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.
Kernkompetenzen
Machine Learning & Deep Learning (Python)
Batterieanalytik: SOC, SOH, RUL
Technische Workflow-Automatisierung
Generative AI & LLMs
MBSE – Model-based Systems Engineering
AI-Integration in Simulationsumgebungen
No-Code AI & Workflow-Automatisierung (Make.com, n8n, Microsoft Copilot)
LangChain, Large Language Models und Generative AI zur Automatisierung technischer Workflows und für die intelligente Integration in komplexe Systeme.
Python & Data Science
Umfassende Erfahrung mit Python, Datenanalyse, Modellierung und Visualisierung in ingenieurtechnischen Anwendungen.
Batterieanalytik
Prädiktive Modellierung für SOC, SOH und RUL – entwickelt für Automotive-Batteriesysteme und Energiespeicherlösungen.
MBSE & CAD
Model-based Systems Engineering in Kombination mit Siemens NX, CATIA und Hypermesh für die technische Systementwicklung.
MLOps & Cloud
End-to-End ML-Pipelines, CI/CD-Grundlagen, Microsoft Azure, SQL, ETL, REST-API-Integration, reproduzierbare Experimente, Git und Jupyter.
Deep Learning & Neural Networks
PyTorch, CNN, RNN/LSTM, 3D U-Net, scikit-learn, XGBoost, Zeitreihenanalyse und Feature Engineering für anspruchsvolle Modellierungsaufgaben.
Human-in-the-Loop (HITL) & AI Validation
Konfidenz-basierte Workflows, n8n-Integration, browserbasierte Validierungsschnittstellen, Audit-Trails und GDPR-konforme Systeme für KI-Pipeline-Validierung.
ML & AI Projekte
RAG-System für Engineering-Dokumentation
Aufbau einer produktionsreifen RAG-Pipeline (LangChain / LlamaIndex / FAISS) über interne Simulationsrichtlinien; Integration lokaler LLMs für Datenschutz; semantische Suche über komplexe Engineering-Spezifikationen
3D Structural & Volumetric Analysis Pipeline
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
Batterie-Zeitreihen-ML
LSTM/RNN-Vorhersagemodelle für SOH-Schätzung und Degradationsverläufe auf realen industriellen Batterie-Datensätzen; Benchmarking gegen Random-Forest- und SVM-Baselines; reproduzierbare Experiment-Pipeline
LLM-Agents für technische Metadaten
Erweiterung um browserbasierte Human-in-the-Loop Validierungsschnittstelle; dreistufiger Audit-Trail: ML → LLM → Mensch; approved_metadata.json + audit_trail.json
AI Enablement Toolkit
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.
EV Fleet Battery Intelligence Dashboard
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.
HITL Workflow (n8n)
Human-in-the-Loop Workflow mit n8n
Generisches HITL-System mit n8n für KI-Pipelines; automatische Konfidenz-basierte Weiterleitung; selbst gehostet, GDPR-konform; Webhook-Trigger für beliebige Systeme
Vertiefung in Batteriespeichertechnologie und Energiesystemdesign. Forschungsschwerpunkt auf elektrischen Antriebssystemen und nachhaltiger Energietechnik.
Institute of Engineering and Technology
Bachelor of Technology (B.Tech.) · Maschinenbau · 2012 – 2016
Fundierte Ausbildung in Maschinenbau, Fertigungstechnik und technischer Mechanik, ergänzt durch praxisorientierte Projektarbeit.
Masterarbeit & Forschung
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.
Das Problem
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.
Simulation & Analyse
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:
Thermische Runaway-Analyse – Simulation der Ausbreitung unter Fehlerbedingungen
Fluidströmungsanalyse – Bewertung des Kühlmittelverhaltens und thermischen Managements
Vibrations-/Strukturanalyse – Bewertung der mechanischen Stabilität des Ausgleichskreises unter dynamischen Lastbedingungen
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.
Tools & Methoden
ANSYS
Altair HyperWorks
HyperMesh
HyperView
MATLAB/Simulink
Python
Numerische Methoden
FEM
Thermalsimulation
CFD
Schwingungsanalyse
SOC/SOH-Modellierung
Batteriealterung
Wichtigste Ergebnisse
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.
Mechanische Konstruktion & CAD
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.
CAD Tools
Siemens NX (Certified)
CATIA V5 (Certified)
SolidWorks
Autodesk Inventor
Altium Designer
PTC Creo
Design Technologien & Methoden
Solid Part Modelling
Surface Modelling
Assembly Design
Sheet Metal Design
Drafting & GD&T
Parametric Modelling
Design for Manufacturing (DFM)
Design for Assembly (DFA)
Tolerance Chain Analysis
BOM creation
Reverse Engineering
Konstruktionsprojekte
Powertrain & Engine Components
Piston, Connecting Rod & Crankshaft Pulley
Powertrain component design including pistons, connecting rods and crankshaft pulleys for engine applications.
Design of cooling plates and thermal management structures for battery and power electronics applications.
Technologien: Solid modelling, Sheet metal design, DFM
Battery Enclosure & Module Holders
Structural enclosures and module holder designs for battery pack integration.
Technologien: Solid modelling, Sheet metal design, Assembly design
Structural & Industrial Design
Complete JCB Machine 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.
Fundierte Grundlagen zu Datenstrukturen in Python für effiziente Softwareentwicklung und datengetriebene Verarbeitung.
2
Using Databases with Python
Vertiefte Kenntnisse in Datenbankintegration, SQL-Abfragen und Datenpersistenz in Python-Anwendungen.
3
Capstone: Data Visualization
Praxisorientiertes Abschlussprojekt zu Datenerfassung, -verarbeitung und Visualisierung mit Python.
4
Siemens NX Certified
NX Essential for NX Designer – zertifiziert in professioneller 3D-Konstruktion und Produktentwicklung.
5
Introduction to Python
Solide Grundlagen der Programmierung in Python für technische und wissenschaftliche Anwendungen.
6
Machine Learning Specialization
DeepLearning.AI (Stanford Online)
7
Python Programming Specialization
University of Michigan
8
Equivalent Circuit Cell Model Simulation
with honors – University of Colorado Boulder
9
Battery Pack Balancing and Power Estimation
University of Colorado Boulder
10
Introduction to battery-management systems
with honors – University of Colorado Boulder
Sprachen
100%
Hindi
Muttersprache / zweisprachig
90%
Englisch
Fließende Berufssprache
70%
Deutsch
Beruflich sicher einsetzbar
Mehrsprachige Kommunikationsstärke fördert die nahtlose Zusammenarbeit in internationalen Teams und globalen Projekten.
Karriereziele & Interessen
Angestrebte Rollen
Forward Deployment Engineer (FDE)
AI Enablement Engineer
Solutions Engineer / ML Engineer
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.
Anwendungsbereiche
Energiesysteme & Speichertechnologie
Automobiltechnik & Elektromobilität
Robotik & Automatisierung
Industrielle KI & Industrie 4.0
Interesse an der Entwicklung skalierbarer KI-Lösungen für anspruchsvolle ingenieurtechnische Herausforderungen.
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.