Machine-Learning-Ingenieur · Multi-Agent-Systeme & HITL Workflows · KI für Ingenieurwesen- und Energiesysteme · Python · München 🇩🇪
Mit Sitz in München, Deutschland · Offen für Positionen als Forward Deployment Engineer, AI Enablement Engineer oder Solutions Engineer
Ich bin ML/AI Engineer mit fundierter Domänenexpertise in Batteriesystemen und Energietechnik (M.Sc. TU Berlin). Was mich auszeichnet: Ich baue nicht nur Modelle — ich bringe KI in produktionsreife Umgebungen, erkläre komplexe Systeme verständlich und befähige Teams, KI-Lösungen selbst einzusetzen. Mein Fokus liegt auf der Schnittstelle zwischen technischer Tiefe und praktischer Anwendung: Forward Deployment, AI Enablement und Solutions Engineering.
Derzeit erweitere ich meine Expertise in ML-Pipelines, Deep-Learning-Modellen und skalierbaren MLOps-Systemen. Besonders interessiert mich der Einsatz von KI in Energiesystemen, Automobiltechnik, Robotik und Industrie 4.0.

LangChain, Large Language Models und Generative AI zur Automatisierung technischer Workflows und für die intelligente Integration in komplexe Systeme.
Umfassende Erfahrung mit Python, Datenanalyse, Modellierung und Visualisierung in ingenieurtechnischen Anwendungen.
Prädiktive Modellierung für SOC, SOH und RUL – entwickelt für Automotive-Batteriesysteme und Energiespeicherlösungen.
Model-based Systems Engineering in Kombination mit Siemens NX, CATIA und Hypermesh für die technische Systementwicklung.
End-to-End ML-Pipelines, CI/CD-Grundlagen, Microsoft Azure, SQL, ETL, REST-API-Integration, reproduzierbare Experimente, Git und Jupyter.
PyTorch, CNN, RNN/LSTM, 3D U-Net, scikit-learn, XGBoost, Zeitreihenanalyse und Feature Engineering für anspruchsvolle Modellierungsaufgaben.
Konfidenz-basierte Workflows, n8n-Integration, browserbasierte Validierungsschnittstellen, Audit-Trails und GDPR-konforme Systeme für KI-Pipeline-Validierung.
A2A-Protokolle, Agent-Orchestrierung, Confidence Routing und Human-in-the-Loop-Workflows für produktionsreife Multi-Agent-Pipelines.
Predictive-Maintenance-Dashboard für Photovoltaik-Wechselrichter-Flotten — Anomalieerkennung auf Flottenebene, Alert-Aufschlüsselung nach Schweregrad und Drilldown auf Geräteebene, als live nutzbare Streamlit-Anwendung deployed.
🔗 Live-Demo: inverter-predictive-ai-hcopvamifmfhgdxawjq4n8.streamlit.app
RAG-basierter Compliance-Assistent zur Prüfung von Ausschreibungs- und Netzanschluss-Dokumenten; semantische Suche und Q&A über regulatorische Dokumente, deployed auf Streamlit Cloud.
🔗 Live-Demo: tender-compliance-rag-ej3hpahnvtu6yaf3bvtijw.streamlit.app
Fehlererkennung an Batteriezellen mittels eigenem CNN (98,8% Testgenauigkeit, 0,988 Macro-F1), orchestriert durch 4 kooperierende Agenten über ein typisiertes Agent-to-Agent-Protokoll (A2A), mit sitzungsübergreifendem Memory-Agenten und Live-Drift-Erkennung.
End-to-End-Multi-Agent-Plattform (Extraktion, Anomalieerkennung, Klassifikation, Entscheidungsagenten) mit konfidenzbasierter Weiterleitung an menschliche Prüfung; automatisierte Quality Gates, RLHF-Datensatzexport und vollständiger Audit-Trail. 60 Datensätze pro Durchlauf: 75% automatisch freigegeben, 2 kritische Anomalien korrekt erkannt.
