> whoami
Data Scientist und Entwickler für KI und Automatisierung
Ich baue Software, die Unternehmen die wiederkehrende Arbeit abnimmt. Von der Forschung bis in den täglichen Betrieb.
Co-Founder
Eine Marketingagentur besteht aus Vorgängen, die sich wiederholen: Kampagnen aufsetzen, Bewerbungen einsammeln, freigeben lassen, abrechnen, Wissen wiederfinden. Ich habe daraus eine Plattform gemacht, die diese Vorgänge selbst erledigt und dem Team nur noch die Entscheidungen übrig lässt.
hängen über die Meta-API an der Plattform. Eine Kampagne entsteht aus Kundendaten, nicht aus Klickarbeit im Ads Manager.
durchsuchbar über hybride Suche aus Vektoren und Volltext. Vorher lag das Wissen des Hauses in Ordnern, die niemand durchsah.
für 1.544 Tests, vorher 30 Minuten gegen eine Cloud-Datenbank. Die Absicherung läuft damit vor jedem Deploy statt einmal die Woche.
Gebaut bei Rauch Digital, im Einsatz beim Team und bei den Kunden. Kein Prototyp darunter.
Von der Kundenanfrage bis zur Rechnung
Eine Kampagne durchlief acht Werkzeuge: Anfrageformular, Tabelle, Trello, Google Drive, Ads Manager, Bewerbermanagement, Buchhaltung. Zwischen jedem Schritt saß jemand, der Daten von einer Stelle zur nächsten trug.
Eine Plattform, durch die eine Kampagne von der Anfrage bis zur Abrechnung läuft. Texte und Werbemittel entstehen aus dem Kundengespräch, die Freigabeseite baut sich daraus, nach der Kundenabnahme entstehen die Kampagne im Werbekonto und die wiederkehrende Rechnung.
Das CRM, in dem die Bewerbung nicht liegen bleibt
Eine Kampagne bringt Bewerbungen, aber eingestellt wird erst, wenn jemand zurückruft. Bewerbungen landeten im Postfach des Kunden. Wer schon angerufen hat, wusste niemand, und wer sich zwei Tage nicht meldet, hat den Bewerber verloren.
Ein eigenes CRM für unsere Kunden. Jede Bewerbung kommt über einen Webhook herein und liegt als Karte in der Liste ihrer Kampagne, mit einer Phase, die der Kunde selbst weiterzieht. Über die Anbindung an WhatsApp Business schreibt er direkt aus dem System heraus, statt die Nummer in ein anderes Programm zu übertragen.
Von der Anzeige bis zum Anruf
Die Bewerbungsstrecken lagen bei einem externen Anbieter. Jede Seite wurde von Hand gebaut, Messung und Einwilligung waren nicht in unserer Hand, und was eine Seite kostete, ließ sich nicht steuern.
Eigene Funnel unter eigener Domain, aus Blöcken zusammengesetzt statt als HTML gespeichert. Entwurf und veröffentlichter Stand sind getrennt. Eine Bewerbung geht sofort ins Bewerbermanagement; scheitert der Weg, fängt die Plattform sie auf, statt sie zu verlieren.
Vom Ordner zur Antwort
Das Wissen des Hauses lag in Google Drive, im Projektordner und in den Köpfen. Wer wissen wollte, wie ein Kickoff abläuft oder was in einem Vertrag steht, fragte jemanden oder suchte eine halbe Stunde.
Ein durchsuchbarer Speicher mit hybrider Suche: Vektoren finden, was gemeint ist, die Volltextsuche findet, was wörtlich dasteht. Jeder Abschnitt trägt seine Einordnung, damit ein Absatz aus der Mitte eines Vertrags nicht ohne Zusammenhang dasteht.
Rauch Digital / Witten
Verantwortlich für Entwicklung, IT und Prozessautomatisierung. Ich baue die Plattform, über die Kampagnen entstehen, freigegeben, ausgespielt und abgerechnet werden.
Ericsson / Stockholm
Sechs Monate im Haus, an einem echten Analysewerkzeug. Daraus wurden ein Patent und eine Anwendung, die dort bis heute läuft.
AI Sweden / UNICEF Sweden / Stockholm
Modell zur Erkennung abwandernder Spender, damit UNICEF gezielt nachfassen kann. Dazu ein Chatbot, der natürliche Sprache in SQL übersetzt. Gefördert von Google.org.
BMW Group / München
Cloud Computing und agile Transformation. Als einer von zwei Auszubildenden für ein Udacity-Nanodegree ausgewählt, Scrum Master (PSM I). Danach ein QnA-Chatbot auf Azure und Teams, der das Onboarding neuer Azubis übernahm.
Masterarbeit 2025 / Aalto University, in Zusammenarbeit mit Ericsson / Stockholm
Conversational Interfaces for Data Analysis: Evaluating Modular Agent ArchitecturesBei Aaltodoc lesen
Ein Chat-Fenster für Menschen, die keine Datenbanksprache können. Wer eine Frage tippt, bekommt die Antwort aus den Betriebsdaten, dazu die Auswertung und, wo es passt, ein Diagramm. Ich habe drei Architekturen gebaut und gegeneinander gemessen: eine einfache Kette als Grundlinie, einen ReAct-Agenten mit Wissensabruf und Python-Werkzeugen, und ein modulares Multi-Agenten-System unter einem Supervisor.
