Docker Experten in Nürnberg

• Feinabstimmung und Evaluierung alternativer Backbone-Architekturen für den AFFGAN-Handschriftsstil-Encoder, um schriftstellerspezifische Merkmale besser zu erfassen; Benchmarking gegenüber der ursprünglichen Baseline-Architektur und Ersetzung der veralteten VGG19-Architektur durch einen benutzerdefinierten Transformer-basierten Encoder.
• Erweiterung des Systems über die Synthese auf Wortebene hinaus zur zeilenweisen Handschriftgenerierung durch Integration und Anpassung einer bestehenden Zeilengenerierungsarchitektur zur Unterstützung vollständiger Sätze.
• Bereitstellung der Handschriftgenerierungspipeline als Webanwendung, mit der Nutzer einen Schreibstil auswählen, eigenen Text eingeben und sofort ein entsprechendes Handschriftbild erzeugen können.
• Integration von TrOCR in ein Teacher-Student-Destillierungsframework zur Bewertung und Verbesserung der Lesbarkeit generierter Handschrift; Verbesserung der OCR-Genauigkeit um 20% gegenüber der Baseline.
• Steigerung der Auswahlraten in Nutzerstudien um 40%, was eine deutliche Verbesserung der wahrgenommenen Qualität und des Realismus der generierten Handschrift gegenüber dem Baseline-Modell zeigt.

Technologien: PyTorch, Python, GANs, CNN, ViT, TrOCR, Streamlit, CUDA.

• Pionierarbeit in personalisierter KI: Entwicklung eines Frameworks für “Interaktiven Content” (RAG) für Romane, Vorlesungen, Expert Debriefing
• Erfolgreicher Launch von Einbug, dem Pantopia-Chatbot mit medialer Resonanz (SZ-Interview)
• Realisierung überzeugender KI-Persönlichkeiten: KI-Blog ([link] 100% personalisierte Lernumgebungen, Perry Rhodan u. a.

• Entwicklung von KPI-Dashboards mit Power BI und DAX für 4+ Geschäftsbereiche, wodurch die Transparenz im Reporting und die strategische Entscheidungsunterstützung verbessert wurden.
• Migration von unternehmensweiten Finanzdatenansichten in dbt-Modelle mit modularen SQL-Transformationen, versionierten Datenpipelines und automatisierter Dokumentation zum Aufbau einer skalierbaren Analytics-Schicht.
• Aufbau dimensionaler Datenmodelle in Snowflake für unternehmensweite Finanzdaten zur Unterstützung skalierbarer Prognosen und von Managemententscheidungen.
• Entwicklung von End-to-End-ETL/ELT-Pipelines mit Snowflake und SAP HANA unter Integration von Daten aus 3+ Unternehmenssystemen.
• Automatisierung monatlicher Reporting-Workflows mit SQL und Power BI, wodurch der manuelle Aufwand um 80% reduziert und ein deutlicher Geschäftsnutzen erzielt wurde.
• Zusammenarbeit mit Stakeholdern aus dem Finanzbereich zur Überführung von Geschäftsanforderungen in analytische Datenmodelle, die strategische Entscheidungsprozesse unterstützen.
• Erstellung von Ad-hoc-Finanzberichten mit Power BI, wodurch die Bearbeitungszeit um 60% reduziert wurde.
• Implementierung von Datenvalidierungslogik in SQL und Behebung von 95% der wiederkehrenden Datenqualitätsprobleme.

• Softwareentwicklung
• Technische Konzeption von Softwarearchitektur und -design (Berücksichtigung funktionaler und nicht-funktionaler Anforderungen)
• Frontend und Backend
• Refaktorisierungen
• Code-Reviews
• Unit Tests
• Automatisierte Integrationstests
• E2E-Tests

Global Identity Services (GIS) ist der Identity Provider für die Digital Services Platform (DSP). Die GIS sind für die Authentifizierung und Autorisierung von Endnutzern und anderen DSP-Diensten durch die Ausgabe von Security Tokens verantwortlich. Hierzu zählen:

• Verwaltung von Identitäten (z.B. Benutzerregistrierung, Passwortzurücksetzung und -änderung, Benutzerprofile)
• Verwaltung von Rollen und Berechtigungen
• Single Sign-On (SSO) über DSP-Dienste hinweg
• Verwaltung von OAuth-Ressourcen und Allgemeinen Geschäftsbedingungen (AGBs)

• 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.

