Entwicklungsingenieur. Spezialisiert auf Digitales und Engineering — von Embedded Systems bis Machine Learning und Cloud.

Studium des Maschinenbaus (B.Sc.) und anschließend Master in Applied Research (M.Sc) – mit dem Anspruch, wissenschaftliche Methoden direkt in der industriellen Praxis anzuwenden.
Verfügbar remote sowie vor Ort – hauptsächlich in Bayern und Baden-Württemberg, bei Bedarf aber auch darüber hinaus. Projekte werden auf Deutsch und Englisch betreut.
Privat arbeite ich regelmäßig an eigenen Projekten: Aktuell plane ich einen Camperausbau, pflege meinen Oldtimer, vernetze meine Wohnung und setze ein eigenes IoT-Projekt um. Zum Ausgleich gehe ich segeln oder wandern – und in der Küche entstehen handgemachte Pizzen und ein gelegentliches Tiramisù.
Suche nach Technologien oder filtere nach Kategorie
Eine Auswahl aus Maschinenbau, Medizintechnik und Industrie – vom Messsystem bis zur ML-Pipeline.
Entwicklung und Aufbau eines vollständigen Messsystems inkl. Messsoftware zur strukturierten Datenerfassung für die Entwicklung eines akustischen Sensors. Verantwortlich für Hardware-Setup, Softwareentwicklung und Datenerhebung als technische Grundlage des Entwicklungsprozesses.
Systematische Validierung eines rekurrenten neuronalen Netzes durch gezielte Synthese und Manipulation von Eingabedaten sowie Analyse der resultierenden Modellausgaben. Ziel: Nachweis der Modellrobustheit unter unerwarteten und extremen Eingabebedingungen.
Robustheitsprüfung von Computer-Vision-Modellen für einen Medizinprodukte-Hersteller durch systematische Bildmanipulation mit verschiedenen Methoden. Anschließend Entwicklung einer vollautomatisierten Validierungs-Pipeline, die bei jedem neuen Modell automatisch durchläuft – inklusive eigener Bewertungsmetriken und Reporting.
Entwicklung und Training eines KI-Modells zur präzisen Positionsverfolgung von chirurgischen Instrumenten während medizinischer Eingriffe. Vollständiger ML-Lifecycle: Datenaufbereitung, Modellarchitektur, Training und Evaluation.
Analyse von Maschinendaten auf Basis physikalischen Systemverständnisses: Identifikation relevanter Merkmale, Mustererkennung über ganze Maschinenflotten hinweg und automatisches Flagging von Anlagen, die definierte Qualitätsschwellenwerte überschreiten.
Analyse des realen Nutzungsverhaltens von Maschinen im Kundeneinsatz – zur Ableitung von Erkenntnissen über Einsatzmuster, Auslastung und Optimierungspotenziale. Grundlage für datengetriebene Produktverbesserungen und Serviceentscheidungen.
Unterstützung eines Projekts zur automatischen Generierung von Stützstrukturen im additiven Dental-3D-Druck auf Basis von Machine Learning – mit dem Ziel, den manuellen Aufwand in der Druckvorbereitung zu reduzieren und die Druckqualität zu stabilisieren.
Entwicklung einer zentralen Automatisierungs- und Digitalisierungsplattform für eine F&E-Abteilung – zur Konsolidierung von Datenprodukten, Maschineninformationen und internem Wissen an einem zentralen Ort. Ziel: schnellerer Zugriff auf relevante Informationen und Reduktion manueller Prozesse.
Projektanfrage, Kooperation oder einfach Hallo —
ich freue mich über jede Nachricht.