Image Processing Experten in Deutschland

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

• Abschluss von Partnerverträgen mit OnePlan (Portfoliomanagement) und ForProject/EVMS (Projektcontrolling); laufende Qualifizierung und Implementierung beider Tools.
• Projektleitung für den Relaunch von [link] mit Neuausrichtung auf integrierte PM/PPM-Toolchains.
• Entwicklung und Implementierung von ca. 60 PM-Standard-Methoden (PMSP, CMSP, QMSP) nach ICB4 & PMBoK8 als Datenbank-Applikation auf MS Power Automate / M365 / MS Project, mit geplantem Cloud-Launch 2025.
• Deployment- und Cut-over-Standardprozess als Quality Gate QG07 ausdefiniert: Go-Live-Plan, Cut-over-Plan, Kommunikationspaket, Produktivsetzung, Smoke-Test in Produktion, Hypercare-Team, Incident- und SLA-Steuerung, Bestätigung der Produktionsstabilität und Betriebsübergabe.
• Entwicklung eines Klassifikations- und Retrieval-Systems (TOC) für ChatGPT-Projekte zur sofortigen applikationsübergreifenden Objektaktivierung.

Tools: LinkedIn, Claude, ChatGPT, Gemini, Infinity, MS Copilot, OnePlan, EVMS/ForProject, Power Automate, SQL DB, O365, MS Project, MS Cloud, ICB4, PMBoK7, M365, Teams

• Entwicklung skalierbarer Backend-Anwendungen mit C#/.NET und Java
• Konzeption und Umsetzung verteilter Microservice-Architekturen
• Entwicklung und Integration von REST-APIs für industrielle Anwendungen
• Entwicklung moderner Webanwendungen mit React, Angular und TypeScript
• Implementierung von MQTT-basierten Kommunikationslösungen
• Integration industrieller Protokolle wie OPC UA und Modbus TCP
• Entwicklung von Batch-, Prozesssteuerungs- und HMI-Komponenten
• Containerisierung und Deployment von Anwendungen mit Docker
• Durchführung von Code Reviews und Unterstützung bei Architekturentscheidungen
• Enge Zusammenarbeit mit Product Ownern, QA und interdisziplinären Teams
• Analyse fachlicher Anforderungen und Umsetzung technischer Lösungen
• Weiterentwicklung bestehender Softwarearchitekturen mit Fokus auf Wartbarkeit und Performance

Technologien: C#, .NET, ASP.NET Core, Java, C++, React, Angular, TypeScript, Vue.JS, MQTT, OPC UA, Modbus TCP, Docker, GitLab, MariaDB, MySQL, Linux

• Rolle: Simulation Engineer
• Umfeld: Maschinenbau / Visuelle Inspektion
• Ziele & Umsetzung: Simulation von Photometric-Stereo-Setups, um optimale Positionen von Kameras und Lichtquellen bauteilspezifisch zu ermitteln.
• Business Value: Ermöglichte eine kostengünstige und skalierbare Lösung, um bauteilspezifische Hardware-Setups zu bestimmen.
• Tech Stack: Python, Blender

• Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
• Implementierung automatisierter End-to-End-Cloud-Prozesse
• Entwicklung von LLM- und NLP-Modellen
• Erstellung interaktiver Reports
• Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten

In diesem Projekt übernahm ich die Konzeption und Implementierung einer neuen, modularen sowie hochskalierbaren Prüfstandsplattform für einen Automobilzulieferer. Mein Schwerpunkt lag dabei auf der Entwicklung einer tragfähigen Systemarchitektur sowie der Programmierung der zugehörigen Software, wobei konsequent UML-Modellierung zur Anwendung kam. Durch diesen strukturierten Ansatz konnte die Wiederverwendbarkeit einzelner LabVIEW-Prüfbausteine massiv erhöht und die Entwicklungszeit für nachfolgende Projekte nachhaltig reduziert werden. Zudem integrierte ich moderne Automotive-Standards wie CAN FD, LIN und Safety-Anforderungen, was die Lösung zukunftssicher machte.

Technologien: LabVIEW, Visio, UML, CAN FD, LIN, DMM, Safety, Bildverarbeitung, Projektmanagement, HMI, C#, C++, Python, Rust, CI

Unabhängige Engineering-Praxis mit Schwerpunkt auf kundenspezifischen KI-Systemen, produktiver Umsetzung und anteiliger technischer Leitung.

Ausgewähltes Kundenprojekt: Scalutions

• Rolle: Tätigkeit als anteiliger CTO und technischer Leiter mit direkter Entwicklungsverantwortung; verantwortlich für die Architektur und die agentische Infrastruktur hinter dem betreuten B2B-Outbound-Betrieb.

• Produkt: OutboundLoop entworfen und entwickelt, ein agentisches SDR-Betriebssystem für Recherche, Qualifizierung, personalisierte Ansprache, Kampagnenmanagement, menschliche Freigaben, Messung und kontinuierliche Verbesserung.

