Aufsetzen der Steuerungsmodule für die Machinelearning-Infrastruktur von Selfdriving Cars sowie die Auslagerung der Arbeitsprozesse auf ein skalierbares Cloudsystem.

Automatisierte Bereitstellung von Produktions- und Testumgebungen.

• Automatisiertes Trainieren von selbstfahrenden Autosystemen weltweit
• Ein Überwachungs- und Ablaufmanagementsystem wurden entwickelt und dem internationalen Trainingsteam zur Verfügung gestellt

Teilnahme an der internationalen Kaggle Competition der Otto Gruppe für ein Onlineshop Recommender System, als Teil des dreiköpfigen avameo-Inovationsteams.

·         Ziel ist die Verbesserung des Online-Shop Produkt-Empfehlungssystems

·         Drei verschiedene, statistische sowie KI basierte Ansätze wurden entwickelt und zu einem Ensemble-System zusammengefügt.

Updatesystem des tensorscope Seminal Analyzers, einer Windows Desktop Applikation:

·         Drei-Stufiges Rolloutsystem

·         Continuous Delivery (CICD)

·         Aktualisierung der Softwareversion

·         Sicherheits-Updates

·         Fehlerbehebung

·         .NET Integration

·         Einführung von neuen Features

Medizinproduktzulassung des Seminal Analyzer. Dieser unterliegt den Richtlinien der IEC 62304 ?Medizingera?te-Software - Software-Lebenszyklus-Prozesse?. Als Teil des Medizinprodukt Zertifizierungs-Teams arbeitete er an den folgenden Komponenten:

·         Software-Entwicklungsplan

·         Software-Anforderungsplan

·         Software-Architekturbeschreibung

·         Softwaredokumentation

·         Erstellung von SOPs ?Standard Operating Procedures? für integrierte Softwareentwicklung, Change-Management, Softwareproblemlösung, Softwarebereitstellung

·         Risk Management Plan

·         Risk Acceptance Matrix

Entwicklung einer Software zur automatischen Auswertung des männlichen Ejakulates auf Basis von Bildmaterial:

·         Entwicklung der Computer Vision Auswertungs-Pipeline

·         Bild/Video basierte Konzentrations- und Motilitäts- Analyse von Spermienzellen unter einem Mikroskop

·         Bilddatenverarbeitung (PNG, JPEG, MP4-VP9)[ZB|aG1] 

·         Aufbereitung der Rohdaten

·         Extraktion des so gen. Makler/Neubauer Zellkonzentrationsbestimmungs-Rasters

·         Segmentierung der Spermienzellen durch ein KI-Modell

·         Zelllokalisierung und Motilitätsbestimmung (Bestimmung des Bewegungsverhaltens)

·         Ergebnisaufbereitung im JSON-Dateiformat

·         Entwicklung einer API-Schnittstelle, welche Bilder und Videos annimmt und diese Auswertet

Konzeption und Umsetzung einer eigenen Cloud-Plattform. Folgende Komponenten und Eigenschaften wurden umgesetzt:

·         Server in fünf Datencentern Europaweit

·         EU-Datenschutz Konformität

·         Aufsetzen eines Kubernetes Cluster

·         Redundantes S3 Speichersystem

·         GPU beschleunigte Machine Learning Inference

·         Microservice System Umgebungs-Isolation (Production, Dev)

·         Cloudflare Access (Cluster Security)

·         Load Balancing und Cloudflare Argo Tunnel

·         Lambda Function Framework (serverless)

Konzeption, Entwicklung und Backendinfrastrukturplanung einer KI-Trainingspipeline für großangelegtes Modell Training:

·         Datenset-Erstellung aus gelabelten Bild- und Videodaten

·         Daten-Augmentation live während des Trainings

·         Modell Training mit variablen Modellarchitekturen

·         Trainings Visualisierung mit Tensorboard

·         Modell Evaluierung auf verschiedene Parameter: Sensitivity (lower-, mean, upper- limit); True/False Positives/Negatives (%)

·         Permanente Speicherung der folgenden Daten: Evaluierungs-Ergebnisse, Trainings-Logs, Datensets, Trainingskonfigurationen, Modell Checkpoints und Produktionsfertige Modelle

·         Steuerbar über Command-Line-Interface und Atlassian Jira

·         Statusübersicht auf Jira-Board

·         Datenset-Erstellung kompatibel mit dem Firmeninternen Daten-Labeling Systems

·         Automatisches Training bei Eingang von neuen Kundendaten

·         Erstellung von über > 1000 Datensätzen

·         Training von über > 500 KI-Modellen

Applikation zur Händischen Markierung (Labeling) von Zellen auf Mikroskop Aufnahmen (Bilder/Videos):

·         Zellen können lokalisiert, klassifiziert und deren Bewegungsverhalten bestimmt werden.

·         Web-UI in der Daten nach Kunden sortiert und dem Labelingstatus entsprechend gefiltert werden.

·         Bilddaten können geöffnet und in einer eigenen Oberfläche bearbeitet werden.

·         API-Schnittstelle zwischen Datenbank und Web UI

·         S3-Speicher Integration

·         Integriert in die Firmeninterne Trainings Pipeline

·         Neue Kundendaten werden automatisch eingefügt

·         Benachrichtigungs-System bei Dateneingang

·         Automatische Arbeitszuweisung zu zuständigen Mitarbeitern

Forschungsprojekt welches sich mit der Lokalisierung von Zellobjekten auf Mikroskopischen Aufnahmen beschäftigt:

·         Entwicklung eines eigenen Bildsegmentierungsansatzes

·         Weniger als 50 Einzelbilder benötigt für erfolgreiches Modell-Training.

·         Trainingszeit beträgt 8-16 Stunden.

·         Ein Modell kann per ?fine tuning training? in wenigen Stunden auf jegliche Mikroskope angepasst werden. 

Konzeption und Entwicklung einer Pupillenreaktionsanalyse mit Hilfe von Consumer-Hardware und niedrig qualitativen Kamerasystemen für den Einsatz in abgelegenen, indischen Regionen.