High-Performance Computing Experten in Deutschland

• Claude-Code-Subagenten, MCP, Pydantic V2, pytest, bandit

• 3 spezialisierte Agenten entwickelt und produktiv eingesetzt, die die Arbeit entlang einer Kette weitergeben: Ein Forschungsagent erstellt eine zitierte Implementierungsspezifikation, ein Coding-Agent entwickelt den modularen Code und seine Tests, und ein Review-Agent bewertet die Ergebnisse nach Schweregrad und setzt die Korrekturen um. Jede Übergabe erfolgt als strukturiertes Dokument, sodass keine Phase vom Kontextfenster eines anderen Agenten abhängt.

• Den Forschungsagenten mit einem MCP-Server für akademische Recherche verbunden (Semantic Scholar, ArXiv, Hugging Face Hub, Zitationsverfolgung), sodass jede Referenz auf ein Tool-Ergebnis und nicht auf das Modell zurückgeht. Commits hinter ruff, mypy, pytest und bandit abgesichert, menschliche Freigabe vor Installationen und Commits verlangt und den Sitzungsstatus auf der Festplatte gespeichert, damit lange Läufe einen Kontext-Reset überstehen.

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

• Steuerung der erfolgreichen Erprobung und kommerziellen Einführung der OpenRAN-Technologie sowie des Austauschs von Legacy-SRAN für 2 Mobilfunknetzbetreiber in Deutschland.
• Governance und Koordination des gesamten End-to-End-Projektlebenszyklus für mehrere Workstream-Leads, z. B. Operations, Performance, Site Solution Management, Design, SW Delivery, Integration & Implementation, OSS Tools und Unterstützung durch 3rd-party Resource.
• Projektplanung zur Abdeckung wichtiger Meilensteine durch Abstimmung der Roadmap gemäß den Vorgaben der deutschen Bundesnetzagentur (BNetzA) als Anbieter.
• Unterstützung des Account-Teams vor und nach dem Vertrieb bei RfP/RfQ-Einreichungen.

Leitung der End-to-End-Entwicklung von Edge-AI-gestützten Smart Glasses für sehbehinderte Menschen, Abstimmung der Produktvision mit den Nutzerbedürfnissen und Führung eines cross-funktionalen Teams aus Data Scientists, Android-Entwicklern, AWS-Ingenieuren und Hardware-Spezialisten.

• Produkt-Roadmap für Edge-AI-Smart-Glasses definiert und MVP-Features durch Nutzerforschung, Stakeholder-Interviews und Wettbewerbsanalyse festgelegt, mit Fokus auf Barrierefreiheit und Praxistauglichkeit.
• Einen PoC für die KI-gestützte Erkennung von Krebszellen in PET/CT-Scans entwickelt und validiert, in Zusammenarbeit mit medizinischen Experten zur Optimierung von Diagnosegenauigkeit und klinischer Relevanz.
• Ein multidisziplinäres Team von über 75 Ingenieuren, Praktikanten und Designern in Deutschland und Indien aufgebaut und skaliert, um grenzüberschreitende Zusammenarbeit und iteratives Prototyping voranzutreiben.
• Strategische Partnerschaften mit NGOs, Gesundheitsdienstleistern und Interessenverbänden aufgebaut, um Inklusion und Patientenfeedback in das Produktdesign einzubinden.
• Praktische Hardware-Software-Integration mit Raspberry Pi und Jetson Nano von KI-Modellen vorangetrieben. Beziehungen zu Lieferanten, Herstellern und Partnern im Ökosystem initiiert und gepflegt, um skalierbare Go-to-Market-Pläne aufzubauen.
• Wichtige Produktentscheidungen verantwortet, von der Prototypenentwicklung bis zur Finanzierungsstrategie, mit datenbasiertem und wirkungsorientiertem Ansatz.
• Eine lernorientierte Kultur gefördert, indem Brainstorming-Sessions und kontinuierliche Feedback-Schleifen zwischen Engineering und Produkt moderiert wurden.