• Umfang: Verantwortung für den gesamten Systemlebenszyklus – von Geschäftsprozessen und Agentenverhalten über Kontextdesign, Modell-Routing, Integrationen, Evaluierung, Telemetrie, Zuverlässigkeit und Kostenkontrolle bis hin zum Produktivbetrieb.

• Beratung und Ausarbeitung geeigneter Kommunikationskonzepte zwischen S7-300 und S7-1500 unter Berücksichtigung der vorhandenen PROFIBUS-Infrastruktur
• Fachliche Unterstützung bei der Anbindung der S7-300-Steuerungen an den bestehenden Rezeptur-Datenbaustein der S7-1500
• Mitwirkung bei der Ausarbeitung des Kommunikationsablaufs für den Rezepturzugriff (Lesen, Schreiben, Quittieren, Statushandling)
• Projektierung der S7-Kommunikation (PUT/GET)
• Erstellung und Anpassung von WinCC V7-Skripten (C-Skripte und VBS-Skripte) für eine WinCC-basierte Rezepturverwaltung
• Entwicklung, Optimierung und Integration der Rezepturprozesse in die bestehende WinCC-Projektstruktur
• Inbetriebnahme der neuen Kommunikationsschnittstellen sowie Wiederinbetriebnahme der Rezepturlogik an bestehenden Anlagen
• Erstellung technischer Unterlagen: Kommunikationsabläufe, Funktionsbeschreibungen, Inbetriebnahmedokumentation

Entwicklung einer iOS-App für virtuelle Anprobe und Outfit-Vorschläge

Das Ziel des Projekts ist die Entwicklung einer mobilen Anwendung für personalisierte, fotorealistische Outfit-Vorschläge. Benutzer sollen eigene Fotos hochladen, Kleidungsstücke virtuell anprobieren und direkt kaufbare Produkte in den generierten Vorschlägen wiederfinden können.

• Konzeption und Umsetzung des Onboardings sowie des Foto-Uploads in der iOS-App
• Entwicklung der mobilen Anwendung mit Expo und React Native
• Implementierung eines Hono-/Node.js-Backends für Benutzer-, Produkt- und Generierungsprozesse
• Aufbau einer asynchronen Verarbeitungsstrecke mit BullMQ und Redis
• Anbindung von PostgreSQL/pgvector und S3 für Produkt-, Bild- und Generierungsdaten
• Integration von Gemini und OpenAI für Outfit-Generierung und Bildverarbeitung
• Umsetzung eines Creditsystems und Anbindung von RevenueCat
• Integration von Stripe Connect und Affiliate-Produktfeeds für direkt kaufbare Produkte

Label: TypeScript, React Native, Expo, Hono, Node.js, PostgreSQL/pgvector, BullMQ, Redis, S3, Gemini, OpenAI, RevenueCat, Stripe Connect, Docker

• Leitung der strategischen Softwareentwicklung von Fusionsalgorithmen für präzises Objekt-Tracking, Trajektorienvorhersage und Umgebungsmodellierung auf Basis multimodaler Sensordaten (u. a. Kamera, LiDAR, Radar, GNSS, IMU)
• Entwicklung und Implementierung von Navigationsalgorithmen für autonome Fahrzeuge, einschließlich Pfadplanung, Hindernisvermeidung und Sensorfusion aus visuellen, inertialen und distanzbasierten Sensorquellen
• Automatisierung des Extraktions- und Trainingsprozesses mit CI/CD
• Entwicklung und Optimierung von Datenpipelines und -prozessen in Microsoft Azure mithilfe von Apache Spark, Databricks und PySpark
• Entwicklung und Optimierung von Embedded-Software für automotive Steuergeräte
• Entwicklung von latenzkritischer Software für Echtzeitsteuerungen in robotischen Systemen mit RTOS (freeRTOS, SAFERTOS)
• Verwendung der Vector-Toolchain (CANdela, Davinci, CANoe) für Konfiguration und Diagnose
• Optimierung bestehender Datenpipelines und -prozesse (ETL, Data Warehouse, SQL)
• Entwicklung und Training von Machine-Learning-Modellen mithilfe von PyTorch
• Entwicklung Deep-Learning-basierter Objekterkennungs- und VisualSLAM-Algorithmen, trainiert auf kombinierten Daten aus Kamera-, LiDAR- und IMU-Sensorik
• Implementierung von Computer-Vision-Algorithmen zur Objekterkennung und -klassifikation in Robotersystemen auf Basis von OpenCV und YOLO unter Nutzung synchronisierter Bild- und Tiefendaten
• Implementierung verhaltensbasierter Steuerungssysteme für autonome Roboter mittels ROS2 Behavior Trees
• Durchführung von Tests, Freigabe und Einführung der Sensorfusionsalgorithmen in die Produktionsprogramme der Automobilbranche
• Einhaltung geeigneter Softwareentwicklungsprozesse und Sicherheitsstandards zur Gewährleistung hoher Datenqualität (MISRA, ISO 26262, ASPICE)

