Die
Verarbeitung juristischer Dokumente erfordert nicht nur das Lesen von
PDF-Dateien, sondern auch eine strukturierte Auswertung ihres Inhalts.
Insbesondere bei der Bewertung von Relevanz und dem Ableiten eines
rechtlichen Sachverhalts aus großen Dokumentenmengen (300+ PDFS mit
jeweils mehr als 20 Seiten) stoßen herkömmliche Methoden schnell an ihre
Grenzen. Ziel dieses Projekts war es daher, einen automatisierten
Workflow zu entwickeln, der juristische PDF-Dokumente einliest,
auswertet, kategorisiert und die wesentlichen Inhalte in strukturierter
Form zusammenfasst.
Vision
Verwendete Schlüsseltechnologien
Bestimmte neurologische Erkrankungen bei Säuglingen können durch die Analyse ihrer Bewegungen früher diagnostiziert werden. In diesem Projekt werden moderne Computer-Vision-KI-Techniken eingesetzt, um Bewegungsmuster bei diesen Säuglingen zu erkennen und so die Diagnosen zu automatisieren und zu verbessern.
In diesem speziellen Projekt wird ein völlig neuer und innovativer Ansatz mittels eines End-to-End-Verfahrens erforscht, der Zwischenlabels wie Keypoints oder andere Labels vermeidet.
Ich habe den Vorschlag dieses neuen Ansatzes mitentwickelt und bei der Analyse der Ergebnisse so wie beim Brainstromen geholfen.
Dieses Projekt konzentrierte sich auf die Entwicklung eines umfassenden Daten-Dashboards, das unseren Kunden die Echtzeitüberwachung von Objekten weltweit ermöglicht. Das Dashboard integriert Telemetriedaten und wichtige Statusinformationen, um einen zentralen Überblick über die Leistung und den Zustand der Objekte zu bieten.
Zu den Hauptzielen gehörten die Bereitstellung einer benutzerfreundlichen Plattform zur Visualisierung von Daten, die Integration von Telemetrie (z.B. Standort, Geschwindigkeit) und Statusinformationen (z.B. Betriebsstatus), die Ermöglichung der Echtzeitüberwachung und die Unterstützung datengestützter Entscheidungen.
Wir haben moderne Technologien wie Cloud-basierte Infrastruktur, skalierbare Datenbanken und interaktive Frontend-Entwicklung eingesetzt. Das Dashboard bietet Funktionen wie Echtzeit-Datenvisualisierung, geografische Kartenintegration, anpassbare Dashboards, Alarm- und Benachrichtigungssysteme sowie Berichterstattung und Analyse.
Die Vorteile für den Kunden umfassen verbesserte Transparenz, schnellere Reaktionszeiten, optimierte Betriebsabläufe, Kostensenkung und erhöhte Effizienz. Das Projekt hat erfolgreich eine leistungsstarke Lösung geliefert, die die globale Objektüberwachung und -verwaltung revolutioniert.
In
diesem Projekt wurde ein neues KI Modell entwickelt, das für die
Echtzeit-Erkennung von Ereignissen in Audiosignalen. Die Arbeit basiert
auf modernsten One-Stage Objekt Detektoren zur Analyse von
Spektrogrammen und FFT-Signalen.
Das Modell wurde optimiert für Edge
Computing und schlägt die bisher verwendeten Algorithmen in Memory Use
und Geschwindigkeit um mehrere Faktoren.
Ich habe das Projekt als Projektleitung betreut und aktiv zur Verbesserung und Optimierung des Modells beigetragen, um die endgültigen Ergebnisse zu erreichen.
Im Backend wurde eine skalierbare Infrastruktur geschaffen, die eine robuste API zur Integration der Wissensdatenbank, der semantischen Suche und anderer Systemkomponenten bereitstellt. Das Frontend bietet eine intuitive Benutzeroberfläche, die speziell auf die Bedürfnisse des Customer Supports zugeschnitten ist und es den Supportmitarbeitern erlaubt, die abgerufenen Informationen effizient zu prüfen und weiterzugeben.
