Ingenieur aus Kempten im Allgäu für industrielle Bildverarbeitung, Prüfsysteme, Data Science und KI.
Ich bin Ingenieur mit einem Hintergrund in Sensor System Technologies und langjähriger Erfahrung in industriellen Entwicklungs- und Produktionsumgebungen. Mein beruflicher Weg reicht von Elektrotechnik und Sensorentwicklung über Testsysteme und industrielle Bildverarbeitung bis hin zu Data Science, Machine Learning und KI.
Seit 2016 beschäftige ich mich intensiv mit der Entwicklung industrieller Bildverarbeitungslösungen und der Auslegung technischer Prüfsysteme. Dabei geht es nicht nur um Bildaufnahme und Auswertung, sondern um funktionierende Gesamtlösungen aus Sensorik, Bildverarbeitung, Software und Prozessverständnis.
Mit zunehmender Bedeutung datengetriebener Methoden hat sich mein Tätigkeitsfeld um Data Science, Machine Learning und moderne KI-Verfahren erweitert. Seit 2024 liegt ein weiterer Schwerpunkt auf der Entwicklung datengetriebener Lösungen und der Nutzung künstlicher Intelligenz für technische und industrielle Fragestellungen.
Mein Ansatz ist bewusst technologieoffen: Nicht die einzelne Technologie steht im Mittelpunkt, sondern die technische Aufgabenstellung. Je nach Problemstellung kombiniere ich klassische Bildverarbeitung, Data Analytics, Machine Learning, Deep Learning, Softwareentwicklung, Datenpipelines und moderne KI-Verfahren zu einer passenden Lösung.
Data Analytics · Auslegung von Vision-Systemen · Entwicklung von Bildverarbeitungspipelines · Machine Learning · Deep Learning · Entwicklung von Datenpipelines · Softwareentwicklung · Docker · Kubernetes · Prozessoptimierung in der Fertigung
2025 Co-Autor der wissenschaftlichen Publikation „Synthetic Data Generation for AI-Based Quality Inspection of Laser Welds in Lithium-Ion Batteries" in Sensors.
Sitz in Kempten im Allgäu. Projekte regional im Allgäu sowie deutschlandweit auf Projekt- und Remote-Basis.
Nicht jede Aufgabe benötigt künstliche Intelligenz. Am Anfang jedes Projekts steht deshalb die Frage:
Welches konkrete Problem soll gelöst werden – und welchen messbaren Mehrwert bringt die Lösung?
Erst danach wird entschieden, ob klassische Bildverarbeitung, statistische Methoden, Machine Learning oder Deep Learning die geeignete Technologie ist.
Automatisierte Qualitätskontrolle in der Produktion.
Optische Prüfsysteme und Machine Vision.
Machine Learning und Deep Learning für die Prüfung.
Produktions- und Prozessdaten auswerten.
Prozessabweichungen früh erkennen.
Synthetische Trainingsdaten für KI.
