Nov 2025 – Present · 7 mos · Филлинген-Швеннинген

• ForestHub.ai builds a platform for AI agents on embedded and industrial edge devices.
• We help companies turn machines, sensors, controllers and connected products into intelligent agents that can perceive, decide and act locally — where data is created and where real-world processes happen.
• Our platform combines:
• visual agent design
• automated embedded code generation
• on-device inference and learning
• hybrid edge-to-cloud orchestration
• agent registry, monitoring and lifecycle management
• Typical use cases include intelligent service technicians for machines, adaptive building control, predictive maintenance, smart industrial devices and distributed multi-agent systems across edge and cloud.
• The core idea is simple:
• AI should not only live in the cloud.
• It should run where decisions matter.

Oct 2022 – Jun 2024 · 1 yr 8 mos · Frankfurt/Rhein-Main · Hybrid

• Entwicklung und Betrieb von Business Intelligence- und Analytics-Modellen auf Basis fortschrittlicher Data Lakehouse-/Big Data-Architekturen.
• Aufbau und fortlaufende Weiterentwicklung eines Datalakes zur Unterstützung der zentralen Informationsversorgung und detaillierten Analyse von Geschäftsprozessen.
• Finanzielle, aufwands- und nutzenorientierte Bewertung von mehr als 12 Projekten zur Optimierung der Ressourcenzuweisung und strategischen Planung.
• Anforderungsmanagement und Stakeholder-Kommunikation bei der Durchführung von mindestens 8 verschiedenen BI-Projekten.
• Implementierung von Echtzeit-Technologien im BI-Kontext zur Verbesserung der Datenaktualität und Entscheidungsfindung.

Jan 2022 – Aug 2025 · 3 yrs 7 mos

• PhD Student (TinyML / On-Device Training)
• Forschung und Entwicklung zu Training und Adaptation neuronaler Netze auf ressourcenbeschränkten Embedded Devices (insb. Microcontroller/Edge). Fokus auf Verfahren, die Rechenaufwand, Speicherbedarf und Datenhaltung so reduzieren, dass On-Device Learning in realen Industrie- und IoT-Szenarien praktikabel wird.
• Schwerpunkte & Beiträge
• Entwicklung neuer Methoden für effizientes On-Device Training, u. a.
• DRIP: Grad-CAM-basierte, streamingfähige Datenpriorisierung zur Reduktion von Speicher- und Labelingaufwand
• TinyProp / TinyPropv2: dynamisch-sparse Backpropagation zur deutlichen Reduktion des Trainingsaufwands auf MCUs
• Continual/Incremental Learning: inkrementelles Lernen mit Dataset Distillation und adaptiver Modellgröße zur Begrenzung von Forgetting und Ressourcenverbrauch
• Konzeption, Implementierung und Evaluation von Embedded-ML Pipelines (Training/Inference), inkl. reproduzierbarer Experimente und Benchmarking auf relevanten Datensätzen.
• Wissenschaftliche Dissemination: Publikationen, Vorträge sowie Transfer der Ergebnisse in anwendungsnahe Demonstratoren/Prototypen.
• Forschungsanträge & Drittmittel: Verfassen von 20+ Projektanträgen sowie aktive Unterstützung/Initiierung industrieller Drittmittelakquise (Use-Case-Scoping, Konsortialbildung, technische Workpackages, Aufwandsschätzung).
• Betreuung und Anleitung von Studierenden (Praktika sowie Bachelor-/Masterarbeiten) im Themenfeld Embedded AI / TinyML.
• Methoden/Tools (Auswahl): TinyML, On-Device/Edge Learning, Grad-CAM, Sparse Training, Continual Learning, Python/C/C++, PyTorch/TensorFlow, Embedded Toolchains, Experiment Tracking & Evaluation.

