrag (SimScience 2025).