Erfolge:

• Redner: Auto.Ai 2025 (Berlin), Wearable Technologies 2025 (München und Bangalore), MEDICA 2024 (Düsseldorf)
• WMF, Bologna, Italien (Juni 2024): Einziges KI-Startup aus Deutschland, das als EBV-Hero ausgewählt wurde, um sprhava auf einer globalen Plattform zu vertreten
• Medica, Deutschland (2024): Vortrag über KI-Smart-Glasses auf der größten Healthcare-Messe der Welt gehalten.
• Wearable Technologies, Bengaluru, Indien (Dez. 2024): Ich war Sprecher und habe sprhava und sein Produkt vorgestellt.
• Venturise Global Challenge (GIM 2025, Bengaluru Palace, Karnataka): sprhava wurde als eines der 16 Top-Startups (ESDM) ausgewählt, um auf dieser globalen Plattform zu präsentieren
• Wearable Technologies Conference 2025 EUROPE, München, Deutschland (Mai 2025): Vortrag über Edge AI auf Europas größtem Wearable-Tech-Event gehalten.
• InsurNext Köln, Deutschland (2025): sprhava wurde von der Stadt Köln mit einem Stand geehrt.

Selbstständige Erkundung von Methoden zur Entwicklung agentischer KI, von der Idee bis zu einer funktionierenden, öffentlich nutzbaren Anwendung

• Ein interaktives Planungstool zur Modellierung von Altersvorsorge-Entnahmen und Steuerstrategie mit einem agentischen KI-Entwicklungsansatz (Vibe Coding) gebaut – als Beispiel für die eigenständige Untersuchung neuer KI-gestützter Entwicklungsmethoden
• Live-Projektionen für Ausgaben unter Berücksichtigung von Steuern und anpassbare Nutzereingaben geliefert; als kostenlose Browser-Anwendung ohne Installation in Python umgesetzt, mit Fokus auf Nutzbarkeit für nicht-technische Anwender

• Idee, Design und erste Implementierung eines Dienstes, der öffentlich verfügbare Daten aggregiert, um Preise für bestimmte Objektarten zu schätzen
• Sammlung von Daten aus verschiedenen Quellen und deren Normalisierung. Einbettung der Daten mit SentenceTransformer und Training von Gradient-Boosting-Modellen
• Implementierung eines Webdienstes, der
• beliebigen Text von Benutzern einliest
• ihn ergänzt, wenn Teile der Daten fehlen
• ein lokales LLM-Modell verwendet, um die Daten für die Vorhersage aufzubereiten
• die Daten einbettet und eine Vorhersage vom Gradient-Boosting-Modell abruft
• ein LLM-Modell verwendet, um einen Bericht zur Benutzeranfrage einschließlich Erklärungen zu erstellen
• Stack: BigQuery, Vertex AI, Cloud Run (GCP), Python, Terraform, DBT, SentenceTransformer, Qwen
• Kleinere SEO-Optimierungen
• Weitere Entwicklungen folgen...

Technisches Audit für wissenschaftliche Software.

Stellar SR6 G7 Line, 32-bit Arm® Cortex®-R52+ MCU.

• MISRA-C, C99, Greenhills ARM-Compiler
• Dassault AUTOSAR Builder
• EB Tresos
• Sparx Enterprise Architect 16.1
• VS Code
• Python xml, lxml, NumPy und Pandas

ISO 26262, ISO 21434, Hypervisor, Key Management, HSM. Tooling & Automation. LieberLieber LemonTree + Sparx EA. Jira, Confluence, Sharepoint. Git/Github. DevOps über Jenkins & Conan.

