Bildverarbeitungsexperten in Berlin

• Versicherungsdienstleister*

Herausforderung: Geschäftskritische Dokumente liefen über externe OCR-Dienstleister mit laufenden Kosten, Abhängigkeit und Datenschutzrisiken bei sensiblen Versicherungsdaten.

Umsetzung:

• Architektur und produktive Umsetzung einer On-Premise-OCR-Lösung mit vollständiger Datenhoheit
• Verfahren zur Erkennung von Dokumentstrukturen als Basis der automatisierten Weiterverarbeitung
• ML-, NLP- und LLM/VLM-basierte Informationsextraktion, insbesondere aus Rechnungen und Angeboten

Erfolg: Ablösung der externen Dienstleister: volle Datenhoheit, DSGVO-konforme Verarbeitung und 75 % geringere laufende OCR-Kosten p. a.

Verwendete Technologien: Python, Docker, Microservices, FastAPI, PyTorch, Torchvision, MongoDB, MySQL

• Ergänzen/Erstellen von Testspezifikationen
• Durchführen von Regressionstests
• Durchführen von Releasetests
• Analyse von Jira-Tickets
• Identifikation von Fehlern in der Software und deren Beseitigung mit C#

• 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.

• Leitete die Produktentwicklung bei einem führenden deutschen FinTech im Banken- und Hypothekensegment, einem B2B-SaaS-Full-Service-Anbieter (25 Mio. € Umsatz, ca. 400 Mitarbeitende) im Bankensektor, spezialisiert auf Immobilienbewertungen. Verantwortete die End-to-End-Auslieferung einer kundenorientierten Benutzeroberfläche, robuster APIs und einer mobilen App zur Immobilieninspektion. Führte funktionsübergreifende Entwicklungsteams (4–6 Personen) sowie ein RPA-Team (2–3 Personen) mit Fokus auf Customer Experience (CX), operative Effizienz und nahtlose Integration von B2B-Bestell- und Serviceabläufen.

• Implementierte erfolgreich ein KI-basiertes Bildverarbeitungssystem mit 80% Genauigkeit bei der Bildkategorisierung, 85% beim Verpixeln von Gesichtern und Kennzeichen sowie 75% bei der Bilddeduplizierung, was Automatisierung und Datenintegrität (DSGVO und ISO 27001) deutlich verbesserte.

• Steigerte die Effizienz der Produktlieferung um 30% durch die Leitung funktionsübergreifender Teams und die Optimierung der Kommunikation mit Stakeholdern zwischen den Abteilungen.

• Gestaltete den Frontend-Workflow der App basierend auf Nutzerinterviews neu, was eine Zeitersparnis von 15% pro Immobilieninspektion durch vereinfachte Vor-Ort-Prozesse für Außendienstmitarbeitende ermöglichte.

• Entwickelte Frontend-Automatisierungslösungen mit UiPath zum Abrufen und Speichern von Dokumenten, wodurch der manuelle Aufwand erheblich reduziert und die Prozesseffizienz um 35% gesteigert wurde.

• 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.

• Unterstützung/Beratung bei der Entwicklung und dem Aufbau von 3D-Fotoscanner-Systemen
• Eingesetzte Tools: KiCAD, ePlanP8

• Unabhängige Durchsicht und Bewertung von Aufgaben im Bereich Bildverarbeitung mit neuronalen Netzen und Betreuung von Studierenden
• Unterstützung bei der Erstellung und Annotation eines Bilddatensatzes für semantische Segmentierung
• Entwicklung eines Demonstrators für Deep Learning-basierte Flüssigkeitsstandserkennung in RGB-Kamerabildern

• Forschung und Entwicklung im Bereich groß angelegter 3D-Rekonstruktion.