Ich baue ML- und KI-Lösungen — mit dem Blick einer Ingenieurin, die den gesamten Software-Lifecycle kennt.
Data Science·Computer Vision·KI-Engineering
Prädiktive Modelle, KI-gestützte Automatisierung und datengetriebene Analysen – von der ersten Exploration bis zum funktionierenden Prototyp. Was ich mitbringe: Erfahrung aus großen Softwareprojekten, in denen ich Produkte bis zur Serienreife begleitet habe. Struktur, saubere Umsetzung und Qualitätsbewusstsein sind für mich keine Buzzwords – sondern gelebte Praxis.
Fast 15 Jahre Softwareentwicklung in der Automobilbranche haben mein Denken geprägt: Struktur, Qualität und der Anspruch, dass Lösungen nicht nur funktionieren, sondern in der Praxis bestehen.
Angefangen hat alles mit Bildverarbeitung und Mustererkennung — Algorithmen, die Benutzeroberflächen von Infotainmentsystemen automatisiert analysierten. Der nächste logische Schritt: Fahrerassistenzsysteme — Funktionsverantwortung für die Umfeldsensorik im Parkassistenten, wo Bildverarbeitung und Sensorik direkt zusammenkommen. Mit dem Wechsel ins technische Fehlermanagement beim Travel Assist habe ich die Perspektive bewusst erweitert — Prozessentwicklung nach Automotive SPICE, Software-Audits, Steuerung von Partnerfirmen. Durch diese Arbeit kenne ich den kompletten Software-Lifecycle aus erster Hand: von Requirements über Entwicklung und Verifikation bis zur Serienfreigabe — ein Blick über den Tellerrand, den die wenigsten Entwickler mitbringen.
Mein Ursprung liegt in der Arbeit mit Daten und Algorithmen — schon im Studium hat mich Bildverarbeitung und Mustererkennung fasziniert. Nach Jahren in Projektsteuerung und Prozessentwicklung habe ich mich entschieden, genau dorthin zurückzukehren. Heute gehe ich als freiberufliche Data Scientist und AI Engineer meinen eigenen Weg: prädiktive Modelle, KI-gestützte Automatisierung und datengetriebene Analysen — mit dem Engineering-Hintergrund, der dafür sorgt, dass aus einem Prototyp auch ein belastbares Ergebnis wird.
2019 - 2025
Wolfsburg, Deutschland
2019 - 2025
2016 - 2018
Wolfsburg, Deutschland
2016 - 2018
2011 - 2015
Wolfsburg, Deutschland
2011 - 2015
Klassifikation, Regression und Clustering mit klassischen und neuronalen Ansätzen — von AutoML-Pipelines bis zum Training und Tuning eigener Modelle.
LLM-Anwendungen mit RAG-Pipelines, Prompt Engineering und Multi-Agent-Systemen — von Hugging Face Fine-Tuning bis zu autonomen Agenten.
Mustererkennung, Segmentierung und Objektverfolgung — von klassischer Bildvorverarbeitung über Symbol- und Schrifterkennung bis zu Deep-Learning-Ansätzen. 4+ Jahre Praxiserfahrung in der Automotive-Serienentwicklung.
Explorative Analyse, Visualisierung und Datenbankdesign — von SQL- und NoSQL-Datenbanken über interaktive Dashboards bis zu reproduzierbaren Analyse-Pipelines.
Überfachliche Kompetenzen
DSGVO-konformes, vollständig self-hosted RAG-System, das Meeting-Protokolle per natürlicher Sprache durchsuchbar macht. Struktur-bewusstes Chunking nach Tagesordnungspunkten, lokale LLM-Inferenz über Ollama, Vektor-Suche mit Qdrant — keine Daten verlassen die eigene Infrastruktur.
Analyse von 540.000 Transaktionen eines Online-Händlers aus drei Perspektiven: Kundensegmentierung (RFM/PostgreSQL), Warenkorbanalyse (MongoDB) und Cross-Selling-Empfehlungen (Neo4j). Ergebnis: 90% der Käufer eines Bestsellers kauften auch ein bestimmtes Zweitprodukt — ein klares Signal für Produktbündelung.
Prototyping-Workflow für Klassifikationsaufgaben mit AutoML: Explorative Datenanalyse, automatisierter Modellvergleich und gezielte Feature-Selektion. Erkenntnis — die Reduktion auf robuste Features steigerte die Accuracy von 35% auf 93%.
Vorhersagemodell zur Erkennung abwanderungsgefährdeter Kunden mittels überwachtem Lernen.
Klassifikation kurzer Tweets als Katastrophenmeldung: TF-IDF-Baseline gegen drei feingetunte Transformer (DistilBERT, BERT, RoBERTa) und ein Zero-Shot-LLM — identisches Preprocessing, fairer Vergleich. Kernbefund: saubere Datenvorbereitung schlägt das größere Modell — nur 5 Prozentpunkte trennen Baseline (0.789) und Sieger RoBERTa (0.842).
EDUCX GmbH2025 – 2026 Data Science & KI-AnwendungSchwerpunkte:
| ||
Hochschule Emden/Leer2008 – 2011 Master of EngineeringSchwerpunkte:
| ||
Hochschule Emden/Leer2005 – 2008 Bachelor of ScienceSchwerpunkte:
|
Ich freue mich darauf, mehr über Ihre Herausforderungen zu erfahren und gemeinsam Lösungen zu entwickeln — ob im Bereich Data Science, Computer Vision oder KI-Engineering.