• Automotive SPICE®: alle Assessments vollständig erreicht
• Agile Transformation: V-Modell → SAFe erfolgreich
• Serienfreigabe: pünktliche und qualitätsgesicherte Softwarelieferung für Schlüsselmodelle des Volkswagen Konzerns (inkl. ECE-Homologation)
• Stakeholder-Management: intern & extern
• Prozessoptimierung: Kontinuierlichen Verbesserungsprozess (KVP) mit Tracking-System implementiert

• Übernahm die technische Leitung eines 4-köpfigen Teams, das innerhalb von 12 Monaten 3 wichtige Kundenplattformen mit Microservices-Architektur und Lösungen für Skalierbarkeit bereitstellte — 100% der geplanten Hauptfunktionen wurden vor dem Zeitplan und den geplanten Meilensteinen ausgeliefert (Ausgangslage: Frühere Releases verzögerten sich häufig um 1–2 Sprints).
• Führte Evaluierungen von KI-Modellen und Modellausgaben für LLM-/KI-Anbieter-APIs durch: Sicherheit, Vollständigkeit, Befolgung von Anweisungen und Prüfung der inhaltlichen Fundierung vor dem Go-live; reduzierte fehlerhafte Ausgaben in den KI-integrierten Release-Checklisten von wiederkehrenden UAT-Ergebnissen auf nahezu null bei der finalen Freigabe.
• Entwickelte die API-Entwicklung und Performance-Optimierung für Zahlungs-, Börsen- und KI-Dienste voran; strikt geschlossene Fehlerbehandlung und Payload-Validierung reduzierten die Überarbeitung von Integrationen im Vergleich zum ersten KI-Integrationsdurchlauf um ~35%.
• Setzte Softwaretests, Test-Frameworks, Qualitätssicherung von Code und Code-Refactoring mit Gates für die kontinuierliche Integration ein; die Akzeptanz von Pull Requests im ersten Durchlauf verbesserte sich im gesamten Team, und Hotfixes in der Produktion für KI-Adapter gingen nach Einführung der Review-Standards spürbar zurück.
• Verantwortete DevOps-Praktiken: Docker, GitHub Actions, Jenkins-kompatible Pipelines und Versionskontroll-Workflows — reduzierte die Bereitstellungszeit gegenüber der Ausgangslage vor der Automatisierung um ~50% und stabilisierte Releases in 3 Kundenumgebungen.
• Implementierte Verifier-/Oracle-artige Bestanden-Nicht-bestanden-Prüfungen in Container-Sandboxes (an Harbor/Terminal-Bench ausgerichtet); erstellte technische Dokumentation, sodass Fehler in einem Review-Zyklus behoben werden konnten.
• Leitete die funktionsübergreifende Zusammenarbeit mit Produkt- und Kundenstakeholdern; übersetzte KI-Evaluierungswerte und Risikobefunde in verständliche Kurzberichte für nichttechnische Partner und ermöglichte Go-/No-Go-Entscheidungen ohne zusätzliche Engineering-Meetings.
• Setzte agile Methoden für Sprintplanung und Backlog-Verantwortung ein; unterstützte Engineers dabei, dass Entwickler auf mittlerem Niveau bereits zur Hälfte des Projekts KI-Adapter-Module eigenständig verantworteten.

• Leitung der Integration eines maßgeschneiderten Transformer-basierten Encoders in die AFFGANwriting-Pipeline und Ersetzung der alten VGG19-Architektur, um reichhaltigere, hochqualitative Schreibstil-Repräsentationen zu gewinnen.
• Steigerung der Auswahlrate in Nutzerstudien um 40 %, was einen deutlichen Sprung in der wahrgenommenen Qualität und dem Realismus der generierten Handschriften im Vergleich zum Basismodell zeigte.
• Verbesserung der OCR-Leistung um 20 % durch Implementierung eines Teacher-Student-Frameworks, das ein TrOCR-Benchmarkmodell für ergänzende Trainingsabstimmung nutzte.

• Entwicklung und Validierung von Regelungskonzepten zur Netzstabilisierung mit MATLAB/Simulink.
• Modellierung von Umrichtern (VISMA), Netzen und Lasten zur Untersuchung von Frequenz- und Phasenverhalten bei Lastsprüngen.
• Analyse des Einflusses von Trägheit, Dämpfung und Reglerparametern auf Stabilität, Leistungsabgabe und ROCOF.
• Entwicklung adaptiver Reglerstrategien zur Verbesserung der Synchronisation und dynamischen Netzstützung.
• Erstellung automatisierter Simulations- und Auswertungstools zur Bewertung verschiedener Szenarien und Parameter.