Der ReAct-Agent mit Wissensabruf lag durchweg vorn, bei Richtigkeit ebenso wie bei der Nachvollziehbarkeit seiner Schritte. Das Multi-Agenten-System lieferte saubere Wege, kostete aber Zeit durch die Abstimmung untereinander. Geprüft wurde beides zweifach: gegen zehn Aufgaben mit Musterlösung und in einer Nutzerstudie mit Fachleuten aus der Telekommunikation.
arbeiten heute damit, weit über das Ende der Arbeit hinaus.
gebaut und gegeneinander gemessen, nicht nur beschrieben.
gemeinsam mit dem Betreuer bei Ericsson eingereicht und erteilt.
Aus der Arbeit an den Agenten-Architekturen ist eine Erfindung entstanden, die ich gemeinsam mit meinem Betreuer bei Ericsson eingereicht habe. Sie wurde erteilt.
gemeinsam mit Mathew Goonewardena, Ericsson
Diffusion-Based Data Augmentation for Improving the Classification of EEG Signals
Maastricht University
Gesundheitsdaten sind knapp, weil sie schützenswert sind. EEG-Aufnahmen bekommt man nicht in beliebiger Menge, und ohne Menge lernt kein Modell verlässlich. Ich habe deshalb mit einem Diffusionsmodell künstliche EEG-Signale erzeugt und damit den Datensatz vergrößert, um die Erkennung von Emotionen zu verbessern.
Überführt man das Signal per FFT in den Frequenzbereich, steigt die Klassifikationsgenauigkeit um bis zu 20 Prozentpunkte gegenüber demselben Datensatz ohne künstliche Daten. Im direkten Vergleich auf denselben Merkmalen lag ein GAN allerdings bei drei von vier Emotionsdimensionen vorn. Getestet auf DEAP, EEG-Aufnahmen von 32 Personen.
Zwanzig Repositories auf GitHub. Fünf davon sagen am meisten darüber, wie ich arbeite.
Ein System, das Bojendaten der NOAA einliest und die Wellenhöhe am Huntington Beach vorhersagt. Vom Scraper bis zur Vorhersage.
Bachelorarbeit: Mit Diffusionsmodellen künstliche EEG-Daten erzeugen, um die Klassifikation von Emotionen zu verbessern.
Ein Claude Skill, der zugewachsenen Code aufräumt. Nicht nur für Menschen lesbar, sondern für ein Sprachmodell billig zu verstehen.
Zusammen mit Rebase Energy: Wetter- und Windparkdaten auf einer Karte, damit Stromhändler ihre Preise besser einschätzen.
Umgebungsgeräusche mit Vision Transformers klassifizieren. Ton wird zum Bild, das Bild zum Modell.
KTH Stockholm und Aalto Helsinki
Doppelabschluss über EIT Digital. Erstes Jahr an der KTH in Schweden, zweites an der Aalto in Finnland.
Maastricht University
Erfolgreich abgeschlossen, sechs Semester in englischer Sprache und problembasiert gelehrt. Ein Semester davon an der Reykjavík University in Island.
Reykjavík University, Island. Auslandssemester im Bachelor.
Deutsch (Muttersprache) · Englisch (C2, Studium und Arbeit vollständig auf Englisch)
In der Ausbildung bei BMW hatte ich meine ersten Berührungspunkte mit künstlicher Intelligenz. Ausgelöst hat es ein Udacity-Nanodegree, für das ich als einer von zwei Auszubildenden ausgewählt wurde.
Vorher hielt ich KI für etwas, das großen Köpfen vorbehalten ist. Für Leute wie Musk oder Zuckerberg, nicht für mich. Im Nanodegree habe ich dann gemerkt: Am Ende des Tages ist es Mathematik. Und mit Mathematik kam ich in der Schule gut zurecht.
Also habe ich es ausprobiert und angefangen, künstliche Intelligenz zu studieren. Erst in Maastricht, dann in Stockholm und Helsinki. Es hat funktioniert.
Heute interessiert mich weniger das Modell als die Frage, was danach kommt: Wie wird daraus etwas, das ein Team jeden Tag benutzt, ohne darüber nachzudenken. Genau dort liegt meine Arbeit.
mit meinem Bruder Milan
Jede Woche ein Sachbuch, in einer Folge auf das heruntergebrochen, was davon im Alltag wirklich hängen bleibt. Auf Spotify, Apple Podcasts und überall sonst.
ReinhörenFerienfreizeit auf Ameland 2014 bis 2016
KJG St. Karl Borromäus. Zwei Wochen im Jahr, rund 50 Kinder, Organisation und Leitung.
Schwimmtrainer 2013 bis 2016
Sport-Union-Annen. Vier Jahre lang Kindern zwischen drei und zehn das Schwimmen beigebracht.