Schlagwörter
Skills
Mit Studium Spezialisierung auf Nutzung der künstlichen Intelligenz in ingenieurstechnischen Anwendungen.
20+ Jahre Erfahrung in öffentlichen und industriellen Forschungs- und Entwicklungsprojekten, als Projektleiter sowie als Entwicklungsingenieur
Entwicklungserfahrung in ML-Frameworks und Sprachen (z.B. Python, C/C++, Matlab, Matlab Deep Learning, Tensorflow, ONNX, PyTorch)
Entwicklungserfahrung beim Einsatz neuronaler Netze in technischen Anwendungen (TensorRT, ONNX, Tensorflow Lite)
Projektleitung und Entwickler in der Automatisierung des Machinelles Lernen als Software-as-a-Service sowie der Einbeziehung von High-Performance Computing Infrastruktur z.B. von Hyperscalern wie Amazon Web Service. Absicherung von KI-Modellen über Smart Contract Blockchains z.B. Ethereum.
Vertiefte Kenntnisse in hyperspektraler Bildauswertung sowie allgemein spektral-optische Sensordatenauswertung mit Anwendungen u.a. in der Präzisionslandwirtschaft, in Haushaltsgeräten sowie der Kosmetik / Haarpflege
Erfahrungen in Forschung und Entwicklung zur Planung und Durführung von Sensormesskampagnen zur Erhebung repräsentative Trainings- und Validierungsdaten.
Projekthistorie
Projektziel: Entwicklung eines Systems zu Online-Bestimmung von Qualitätsparametern bei der Ernte oder industriellen Verarbeitung von Getreide. Dazu wurde auf Basis von systematischen spektral-optischen Referenzmessungen Neuronale Netze erstellt und in der Sensortechnik eingesetzt. Zum Training unterschiedlichster Netztypen wurde auf High-Performance Computing Infrastruktur zurückgegriffen.
Beitrag: Projektleitung für die Erstellung und das Deployment der KI-Modelle, Implementierung angepasster Neuronaler Modelle, Implementierung und Roll-Out der Model-Serving Software, Implementierung Dashboard-Applikation für die Online-Auswertung der Sensordaten.
Bemerkung: Projekt durchgeführt im Rahmen der Festanstellung beim Fraunhofer IFF, Magdeburg.
Link: https://www.iffocus.online/echtzeit-analysen-fuer-die-getreideernte/
Projektinhalt: Ziel des Projektes war die Entwicklung von land- und luftgestützter Sensorik für die Bestimmung von züchtungsrelevanten Pflanzenparametern im Feldbestand. Dazu wurden spektral-optische Sensorik in Kombination mit maschinell gelernten mathematischen Modellen eingesetzt. In mehrjährigen Mess- und Validierungskampagnen wurde die Machbarkeit eines solchen Softsensorikansatzes im realen Anwendungsumfeld demonstriert.
Beitrag: Projektleitung und Entwicklungstätigkeit für den Aufbau der Sensorplattform, Entwicklung und Validierung von anwendungsspezifischen Künstlichen Neuronalen Netzen. Softwaretechnisches Design, Implementierung und Roll-Out der automatisierten Datenerfassungssoftware.
Bemerkung: Projekt durchgeführt im Rahmen der Festanstellung beim Fraunhofer IFF, Magdeburg.
Link: https://www.iffocus.online/barley-biodiversity-innovationen-fuer-die-landwirtschaft-von-morgen/
Reisebereitschaft
Remotearbeit bevorzugt. Vor-Ort Arbeit möglich.