• Ein CRNN-Modell mit VGG16- und BiLSTM-Backbone zur Erkennung textbasierter CAPTCHAs entwickelt
• Eine Zeichenfehlerrate von 9.37% und eine Sequenzgenauigkeit von 68.36% auf Validierungsdaten erreicht
• Die Datenaugmentierungspipeline um Verzerrungen, Rausch-Injektion und Störelemente erweitert, um die Robustheit zu verbessern
• Eine detaillierte Fehleranalyse zu verwechselbaren Zeichen (O, Q, D) durchgeführt und eine fehlerbezogene Augmentierung vorgeschlagen
• Tech Stack: Python, TensorFlow/Keras, OpenCV, NumPy, Matplotlib

• Entwarf und implementierte die komplette Datenflussarchitektur für die Mercedes-AMG-Batterie-Gehäuse-Produktionslinie, von der Rohmaterialverarbeitung bis zur Rückverfolgbarkeit für den Endkunden.

• Entwickelte MQTT-basierte Kommunikationsprotokolle für Siemens S7 SPS-Steuerungen, um einen effizienten Echtzeitdatenaustausch zwischen Maschinen und Leitsystemen zu ermöglichen.

• Konzipierte einen lokalen, Ubuntu-basierten Industrie-Server, integrierte Node-RED zur Datenerfassung, MySQL-Datenbanken in Docker-Containern und automatisierte Datenpipelines.

• Inbetriebnahme der Vernetzung von 52 Siemens-SPSen und 32 Yaskawa-Schweiß- und Handhabungsrobotern.

• Entwarf und implementierte HMI- und Visualisierungssysteme zur Unterstützung der Bedienerschnittstelle und Produktionsüberwachung.

• Entwickelte einen 2D-Digitalzwilling des Produktionsbereichs und visualisierte Echtzeit-Prozessdaten von 26 Siemens-SPSen und 18 Yaskawa-Schweißrobotern über Stromquelle-Schnittstellen.

• Implementierte Datenerfassung und kamerabasierte Messsysteme zur Schweißqualitätskontrolle und automatisierten Fehlervisualisierung.

• Entwarf und optimierte MySQL-Datenbankstrukturen, einschließlich gespeicherter Prozeduren für Datenverarbeitung und Leistungsanalysen.

• Tribe Home, Product Area 4 - Customer in Life, Squad Cybertron.
• Analyse, Design, Entwicklung und Test neuer Anforderungen für Optimmo, eine Software zur Baufinanzierung.
• Analyse, Design, Entwicklung und Test der JEE-Anwendung MWS kredit-baufi.
• Analyse, Design, Entwicklung und Test der Wicket-Anwendung Optimmo.
• Analyse, Design, Entwicklung und Test von kredit-baufi-Batch-Programmen.
• Migration der kredit-baufi-Batches auf RHEL9.
• CiL SCS Consumer Pacts mit Finagle.
• CiL ScS Touch Point Architecture Integration.
• Teamgröße: 10.
• Tools / Frameworks: OpenJDK Java 17, Kotlin 1.6.0, Azure, Jenkins, Stash, JEE, Gitlab, JIRA, Confluence, git, Spring 6.0, Sping Cloud, Spring Data, Hibernate, JPA, JMS, Kafka, Oracle, PL/SQL, Red Hat Enterprise Linux (RHEL), Maven, REST, JBoss, Intellij IDEA, Wicket 9 und 10, Istio.

• Komplexe, KI-basierte Energiesystemmodelle in das Frontend-Framework integriert, was die Visualisierung von Erkenntnissen für mehr als 6 Schlüsselkunden ermöglichte und die Energienutzung maximierte.
• Energieeffizienz und Auslastung maximiert, indem der nahtlose Datenfluss zwischen KI-Modellen und der Benutzeroberfläche für schnelle, umsetzbare Berichte konzipiert wurde.

