Object Detection Experten in München

• Teilnahme an einem strukturierten Karriereentwicklungsprogramm, Verbesserung der Deutschkenntnisse (B1) und Prüfung von Möglichkeiten im Bereich ADAS/AD-Systeme und Anforderungsmanagement.

• Entwicklung von High-Performance-Ad-Auslieferung über Auktionen
• Ganzheitliche Optimierung der Anzeigenplatzierung (multi-campaign & multi-channel)
• Algorithmische Optimierung für NP-Hard/NP-e
• Multiple Knapsack Problem mit Nebenbedingungen
• Online-Schätzung von Parametern in stochastischen Umgebungen

Tools: Python, R, Kotlin, MILP/SAT/CP-Solver, Pytorch, Pandas, Docker

• Manuelle Tests für Schadensmeldungen, Weiterleitung, Reparaturkostenberechnung, Teileauswahl und Protokollierung auf der Plattform Gold.dat.de durchgeführt
• Wichtige Prozesse mit ASKUI automatisiert, einschließlich Login, Schadensmeldung, Berechnungen und Teileauswahl
• Benutzerinteraktionen simuliert (z. B. Drag-and-drop) mit ASKUI
• Automatisierte Tests in CI/CD-Pipelines integriert, um Fehler früh zu erkennen
• Über 50 Testszenarien ausgeführt und kritische Fehler identifiziert
• Testzeit durch Automatisierung um 50 % reduziert
• Plattformqualität und Benutzererlebnis verbessert

• Spezialisierung auf Konzeption und Implementierung robuster, sicherer Cloud-Lösungen für kritische Kundeninfrastrukturen.
• Expertise im Microsoft Intune-Umfeld mit starkem Fokus auf Systemhärtung und umfassendes Richtlinienmanagement.
• Architektur einer NIST- und ISO/IEC 27000-konformen MDM-Infrastruktur für ein internationales Regierungsprojekt im Luftfahrt- und Verteidigungssektor.
• Übernahm die Architekturrolle für eine Offline Microsoft Endpoint Configuration Manager (MECM)-Umgebung, sicherte die NIST-Konformität und betreute dabei eine komplexe Fertigungsinfrastruktur.

• Präsentation der weltweit ersten voll immersiven AR-Brillen-Erfahrung in einem fahrenden Auto auf der CES 2024.
• Vortrag über Augmented Reality auf internationalen Konferenzen (z.B. das AR Ride Concept @ Unite 2024).
• Leitung eines interdisziplinären Softwareteams mit 12 Personen, das Android-Headunit-Integrationen, Navigation- und ADAS-UIs sowie Embedded-Software entwickelt.
• Festlegung der technischen Ausrichtung, Steuerung domänenübergreifender Architektur und Integration sowie Betreuung von Entwicklern in den Bereichen Android, UI/UX und Embedded.
• Überwachung einer kleinen Flotte von Testfahrzeugen für Validierung, Tests und Datenerfassung.

• Umsetzung von MVPs im Bereich Festnetzkommunikation mit einem Team von 3 technischen Product Ownern
• Aufbau der Produkt-Roadmap
• Entwicklung von Epics mit den Fachabteilungen, Breakdown in Features und User Stories
• Steuerung der Offshore-Entwickler-Teams
• Transparenz und Reporting gegenüber dem Gesamtprogramm
• Agile Entwicklung nach SAFe-Ansatz

• Entwicklung einer durchgängigen KI-Pipeline zur Analyse von 2D-Explosionszeichnungen mithilfe von Computer Vision und Deep-Learning-Modellen.
• Integration einer YOLO-basierten Objekterkennung (Bounding Boxes, Nachbearbeitung, Überlappungsbehandlung) für präzise Erkennung von Bauteilen und Beschriftungen.
• Anwendung des Segment Anything Model (SAM) für eine feinkörnige Segmentierung und Trennung einzelner Komponenten.
• Implementierung von OCR- und Feature-Extraction-Modulen sowie Vergleich von Vision-Language-Modellen (VLM) und traditionellen Computer-Vision-Ansätzen hinsichtlich Genauigkeit, Laufzeit und Skalierbarkeit.

• Entwarf und implementierte multimodale Unterhaltungstoolchains, die Passagierinput, Fahrzeugkontext, Large-Language-Modelle (Text-zu-Text und Sprache-zu-Sprache) sowie Bildgenerierungsmodelle kombinieren, um interaktivere und immersivere In-Car-Erlebnisse zu bieten.
• Entwickelte und orchestrierte Tools für LLM-basierte Agenten, inklusive Sitzungsverwaltung, Hintergrundaufgaben, dynamischer Nutzerinteraktionen und persistentem Anwendungszustand.
• Untersuchte Multi-Agenten-Orchestrierungsframeworks für In-Car-Umgebungen, bewertete Kommunikationsprotokolle und Architekturstrategien für koordinierte und zuverlässige Agentenverhalten.

