Beruf

1. 2024 — heute

   Ubivis

   Junior Data Scientist, dann Data Scientist, Manager für KI-Modellierung, Miteigentümer und CTO, US, in weniger als zwei Jahren.

   1. Okt. 2025 — heute

      Chief Technology Officer, US

      Technologiestrategie für Ubivis in den Vereinigten Staaten: die US-Roadmap für die Plattformen UbSmart, UbGenius und No-Code AI, On-Premise-, Cloud- und Hybrid-Deployments mit Anbindung an SPS, SCADA und MES, technischer Pre-Sales in den Branchen Stahl, Automobil, Bergbau, Öl und Gas sowie Lebensmittel und das US-Technikteam mit seinen MLOps- und Delivery-Standards.

      • Strategie
      • Pre-Sales
      • Architektur
   2. Dez. 2024 — heute

      Gesellschafter

      Miteigentümer von Ubivis in Brasilien und für den Vertrieb des Unternehmens verantwortlich. Die kommerzielle Arbeit steuere ich mit Scrum und einem Kanban-Board: digitales Marketing, SEO, Bewerbungen für Innovationsförderprogramme und die Umsetzung der Expansionsstrategien. Außerdem baue ich die US-Niederlassung auf: Vertriebsstrategie von der Marktanalyse bis zu Enterprise-Abschlüssen, Go-to-Market, Pricing und Positionierung gemeinsam mit dem Gründer und den Partnern sowie Nachfragegenerierung über bezahlte Kampagnen, E-Mail-Outreach und die LinkedIn- und Instagram-Präsenz des Unternehmens.

      • Scrum
      • Kanban
      • SEO
   3. Okt. 2024 — heute

      Manager, KI-Modellierungsteam

      Physikinformierte und datengetriebene Modelle für Stahl- und Automobilwerke, mit Architekturen für digitale Zwillinge und Simulationspipelines, angebunden an SPS, SCADA und MES, verantwortlich für Budget, Anbieterauswahl und ROI-Modelle. Aufbau des KI-Governance-Frameworks des Unternehmens: Quality Gates, Sicherheitschecklisten und eine Richtlinie zur ethischen Nutzung, damit kein Modell ohne Prüfung in Produktion geht.

      • KI-Governance
      • MLOps
   4. Mai — Okt. 2024

      Data Scientist, KI

      Physikinformierte Modelle für die Stahlerzeugung und automatisierte Feature-Pipelines für industrielle Zeitreihen. Nach drei Monaten von der Junior-Position befördert.

      • PINNs
      • tsfresh
      • Polars
   5. Feb. — Mai 2024

      Junior Data Scientist, KI

      Machine-Learning-Modelle und Datenpipelines für industrielle Anwendungen, mit Forschung zu Prozessoptimierung, Anomalieerkennung und Sensordatenanalyse.

      • Anomalieerkennung
      • Feature Engineering
2. Sept. 2023 — Nov. 2024

   AI Resident · SENAI Hub of AI

   Physikalisch fundierte neuronale Netze für eine effizientere Stahlerzeugung und Computer-Vision-Segmentierung urbaner Böden für Smart Cities.

   • PyTorch
   • Computer Vision
3. Juni 2019 — Jan. 2021

   Mitarbeiter, Spezialisierte Dienstleistungen in angewandter Kern-, Atom- und Molekülphysik · UEL

   Universitäres Extensionsprojekt am Labor für angewandte Kernphysik (LFNA), koordiniert von Prof. Dr. Avacir Casanova Andrello: Dienstleistungen in Röntgen-Mikro-Computertomographie, von der Vorbereitung unterschiedlichster Proben bis zur Bildrekonstruktion, 2D- und 3D-Analyse und Datenauswertung (100 Stunden).

   • Mikro-CT
   • 3D-Rekonstruktion
   • Datenanalyse
4. 2019 — 2025

   Technischer Übersetzer und Lektor, Englisch und Portugiesisch · Selbstständig

   Wissenschaftliche Artikel, vor allem aus Bauingenieurwesen, Physik und Biologie, für Forschende an Universitäten.

Ausgewählte Arbeiten

• Erkennung seltener Fehler beim Roboterschweißen

  Ein binärer Klassifikator für Fehler, die fast nie auftreten, trainiert auf extrem unausgewogenen Sensordaten mit über 700 Zeitreihen-Features pro Schweißzyklus. Er läuft durchgängig, von der Datenerfassung bis zum containerisierten Deployment. Das von Ubivis umgesetzte Projekt war Top-3-Finalist des FINEP Innovation Award 2025 (Digitale Transformation der Industrie).

  • Zeitreihen
  • tsfresh
  • Imbalanced Learning

• Physikinformierte Modelle für die Stahlerzeugung

  Neuronale Netze, die Prozessphysik mit Anlagendaten für Sauerstoffblaskonverter und Lichtbogenöfen kombinieren, wo Daten allein den Betriebsbereich nicht abdecken.

  • PINNs
  • PyTorch
  • Prozessmodellierung

• ML-Pipelines über 170 GB Sensordaten

  Polars mit Zstandard-komprimiertem Parquet, Disk-Caching, adaptivem Undersampling mit MiniBatchKMeans und paralleler Feature-Extraktion, ausgelegt für den Betrieb auf einer einzigen Maschine.

  • Polars
  • Parquet
  • Data Engineering

• Rust-Backend für die Ubivis-Plattform

  Die Neuimplementierung des Plattform-Backends in Rust, die ich entwickle: ein hexagonaler Workspace aus 26 Crates mit GraphQL-API, NATS-JetStream-Events, Cerbos-Autorisierung und OpenBao-Secrets sowie Servern für Retrieval-Augmented Generation (RAG) und das Model Context Protocol (MCP) für KI-Agenten.

  • Rust
  • RAG
  • MCP

Vorträge

1. Sept. 2026

   Begutachtetes Paper und Vortrag · ROG.e 2026, Rio de Janeiro

   Impact of Applying Artificial Intelligence Techniques in Risk-Based Inspection for Equipment in Oil Refining Units, am 24. September in einer Fachsitzung präsentiert.

2. 2025

   Bühnenreferent für Ubivis · GITEX Europe, Berlin

   Präsentation der Plattform für industrielle KI von Ubivis vor einem internationalen Publikum.

Tools

1. Führung

   Technologiemanagement · Technischer Pre-Sales · IT-Strategie · KI-Governance · Scrum · Kanban

2. ML

   PyTorch · scikit-learn · XGBoost · LightGBM · TensorFlow

3. Daten

   Polars · Pandas · tsfresh · NumPy · SciPy · SQL

4. MLOps

   Docker · Kubernetes · GCP · MLflow · Airflow · FastAPI · CI/CD

5. Industrie

   SPS · SCADA · MES · OPC UA