• Leitete die EU-Markteintrittsstrategie für L3/L4-autonome Logistikfahrzeuge und trieb die technologische Lokalisierung sowie den Einsatz des Smart-Robotics-Portfolios der Muttergesellschaft voran.
• Stimmte die Technik führender Anbieter autonomer Fahrtechnologien in China und Europa ab und übersetzte komplexe Kundenanforderungen in präzise Ingenieursvorgaben gemäß EU-Normen.
• Initiierte strategische gemeinsame F&E-Projekte mit führenden europäischen Universitäten, Forschungsinstituten und Unternehmen, um den Übergang neuester Robotikkonzepte in kommerzielle Produkte zu beschleunigen.
• Entwarf die End-to-End-Architektur intelligenter Lagerlösungen und führte funktionsübergreifende Teams bei der Optimierung der Hardwareintegration für autonome Fahrzeuge und Roboter sowie der Gesamtssystemleistung.
• Leitete die F&E für hochauflösende Simulationen und KI-Algorithmen mit NVIDIA Isaac Sim & Lab und etablierte robuste "Sim-to-Real"-Pipelines, um dynamische Pfadplanungsoptimierung, intelligente Hindernisvermeidung und komplexe Navigationssysteme vor der physischen Implementierung zu trainieren und zu validieren.
• Beibehielt praktische Kontrolle über die Kernsystemarchitektur mit Fokus auf Performance-Tuning auf niedrigster Ebene, Beschleunigung der KI-Modellinferenz mit TensorRT/ONNX Runtime und Sensorintegration.

• Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
• On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
• Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
• Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
• Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.

• Durchführung von Cybersecurity-Bereitschaftsprüfungen auf Basis einer eigenen Prüfungsmethodik
• Analyse der externen Angriffsfläche mittels Graydaxe EASM-Plattform
• Reifegradbewertung und Ableitung priorisierter Handlungsempfehlungen

• 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.

Konzeption, Planung und Produktionseinführung von zwei KI-Plattformen für industrielle Forschungs- und Engineering-Workflows, von der Use-Case-Identifikation und Anforderungsanalyse über Architekturentscheidungen und Build-vs-Buy-Abwägungen bis zum Go-Live.

• awRAG.io: Identifizierung des Anwendungsfalls (fragmentierte Wissensbasis über verteilte KI-Tools), Definition der Datenanforderungen, Architekturentscheidung für eine mandantenfähige RAG-as-a-Service-Plattform mit DSGVO-konformer EU-Infrastruktur und produktionsreifer Retrieval-Pipeline

• LAIERS.ai: Use-Case-Definition (Kontextverlust in linearen KI-Workflows), strategische Produktentscheidungen zu UX, Kostenstruktur und Multi-LLM-Orchestrierung, Rollout einer räumlichen KI-Konversationsplattform mit proprietärem Kontextmanagementsystem LAICS

• LLMOps-Verantwortung: Qualitätssicherung, Pipelineoptimierung, Sicherheitsarchitektur (OAuth 2.0, SOC 2) und Performance-Monitoring beider Plattformen im Live-Betrieb

• Kernthemen: LLM, RAG, Vektor-Datenbanken, LLMOps, KI-Architekturstrategie, Cloud-Infrastruktur, Datensouveränität

• Architektur und Entwicklung einer SaaS-Plattform zur grafischen Definition und Ausführung von Datenverarbeitungspipelines mit pandas
• Entwicklung von POlyglott, einem Open-Source-Python-CLI-Tool für das Übersetzungsworkflow-Management mit PO-Datei-Parsing, Qualitäts-Linting mit Glossar-Vorgaben und DeepL-API-Integration für maschinelle Übersetzung
• Entwicklung einer Webanwendung für das Material-Compliance-Management (EU REACH) mit Django und modernen Webtechnologien
• Aufbau einer automatisierten Infrastrukturplattform mit Proxmox, Terraform und Ansible — VM-Bereitstellung, Konfigurationsmanagement, internes DNS und flottenweites Sicherheits-Hardening über mehrere Subnetze