Das System wurde auf der Azure Cloud des Kunden deployt, um eine zuverlässige und skalierbare Bereitstellung in der produktiven Umgebung sicherzustellen. Das Projekt startete mit der Entwicklung eines Proof of Concept (PoC), um die Funktionalität und den Nutzen des Systems zu demonstrieren. Basierend auf den gewonnenen Erkenntnissen wurde das System iterativ weiterentwickelt und optimiert, sodass es für den produktiven Einsatz in einer skalierbaren und stabilen Umgebung bereit ist.Instabile Wände und Decken stellen eine erhebliche Gefahr im Bergbau
dar. Um dieses Risiko zu mindern, werden diese Oberflächen routinemäßig
mit einer Stange abgeklopft. Die Resonanz der Stange beim Auftreffen auf
das Gestein wird von den Grubenarbeitern interpretiert. Diese
Klassifizierung ist schwierig und viel Erfahrung des Ausführenden ist
erforderlich.
Ziel dieses Projektes war es, diese Klassifizierung zu
automatisieren und so die Arbeitern bei der Erkennung potenziell
gefährlicher Situationen zu unterstützen.
Das Ziel dieses Projekts besteht darin, ein Produkt aus dem MVP für die Audioanalyse zu entwickeln. Ich war für die Architektur der Edge- und Cloud-Systeme verantwortlich. Wir haben eine Edge-Computing-Plattform entwickelt, die flexibel und skalierbar ist und mit KI-Modellen zur Bewertung des Zustands von Geräten durch bloßes Zuhören ausgestattet ist. Das Produkt ist jetzt verfügbar, und wir erkunden Anwendungsfälle in verschiedenen Branchen, von Wasserkraft über Recycling bis hin zur Steinmühlen-Industrie.
Nach der Installation von Photovoltaik-Anlagen werden die Solarpaneele auf Defekte überprüft. Diese Inspektion wird von einem menschlichen Experten durchgeführt, der die Solarpaneele visuell untersucht. Ziel des Projekts ist es, eine Anwendung unter Verwendung fortschrittlicher Computer-Vision-Techniken zu entwickeln, um Solarpaneele automatisch zu erkennen und Defekte in ihnen mithilfe von Drohnenaufnahmen zu identifizieren. Das Problem wurde in drei Teilaspekte unterteilt: 1) Erkennung von Solarpaneelen auf den Drohnenaufnahmen, 2) Erkennung von Defekten auf den Solarpaneelen und 3) Erkennung von Defekten außerhalb der Solarpaneelen. Während des Entwicklungsprozesses wurden modernste Techniken verwendet, und individuelle neuronale Netzwerke, wie Autoencoder von Grund auf neu entworfen und trainiert, um Anomalien auf den Solarpaneelen genau vorherzusagen.
Das Ziel dieses Projekts ist es, Objekte in der 3D-Virtuellen Tour des Museums zu erkennen und mit der Museumsdatenbank zu verknüpfen.
Wir bei Expert Analytics haben uns mit Statkraft zusammengeschlossen, um in einem Forschungs- und Entwicklungsprojekt die Nützlichkeit der akustischen Überwachung zur Messung des Gesundheitszustands von schweren Maschinen, insbesondere Wasserkraftgeneratoren, zu bewerten. Wir haben ein MVP für ein Audiosystem mit Siemens-Industriecomputern entwickelt. Das Edge-System wurde in einem Kraftwerk installiert, um die akustischen Emissionen von 3 Generatoren und 2 Transformatoren mit 8 Mikrofonen aufzuzeichnen. Die hochfrequenten Audiodaten (48k Abtastungen/s) werden vor Ort mit maschinellen Lernmodellen analysiert. Ein Edge-Backend-System erleichtert die Datenerfassung, Datenspeicherung, Modellplanung, Ergebnisübertragung in die Cloud, Edge-Flottenmanagement und Code-/Modellbereitstellung am Edge. Ich war für die Backend-Architektur und -gestaltung sowie die Auswahl der Audiotechnik verantwortlich. Darüber hinaus habe ich den größten Teil der Datenerfassung und den Edge-Compute-Engine implementiert, der die maschinellen Lernmodelle ausführt. Nach zwei Monaten Laufzeit haben wir bereits zwei besorgniserregende Fehlfunktionen in verschiedenen Geräten festgestellt.
