Image Processing Experten in Deutschland

• 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

Strategisches Marketing / Neukundengewinnung (B2B):

• Markt- und Wettbewerbsanalyse: Mitbewerber erfasst, Bewertungsraster entwickelt, Anbieterlandschaft mit potenziellen Kunden, Mitbewerbern und Partnern skizziert
• Konzeption einer medienübergreifenden, personalisierten Mehrkontaktkampagne
• Entwicklung der Mehrkontakt-Strategie in verschiedenen Varianten mit mehreren Stufen entworfen, Kontaktpunkte, Zielunternehmen und Zielpersonen bestimmt, Idealkundenprofil und Kontaktideen entwickelt
• Alle Einzelmaßnahmen konzipiert: Konzepte für Brief, Postkarte, Landingpages, E-Mails, Telefonate und Downloads entwickelt
• Ablauflogik der Kontaktfolgen visualisiert (Flussdiagramm)
• Abgrenzung zum „Account-Based-Marketing” beschrieben
• Umsetzungsplanung: Anbieter für Verpackung, Versand und Zielseiten-Software recherchiert, Bedingungen verhandelt, Werkzeuge und Partner empfohlen

Social-Media-Marketing:

• Zielkategorisierung, -definition und Handlungsempfehlung
• Prüfung und Auswahl der Kanäle
• Konzeption der Kanalbearbeitung
• 11-Wochen-Redaktionsplan entwickelt (Instagram & LinkedIn)
• Bild- und Videobeiträge entwickelt, umgesetzt und veröffentlicht
• Kampagnenstart, laufende Überwachung und Optimierung

Suchmaschinenoptimierung (SEO):

• Website-Audit mit Indexierungs-Check
• Ranking-, Backlink-, Traffic- und Konkurrenz-Analysen
• Such- und Nutzerverhalten analysiert
• Beratung zu SEO-Risiken bei Relaunches mit Domain-Wechsel
• Keyword-Recherchen und Handlungsempfehlungen

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

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

• 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.

• KI-basierte Wahrnehmungs- und multimodale Systeme für reale Umgebungen entwickelt und umgesetzt
• Machine-Learning- und Deep-Learning-Modelle mit Python, PyTorch, TensorFlow und OpenCV gebaut, trainiert und evaluiert
• Mit Vision-Language-Modellen (VLMs), Large Language Models (LLMs), transformerbasierten Architekturen und multimodalen KI-Systemen gearbeitet
• LoRA-basierte Fine-Tuning-Techniken angewendet und mit Diffusionsmodellen für generative und multimodale KI-Anwendungen experimentiert
• Multimodale Wahrnehmungspipelines mit Kamera-, LiDAR- und Sensordaten entwickelt
• End-to-End-Workflows für Datenverarbeitung, Modelltraining, Evaluation, Benchmarking und Robustheitsanalyse entworfen
• HuggingFace Transformers und moderne Deep-Learning-Frameworks für KI-Experimente und Deployment-Workflows genutzt
• GPU-beschleunigtes Rechnen, CUDA-basierte Verarbeitung sowie ONNX- und TensorRT-Optimierung für effiziente Inferenz und großskaliges Modelltraining eingesetzt
• Mit Industriepartnern wie Valeo und REHAU an angewandten KI- und intelligenten Systemprojekten zusammengearbeitet
• Skalierbare KI-Architekturen und prototypische Softwarelösungen für Automatisierungs- und Wahrnehmungsaufgaben entwickelt

• Entwicklung neuer Simulatorfunktionen und Erweiterung vorhandener Module mit C++.

• GUI-Design und Implementierung mit Qt für Windows, einschließlich Neugestaltung zur Verbesserung der Benutzerfreundlichkeit und des Workflows.

• Wartung und Ausbau des bestehenden Codebestands: Refactoring, Fehlerbehebung und Modularisierung zur Unterstützung neuer Funktionalitäten.

• Versionsverwaltung mit Git.

• Performance-Optimierung der Simulation zur Einhaltung von Echtzeitanforderungen.

• Erstellung und Pflege von Dokumentationen: technische Kommentare, Design-Dokumente, API-Referenzen und Benutzerhandbücher.

• Leitung einer Neugestaltung, die den Bediener-Workflow verbessert und die Aufgabenausführungszeit verkürzt hat.

• Erweiterung der Simulatorarchitektur zur Unterstützung mehrerer neuer Szenariotypen bei gleichzeitiger Wahrung der Abwärtskompatibilität.

• Durchführung von Refactoring- und Modularisierungsmaßnahmen, die Wartung vereinfachten und die Feature-Auslieferung beschleunigten.

• Technologien: C++03, Qt4.6, QMake, Git, V-Modell, Windows

• 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#

• Einführung in KI und Automatisierung
• Das Automatisierungsprojekt
• Make.com Foundations
• Automation Basics: Datenmanagement
• Workflows dokumentieren, Fehler beheben und Reports automatisieren
• Exkurs: Daten als Grundlage von KI-Systemen
• Implementierung von KI-Lösungen in der Praxis
• Exkurs: Large Language Models (LLM's)

• 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.

• Eine modulare C++-20-Embedded-Linux-Acquisition-Software auf einem Raspberry Pi entwickelt, die IMU- und Dual-Kamera-Datenströme mit Genauigkeit im Submillisekundenbereich synchronisiert.
• Retroreflektive und Kontrastsensoren integriert, um die Datenerfassung auszulösen und Lücken zwischen Sortierbahnschienen zu erkennen.
• SPI- und I2C-Sensorkommunikation, GPIO-Interrupt-Verarbeitung mit libgpiod sowie CSV- und JSON-Ausgabe implementiert.
• Eine mehrthreadige Acquisition-Pipeline und eine SPSC-Queue zwischen Acquisition- und Writer-Threads entworfen.
• Einen webbasierten Server mit Python/HTML/CSS aufgebaut und den Prototypen in einem DHL-Lager zur Fehlererkennung validiert.
• Das Softwareverhalten, die Konfiguration und die Ergebnisse dokumentiert, um eine wartbare Übergabe und Weiterentwicklung zu ermöglichen.