• Entwickelte einen maßgeschneiderten KI-Chatbot für einen E-Commerce-Kunden mit GPT-4 und LangChain inklusive RAG, wodurch das Volumen der Support-Tickets um 45 % sank und die Antwortgenauigkeit auf 92 % stieg.
• Entwarf und stellte ein System zur intelligenten Dokumentenverarbeitung mit LlamaIndex, Pinecone und FastAPI für ein FinTech-Startup bereit, das semantische Suche über mehr als 100.000 Finanzdokumente ermöglicht.
• Entwickelte Multi-Agenten-KI-Workflows mit CrewAI und LangGraph für eine Marketingagentur, automatisierte Lead-Recherche, Inhaltserstellung und Kontaktaufnahme — und sparte so über 20 Stunden manueller Arbeit pro Woche.
• Erstellte KI-gestützte Automatisierungspipelines mit n8n, Make und Zapier, integriert in CRMs (GoHighLevel, HubSpot), wodurch für ein Immobilienunternehmen die manuelle Dateneingabe um 80 % reduziert wurde.
• Beriet mehrere Kunden im Prompt-Engineering und bei der Feinabstimmung von LLMs, um KI-Modellausgaben für den Kundenservice, die Inhaltserstellung und die Datenextraktion zu optimieren.
• Erstellte produktionsreife REST-APIs mit Python und FastAPI zur Bereitstellung von KI-Modellen auf AWS und GCP und bewältigte dabei über 10.000 tägliche Anfragen mit 99,9 % Verfügbarkeit.

• Technologie-Update
• Microsoft Azure-Zertifizierung

• Entwicklung eines neuen innovativen Zahlungsprodukts für den europäischen Markt mit dem Ziel, eine Alternative zu den bestehenden globalen Anbietern zu schaffen.
• Aufbau und Skalierung der Softwareentwicklungsprozesse und Teams.
• Architektur und Implementierung der Geschäftsprozesse in einer Event-Sourcing-Microservice-Architektur.
• Umsetzung eines Prototyps im Kontext des Digitalen Euro.
• Technologien: Ktor (Kotlin), AWS Managed Kubernetes mit Fargate, MongoDB, React, ElasticSearch, KoTest, Gradle, Agile Entwicklung, Paarprogrammierung, GitHub Actions, Gradle, SonarQube

Industrielle Kommunikation | Machbarkeitsnachweis: Controller-zu-Controller-Kommunikation mit OPC UA FX

Machbarkeitsnachweis für eine OPC UA FX-basierte Controller-zu-Controller-Kommunikation zwischen virtuellen speicherprogrammierbaren Steuerungen (vPLC) auf einer Industrial-Edge-Plattform. Dazu wurden in zwei Phasen eine virtuelle Testumgebung unter Debian Linux aufgebaut (inkl. VM, vPLC), Shared-Memory-Kommunikation (Realtime-Information-Bus) aktiviert und die RIB-Lösung in eine angepasste Produkt-Firmware (inkl. Shared Memory und Profinet-Unterstützung) integriert sowie in containerisierten Umgebungen (Docker) bereitgestellt. Zusätzlich wurde eine virtuelle Ethernet-Verbindung zur Simulation der Netzwerktopologie entwickelt. Abschließend erfolgten Inbetriebnahme, Funktionstests, Erstellung von Beispielanwendungen, umfassende Dokumentation sowie Kundensupport.

• Bilder von Reifen und deren Merkmalsbeschreibungen gesammelt.
• Datensatz mit Bild-Metadaten mit pandas bereinigt.
• Merkmals-Embeddings der Bilder in der Chroma-Vektordatenbank gespeichert.
• Bildaugmentierungen eingesetzt, um die Datensatzgröße zu erhöhen.
• sklearn verwendet, um Datensätze zu mischen, und imbalanced-learn, um Klassengrößen im Datensatz auszugleichen.
• PyTorch genutzt, um verschiedene neuronale Netze zu trainieren und zu testen.
• Modell mit einer eigenen Genauigkeitsmetrik auf Basis einer Ähnlichkeitssuche in ChromaDB validiert.
• Vorhersagen der Genauigkeit mit matplotlib visualisiert.
• Trainiertes Modell in DreamBooth integriert, um ein Stable-Diffusion-Modell zu trainieren und neue Reifenbilder zu generieren.
• Eigenes Docker-Image im Amazon Elastic Container Registry für das Machine-Learning-Skript erstellt.