Über mich

Während meiner Promotion arbeitete ich an Machine Learning für Super-Resolution-Mikroskopie. Anfangs war mein Instinkt, alles von Grund auf neu zu bauen, um jedes bewegliche Teil durch eigene Herleitung zu verstehen.

Mit der Zeit entstand die interessantere Arbeit, sobald ich aufhörte zu fragen „Wie ersetze ich das?" und stattdessen fragte „Warum existiert dieses Muster überhaupt?" Bestehende Ideen zu kombinieren, anzupassen und leicht zu verbessern erwies sich nicht als Mangel an Originalität, sondern als die Art, wie komplexe Systeme tatsächlich wachsen.

Ich lernte darauf zu achten, welche Ideen wiederholten Einsatz überlebten, wo sie scheiterten und wie kleine Änderungen sich durch das System fortpflanzten. In der Praxis entstand Neuheit oft aus Verständnis statt aus Erfindung.

Heute wende ich dieselbe Denkweise an, wenn ich KI-Systeme innerhalb bestehender Enterprise-Landschaften baue:

Im Kern bin ich noch immer Wissenschaftler. Ich mag es, Dinge gründlich zu verstehen. Ich mag Systeme, die sich vorhersagbar verhalten, und Komplexität, die ihre Berechtigung hat.

Vorerst baue ich Dinge, die laufen, lerne aus den Teilen, die es nicht tun, und wähle weiterhin Probleme, die aus den richtigen Gründen schwierig sind.