Aufbau einer produktionsreifen RAG-Pipeline (LangChain / LlamaIndex / FAISS) über interne Simulationsrichtlinien; Integration lokaler LLMs für Datenschutz; semantische Suche über komplexe Engineering-Spezifikationen
Modulare Agentic-Workflow für 3D-Bilddaten; Implementierung eines 3D U-Net-Segmentierungsmodells (PyTorch) zur Extraktion von Maßwerten aus komplexen Geometrien; Echtzeit-Benachrichtigungen via ntfy-API
LSTM/RNN-Vorhersagemodelle für SOH-Schätzung und Degradationsverläufe auf realen industriellen Batterie-Datensätzen; Benchmarking gegen Random-Forest- und SVM-Baselines; reproduzierbare Experiment-Pipeline
Erweiterung um browserbasierte Human-in-the-Loop Validierungsschnittstelle; dreistufiger Audit-Trail: ML → LLM → Mensch; approved_metadata.json + audit_trail.json
No-Code-KI-Leitfäden und Automatisierungs-Workflows für nicht-technische Teams: Make.com, n8n, Claude Projects, Microsoft Copilot. Enthält eine kuratierte Prompt-Bibliothek, einen HR-Ticket-Klassifikator (Ollama, lokal) und praxisorientierte Anleitungen zur KI-Einführung im Unternehmensumfeld.
Streamlit-Dashboard zur Echtzeit-Überwachung einer simulierten Flotte von 40 Elektrofahrzeugen (Gabelstapler, Vans, Cargo-Bikes, E-Scooter). SOH/SOC-Tracking, Anomalieerkennung und interaktive Plotly-Visualisierungen — demonstriert End-to-End-Deployment vom Modell bis zur nutzbaren Oberfläche.
Automatisiertes, deutschsprachiges Tool zur Buchhaltung und Lizenzgebühren-Abstimmung für Franchise-Flotten, ergänzt durch ein Onboarding-Automatisierungs-Toolkit für nicht-technische Geschäftsteams.
Generisches HITL-System mit n8n für KI-Pipelines; automatische Konfidenz-basierte Weiterleitung; selbst gehostet, GDPR-konform; Webhook-Trigger für beliebige Systeme
Hochvolt-Batteriespeicher für Gabelstapler (Whitemark): 3D-Konstruktion in CATIA V5, Schaltplanerstellung in Altium, HV-Kabelbaum-Integration
MBSE-Modellprojekt (TU Augsburg): Analyse und Modellierung komplexer technischer Systeme; Konvertierung von MATLAB-Simulationsmodellen in JavaScript
Batteriemodul-Konstruktion (LION Smart): Normgerechte 3D-CAD-Modelle und technische Zeichnungen mit GD&T und Stücklisten für Automotive-Anwendungen
Batteriesimulation & Analyse (Dan-Tech Energy): MATLAB/Simulink-Modellierung, Altair HyperWorks für Mesh-Analyse, Evaluationsberichte für Partner wie Salzgitter AG, E-Bikes Axess, Roboteam Ltd.
Feuchtigkeitsleck-Analyse Tools: Entwicklung technischer Analysetools in Python zur systematischen Untersuchung von Motorkomponenten
Projektpartner: Salzgitter AG, E-Bikes Axess, Roboteam Ltd., SEPTIER, QinFlow
Feb 2024 – Dez 2025 · Oberschleißheim, Bayern
Produktentwicklung im Bereich Mobilitätstechnologien mit Schwerpunkt auf datengetriebenen Lösungsansätzen.
Aug 2023 – Okt 2023 · Garching, Bayern
Forschung und Entwicklung intelligenter Batteriesysteme für Automotive-Anwendungen.
Jul 2022 – Jul 2023 · Berlin
Unterstützung in der Batteriespeicherindustrie mit Schwerpunkt auf technischer Analyse und Systemintegration.
Mär 2018 – Aug 2018 · Ahmedabad, Indien
Koordination von Total Productive Maintenance mit Fokus auf effiziente Produktionsmethoden und Kostenreduktion.
Design Engineer · Jan 2017 – Feb 2018
Trainee · Aug 2016 – Feb 2017 · Pune, Indien
Zertifizierung in Siemens NX & Dassault CATIA mit Schwerpunkt auf Teilmodellierung. Fundierte Erfahrung mit Hypermesh und AutoCAD.
Summer Intern · Mai 2015 – Jul 2015 · Gurgaon, Indien
Einsatz in der Abteilung Maintenance, Engineering & Development (MED).