Sep 2018 – Dec 2021 · 3 yrs 3 mos

• Stellvertretender Gruppenleiter
• Erstellung von Projekt bezogenen Softwarecode in Python, C/C++ und/oder VHDL in einem Umfang von <2000 Zeilen Code
• Entwickeln und implementieren von effizienten Algorithmen auf embedded Devices wie FPGAs, MCUs, TPUs, Ein-Platinen-Computer
• Entwickeln und implementieren von Machine Learning und KI Algorithmen mithilfe von Tensorflow/Keras, Pytorch, Scikit-Learn und weiteren Tools.
• Analysieren und Auswerten von Daten wie beispielsweise: Maschinen Daten mithilfe von Pandas, Numpy oder auch Scikit-Learn.
• Projektleiter in verschiedenen öffentlich finanzierten Forschungsprojekten mit einem maximalen Budget von 600t €
• Betreuung und Akquisitionen von Studenten für Praktika, Bachelor- und Masterarbeiten in verschiedenen Themenbereichen wie beispielsweise Embedded KI oder Data Science.

Mar 2021 – Present · 5 yrs 3 mos

Mar 2021 – Sep 2024 · 3 yrs 6 mos · Furtwangen im Schwarzwald, Baden-Württemberg, Deutschland

• Als Lehrbeauftragter an der Hochschule biete ich Kurse in den Bereichen TinyML und Deep Learning an. In meinem Kurs über TinyML lernen die Studierenden, wie sie Machine-Learning-Modelle auf IoT-Geräten implementieren können, um Echtzeitdatenanalysen und Vorhersagen durchzuführen. Der Kurs umfasst Konzepte wie Embedded Machine Learning, Datenvorverarbeitung, Modelltraining und -optimierung sowie die Integration von Machine-Learning-Modellen in Hardware.
• In meinem Kurs über Deep Learning erhalten die Studierenden eine umfassende Einführung in die theoretischen Konzepte und praktischen Anwendungen von Deep Learning. Die Studierenden erlernen die Grundlagen von Neuronalen Netzen, Faltungsnetzen, Rekurrenten Netzen und anderer wichtiger Konzepte. Außerdem erlernen sie praktische Techniken zur Modellentwicklung, -optimierung und -implementierung. Der Kurs enthält auch Fallstudien und praktische Projekte, um den Studierenden ein besseres Verständnis der praktischen Anwendung von Deep Learning zu vermitteln.
• Als Lehrbeauftragter bringe ich meine jahrelange Erfahrung in der Branche und ein tiefes Verständnis für Machine Learning und Deep Learning in den Klassenraum ein. Ich bemühe mich, eine interaktive und engagierte Lernumgebung zu schaffen, um das Verständnis und die praktischen Fähigkeiten der Studierenden zu verbessern.

Jan 2020 – Dec 2022 · 2 yrs 11 mos · Stockach, Baden-Württemberg, Deutschland · Hybrid

• War verantwortlich für die Überwachung der gesamten Datenpipeline, um maximale Effizienz und Genauigkeit sicherzustellen.
• Entwickelte eine moderne Datenplattform, die sich in bestehende Systeme integrierte und Erkenntnisse lieferte, um Geschäftsentscheidungen zu fördern.
• Implementierte modernste NLP-Algorithmen, um die Genauigkeit und Relevanz der Produkte für Kunden zu verbessern.
• War leidenschaftlich daran interessiert, AI zu nutzen, um Unternehmensprozesse effizienter und effektiver zu gestalten. Nutzte dazu AI-Technologien, um Aufgaben zu automatisieren, Arbeitsabläufe zu optimieren und die Zeit- und Ressourcenanforderungen für komplexe Aufgaben zu reduzieren.
• Brachte einen ganzheitlichen Ansatz zur Datenverwaltung mit und implementierte innovative Lösungen, die Produkte und Prozesse verbesserten.
• Leitete ein Expertenteam, um Unternehmensziele und -ziele zu erreichen und zeigte dabei starke Führungskompetenzen.

Mar 2018 – Aug 2018 · 5 mos · Villingen-Schwenningen, Baden-Württemberg, Deutschland

Jan 2018 – Jul 2018 · 6 mos

Jul 2017 – Feb 2018 · 7 mos · Ingolstadt, Bayern, Deutschland

Feb 2016 – Feb 2017 · 1 yr · Furtwangen im Schwarzwald, Baden-Württemberg, Deutschland

Jan 2015 – Jun 2017 · 2 yrs 5 mos · Villingen-Schwenningen, Baden-Württemberg, Deutschland