• Integrierten Ansatz zur Erkennung von Strukturschäden in Beton, Stahl und Glas eingeführt, basierend auf Technologien wie LiDAR und Wärmebildgebung. Wechselwirkungen zwischen Materialien hervorgehoben, um Diagnosen zu verbessern und Predictive Maintenance zu ermöglichen.

• NLP-basierten Medical Note Simplifier entwickelt, der komplexe klinische Anweisungen in einfaches, kindgerechtes Englisch umwandelt. Dabei Prompt Engineering mit Flan-T5-Transformermodellen angewendet, um patientenrelevante Maßnahmen zu extrahieren und als klare To-Do-Punkte umzuformulieren. Zwei Backends mit Flask und Tornado aufgebaut und eine druckbare Weboberfläche erstellt.

• Aufbau des Unternehmens mit Fokus auf Connectivity für IIoT und Industrie 4.0, iRPA/Prozessautomatisierung, Advanced Robotics und Smart Systems, Sensors and Services
• Projektleitung und Software-Architektur für IoT-Gateway-Entwicklung (seit 2020) mit Protokollübersetzung, IT/OT-Konvergenz und GRC
• Entwicklung von RPA-Bots zur Automatisierung und Überwachung industrieller Prozesse mit agentischem AI-Ansatz (seit 2020)
• Implementierung von Unsupervised Clustering und Anomalieanalyse für Zeitreihendaten in BigData-Streaming-Pipelines (seit 2021)
• Einführung eines Docker-basierten Release-Trains für OTA-Updates mit DevSecOps und CI/CD (seit 2018)

• Beitrag zur Entwicklung des Backend-Systems für eine digitale Gesundheitsplattform
• Entwicklung und Wartung von gRPC-basierten Microservices mit Spring Boot
• Schreiben und Optimieren von Automatisierungsskripten in Python- sowie Unix- und Windows-Umgebungen
• Zusammenarbeit in einem cross-funktionalen agilen Team zur Integration neuer Funktionen
• Tech-Stack: Java, Spring Boot, gRPC, SQL, Windows-/Unix-Scripting, Python

• Verantwortlich für die Entwicklung industrieller Vision-Lösungen, angefangen als Werkstudent und ab Mai 2025 in einer Festanstellung.
• Entwicklung und Implementierung von Modellen zur Fahrzeugerkennung und -zählung; Integration der Pipeline in ein Cloud-System (Azure) mit Live-Analytics-Dashboards.
• Aufbau eines Offline-Systems zur Druckqualitätsprüfung, das Wellpappendrucke in Produktionslinien scannt, um Fehler wie Spritzer, Verunreinigungen und Farbabweichungen zu erkennen und zu klassifizieren; Bereitstellung der Lösung auf Jetson Edge-Geräten.
• Zusammenarbeit mit funktionsübergreifenden Teams, mit Fokus auf Computer-Vision-Komponenten, Containerisierung und Deployment.

• Entwarf und implementierte eine fortschrittliche, agentenbasierte RAG-Pipeline mit LangChain und LangGraph zur strukturierten Datenauslesung aus PDFs, unter Nutzung von Tools, Zustandsverwaltung und OpenAI LLMs (GPT-4), um Genauigkeit zu steigern und komplexe Dokumentstrukturen zu bewältigen.
• Entwickelte einen Google-KI-Agenten zur Extraktion strukturierter Informationen aus PDF-Dokumenten und deployte den Agenten auf Vertex AI.
• Entwarf Datenpipelines mit Azure Data Factory und Databricks, um Daten aus Azure Blob Storage zu laden, mit PySpark zu verarbeiten und über Linked Services in Azure SQL Database zu schreiben.
• Containerisierte KI-Agenten und -Services mit Docker für konsistente lokale Entwicklung und Bereitstellung.
• Nutze PySpark und Dask für Datenbankabfragen in Verbindung mit Azure Blob Storage und Document Storage.
• Erstellte einen ReAct-Agenten, der strukturierte Daten aus PDF-Dokumenten extrahiert, indem er Tools nutzt und Azure Document Intelligence integriert.
• Trug zum Projekt zur Validierung von CPO-Rechnungen bei, indem ich Databricks einsetzte, um bestehende CDRs zu finden und die Gesamtkosten zu berechnen.
• Entwickelte einen konversationalen KI-Agenten (Chatbot) mit FastAPI-Backend, integrierte RAG für präzise Tarifextraktion und setzte den Service mit Azure Container Apps um.
• Verwendete Tools: Azure, Azure OpenAI, Azure Document Intelligence, Azure Blob Storage, Google ADK, Google Cloud, Vertex AI, Gemini, Databricks, LangChain, LlamaIndex Ollama, Docker, PySpark, Azure SQL, Azure Data Factory, Azure AI Agent, Microsoft SQL Server