Master of Science · Energieingenieurwesen · Okt 2018 – Apr 2021
Vertiefung in Batteriespeichertechnologie und Energiesystemdesign. Forschungsschwerpunkt auf elektrischen Antriebssystemen und nachhaltiger Energietechnik.
Bachelor of Technology (B.Tech.) · Maschinenbau · 2012 – 2016
Fundierte Ausbildung in Maschinenbau, Fertigungstechnik und technischer Mechanik, ergänzt durch praxisorientierte Projektarbeit.
Batteriezellen in einem Pack altern nicht mit der gleichen Geschwindigkeit – besonders wenn sie ungleichmäßigen Temperaturverteilungen ausgesetzt sind. Meine Masterarbeit an der Technischen Universität Berlin befasste sich genau mit dieser Herausforderung: Wie entwirft man einen intelligenten Zellausgleichskreis, der dynamisch auf thermische Gradienten über ein Batteriepack reagiert und sowohl die Lebensdauer als auch die Sicherheit verbessert. Die Forschung kombinierte Schaltungsdesign, Thermalsimulation, Strukturanalyse und datengesteuerte Lebensdauermodellierung in einem integrierten Framework.
In Multi-Zell-Batteriesystemen können Temperaturunterschiede von nur 5–10°C über Zellen hinweg die Degradation in wärmeren Regionen beschleunigen, was zu Kapazitätsverlust, Unausgeglichenheit und vorzeitigem Ausfall führt. Standard-Ausgleichskreise ignorieren den thermischen Zustand – diese Arbeit schlug einen thermisch-bewussten Ansatz vor.
Thermalsimulation (Altair HyperWorks)
Ich baute das Kernsimulationsmodell mit Altair HyperWorks auf – HyperMesh für Mesh-Generierung und Geometrievorbereitung der Batteriezellengeometrie, und HyperView für Post-Processing und Visualisierung der Wärmeverbreitungsergebnisse. Das Modell erfasste Wärmeerzeugung, Leitungspfade und Kühlstrategien unter variierenden Lastbedingungen.
Struktur- & Schwingungsanalyse (ANSYS)
Mit ANSYS führte ich durch:
Lebensdauer- & Alterungsmodellierung (MATLAB/Simulink)
MATLAB/Simulink wurde zur Modellierung von SOC (State of Charge) und SOH (State of Health) Trajektorien unter thermischen Gradienten verwendet. Numerische Methoden wurden angewendet, um Kapazitätsverlust und verbleibende Nutzungsdauer über verschiedene Temperaturprofile zu schätzen. Python wurde für Datenverarbeitung, Ergebnisautomatisierung und Visualisierung von Simulationsergebnissen verwendet.

ANSYS
Altair HyperWorks
HyperMesh
HyperView
MATLAB/Simulink
Python
Numerische Methoden
FEM
Thermalsimulation
CFD
Schwingungsanalyse
SOC/SOH-Modellierung
Batteriealterung
Entwicklung eines thermisch-bewussten Ausgleichsalgorithmus, der die Energieumverteilung basierend auf Echtzeit-Temperaturgradienten über Zellen anpasst
Nachweis, dass thermisch-gradient-informierter Ausgleich die effektive Zelllebensdauer im Vergleich zu konventionellem spannungsbasiertem Ausgleich verlängern kann
Aufbau eines wiederverwendbaren Simulationsframeworks, das FEM-Thermalsimulation (HyperWorks) und dynamische Systemmodellierung (MATLAB/Simulink) kombiniert – anwendbar auf breitere Batteriesystementwicklungs-Workflows
Bereitstellung von Vibrations- und Strukturanalysen, die die mechanische Robustheit des Schaltungsdesigns unter dynamischen Lastbedingungen bestätigen
Engineering eines Kreises, der nicht nur Ladung ausgleicht – sondern Wärme versteht – erforderte die Kombination von Simulation, Daten und physikalischer Intuition. Diese Schnittmenge ist dort, wo ich meine beste Arbeit leiste.
Seit 2016 sammle ich umfassende Erfahrung in der mechanischen Konstruktion und im computergestützten Design (CAD). Meine Expertise umfasst die Entwicklung komplexer Bauteile und Baugruppen, wobei ich stets auf Präzision, Funktionalität und Fertigbarkeit achte. Ich bin zertifiziert in Siemens NX und CATIA V5, was meine Fähigkeiten in führenden CAD-Systemen unterstreicht.
