Forschung Überblick

In meiner Promotion habe ich neuronalen Netzen beigebracht, jenseits der Beugungsgrenze zu sehen. Die Methoden ließen sich besser auf Unternehmensdaten übertragen, als ich erwartet hatte.

Forschung Schwerpunkte

Drei Bereiche, eine Gewohnheit: das System verstehen, bevor man es verändert.

Computer Vision & wissenschaftliche Bildgebung

Algorithmen für biologische Bildanalyse, Super-Resolution-Mikroskopie und automatisierte Qualitätskontrolle mit Nanometer-Genauigkeit.

  • Algorithmen für Super-Resolution-Mikroskopie
  • Bildregistrierung und Korrelation
  • Automatisierte Analyse biologischer Strukturen
  • Echtzeit-Bildverarbeitungs-Pipelines

KI/ML für wissenschaftliches Rechnen

Netzarchitekturen, die Fachwissen in das Modell einbauen, statt darauf zu hoffen, dass die Daten es liefern.

  • Maßgeschneiderte neuronale Netzwerkarchitekturen
  • Compressed Sensing mit Deep Learning
  • Physik-informierte neuronale Netze
  • Multimodale Lernansätze

Enterprise-KI & Produktivsysteme

Coding-Agenten, die ABAP schreiben und testen. RAG über SAP-Daten auf AI Core. Betrieben innerhalb bestehender Systemlandschaften, nicht daneben.

  • MLOps und Modell-Deployment
  • Skalierbare Datenverarbeitungs-Pipelines
  • Integration von Enterprise-Systemen
  • Performance-Optimierung & GPU-Computing

Forschung Werdegang

Woher die Methoden kommen und wohin sie gegangen sind.

2019-2023

Promotion in Biophysik

Universität Würzburg; Entwicklung von KI-Algorithmen für Super-Resolution-Mikroskopie, die Compressed Sensing mit tiefen neuronalen Netzen verbinden.

Deep Learning Computer Vision Wissenschaftliches Rechnen
2024–heute

SAP KI Berater

Coding-Agenten, die ABAP auf BW/4HANA schreiben und testen. RAG über SAP-Daten auf SAP AI Core. LangGraph-Agenten, die in bestehenden Systemlandschaften laufen.

Enterprise-KI MLOps Systemintegration
2024–heute

EndureXAI-Plattform

Eigenständige Entwicklung einer Full-Stack-KI-Plattform für Sport-Analytics. Live unter endurexai.de.

Produktentwicklung Sport-Analytics Full-Stack-KI

Aktuelle Forschung

Woran ich gerade arbeite.

AttentionAI

Transformer für wissenschaftliche Bildgebung

Untersuchung von Transformer-Architekturen zur Gewinnung zusätzlicher Positionsinformationen über große Zeitfenster in Single-Molecule-Localization-Mikroskopie-Datensätzen.

Attention-Mechanismen für zeitliche Daten
Verbesserte räumlich-zeitliche Auflösung
Modellierung weitreichender Abhängigkeiten

Status: Preprint veröffentlicht

Kooperationsprojekte

Institutsübergreifende Forschung

Laufende Kooperationen mit Forschungseinrichtungen zu KI-Anwendungen in biologischer Bildgebung, Neurowissenschaften und medizinischer Diagnostik.

Universität Würzburg

Super-Resolution-Mikroskopie und KI-Integration

Internationale Kooperationen

Institutsübergreifende Entwicklung von KI-Methoden

Industriekooperationen

Beratung zur Umsetzung von Enterprise-KI

Forschung Methodik

Wie ich arbeite, in vier Schritten.

Theoretische Grundlage

Die Mathematik aufschreiben, bevor der Code entsteht.

Implementierung

So bauen, dass es schnell läuft: moderne Frameworks und GPU-Beschleunigung.

Validierung

Auf echten Datensätzen testen und die Zahlen berichten, auch die schlechten.

Transfer

Was funktioniert, in Produktionssysteme überführen.

Forschung Wirkung

Die Zahlen.

15
Publikationen
Peer-reviewed Artikel
442
Zitationen
OpenAlex
5
Open Source
Forschungswerkzeuge
3
Nature-Familie
High-Impact-Journals

Interesse an Kooperation?

Wenn Sie ein Problem haben, das aus den richtigen Gründen schwierig ist, möchte ich davon hören.