Meine Arbeit konzentriert sich darauf, innovative Lösungen zu entwickeln, die sowohl technischen Anforderungen als auch ästhetischen Ansprüchen genügen.
Powertrain component design including pistons, connecting rods and crankshaft pulleys for engine applications.
Technologien: Solid modelling, Parametric modelling, Drafting
Design and analysis of camshaft geometry and engine block for internal combustion engine applications.
Technologien: Solid modelling, Surface modelling, GD&T
Design and dimensioning of shafts and bearing arrangements for rotating machinery.
Technologien: Solid modelling, Tolerance analysis, GD&T
Design and development of rotor and stator geometries for electric drive systems in automotive applications.
Technologien: Solid modelling, Surface modelling, GD&T
Complete motor housing design for electric drive units, including thermal and structural considerations.
Technologien: Solid modelling, Assembly design, DFM
Fluid-mechanical impeller design for cooling and flow applications.
Technologien: Surface modelling, Solid modelling, CFD considerations
Complete HV battery storage system for industrial forklift application (Firma Whitemark). Full design cycle from concept to production-ready design.
Technologien: CATIA V5, Altium, Assembly design, HV harness integration, DFM
Battery module and mechanical component design for automotive e-mobility applications.
Technologien: SolidWorks, Autodesk Inventor, GD&T, BOM, Assembly design
Design of cooling plates and thermal management structures for battery and power electronics applications.
Technologien: Solid modelling, Sheet metal design, DFM
Structural enclosures and module holder designs for battery pack integration.
Technologien: Solid modelling, Sheet metal design, Assembly design
Full machine design project covering all major structural and mechanical systems. One of the largest scale projects in my academic and early professional career.
Technologien: Solid modelling, Assembly design, Drafting
Design of structural frames, mounting brackets and support structures for industrial and automotive applications.
Technologien: Solid modelling, Sheet metal design, FEM analysis
Design of gear housings for power transmission applications in industrial machinery.
Technologien: Solid modelling, GD&T, DFM
Various sheet metal design projects covering brackets, enclosures, frames and formed parts.
Technologien: Sheet metal design, Bend calculations, DFM, Drafting
Structural and dynamic design work on BMW automotive components involving FEM analysis and design optimisation.
Technologien: CAD, FEM (HyperWorks), Dynamic analysis, GD&T
Design of engine-adjacent battery components for Audi automotive platform.
Technologien: Solid modelling, Assembly design, Automotive standards
Mechanical design of drone components including structural parts, with integration of programming and control systems.
Technologien: Solid modelling, Assembly design, Lightweight design
Fundierte Grundlagen zu Datenstrukturen in Python für effiziente Softwareentwicklung und datengetriebene Verarbeitung.
Vertiefte Kenntnisse in Datenbankintegration, SQL-Abfragen und Datenpersistenz in Python-Anwendungen.
Praxisorientiertes Abschlussprojekt zu Datenerfassung, -verarbeitung und Visualisierung mit Python.
NX Essential for NX Designer – zertifiziert in professioneller 3D-Konstruktion und Produktentwicklung.
Solide Grundlagen der Programmierung in Python für technische und wissenschaftliche Anwendungen.
DeepLearning.AI (Stanford Online)
University of Michigan
with honors – University of Colorado Boulder
University of Colorado Boulder
with honors – University of Colorado Boulder
Muttersprache / zweisprachig
Fließende Berufssprache
Beruflich sicher einsetzbar
Mehrsprachige Kommunikationsstärke fördert die nahtlose Zusammenarbeit in internationalen Teams und globalen Projekten.
Offen für Positionen in der Energie-, Automobil- und Hightech-Branche, insbesondere in München und Umgebung. Schwerpunkt auf der Verbindung von technischer KI-Kompetenz mit direkter Kunden- und Produktintegration.
Interesse an der Entwicklung skalierbarer KI-Lösungen für anspruchsvolle ingenieurtechnische Herausforderungen.
📍 München, Deutschland
📞 +49 151 64492655
Ich suche aktiv nach neuen Möglichkeiten als Forward Deployment Engineer, AI Enablement Engineer oder Solutions Engineer in der Energie-, Automobil- und Hightech-Branche. Für Gespräche und Interviews stehe ich Ihnen jederzeit gerne zur Verfügung.
Prateek Gaur