Bei diesem Projekt unterstützte ich die Entwicklung des Domänenmodells für eine Datenverarbeitungs-Engine für vorausschauende Wartungssimulationen. Darüber hinaus war ich Teil eines kleinen Teams, das den Kern eines standardisierten Domänenmodellierungssprache-Frameworks entworfen und implementiert hat, das auf viele Projekte angewendet werden konnte. Das Framework ermöglicht es, physische Domänen von Kundenassets zu modellieren und Änderungen im Laufe der Zeit zu verfolgen.
In Statkraft basiert das langfristige Energiemanagement auf numerischen Simulationen komplexer Wassersysteme, einschließlich Stauseen, Kraftwerken und Pumpen. Für die Analyse und Nutzung dieser Simulationsergebnisse werden Visualisierungstools benötigt. Das Ziel bestand darin, alle Daten auf bequeme und zugängliche Weise über Webdienste basierend auf Bokeh zu visualisieren. Das Projekt führte zu einer Dashboard-Suite, die eine schnelle und intuitive Erstellung von Web-Dashboards ermöglicht. Statkraft veröffentlichte die Suite als Open-Source-Software im Rahmen seiner Shyft-Anwendung. Die Dashboard-Suite verfügt über einen integrierten Zeitreihen-Viewer, um große Mengen von hochfrequenten Daten schnell und effektiv zu visualisieren. Außerdem sind Graphvisualisierungstools enthalten, die beispielsweise verwendet werden, um die Topologie beliebiger Wassersysteme zur Laufzeit automatisch zu generieren und zu visualisieren. Das Visualisierungstool wird nun von mehreren Projekten in Statkraft verwendet.
Das Planck Legacy Archiv ist eine Website, die darauf abzielt, der breiten Öffentlichkeit die Möglichkeit zu geben, auf Daten des ESA-Planck-Satelliten zuzugreifen und sie zu nutzen. Im Jahr 2015 begann die ESA mit der Arbeit an der Implementierung einer Mehrwert-Schnittstelle für diese Website, die es den Benutzern ermöglichen soll, Daten online zu manipulieren und zu analysieren, bevor sie sie herunterladen, unter Verwendung verschiedener Datenbereinigungs- und Analysetechniken. Meine Rolle in diesem Projekt bestand darin, den Speicherverbrauch aller Analyse- und Kartenmanipulationsalgorithmen zu profilieren. Die Analyseergebnisse halfen dabei, die optimale Größe und Art der asynchronen Worker zu bestimmen, die auf allen virtuellen Maschinen gestartet wurden. Als Folge davon bearbeitet das System alle Benutzeranfragen auf effizienteste Weise.
STARFiSh ist ein Open-Source-Simulationsprogramm zur Simulation des Blutflusses in arteriellen Netzwerken mit stochastischen Eingangsparametern. Die Software kombiniert einen fortgeschrittenen eindimensionalen Fluid-Struktur-Interaktionscode mit Methoden zur Unsicherheitsquantifizierung und Sensitivitätsanalyse. Ich habe die Software im konzipiert und implementiert.
Mit STARFiSh wurden zahlreiche Forschungsarbeiten durchgeführt, unter anderem wurde die Auswirkung von altersbedingten Änderung der Arterien auf den Blutdruck im Herzen erforscht.
Hauptbestandteile der Software:
* Fluid-Struktur-Interaktion Simulator mit flexiblen Arterienmodellen
* Stoachstisches Framework für Unsicherheit- und Sensitivitätssanalyse mit Monte Carlo und Polynomial Chaos Methoden
* vnc: Tool zum Erstellen von arteriellen Netzwerken zur Simulation
* Echtzeitvisualisierung und 3d Visualisierung mit OpenGL
* Schwerkraft und Barorezeptor (Hormonelle Kontrolle des Blutdrucks)
* Maschinelles Lernen für Randbedingungen
Uncertainty Quantification and Sensitivity Analysis of Cardiovascular Applications.
Arterial Blood Flow Simulations.
Die
Verarbeitung juristischer Dokumente erfordert nicht nur das Lesen von
PDF-Dateien, sondern auch eine strukturierte Auswertung ihres Inhalts.
Insbesondere bei der Bewertung von Relevanz und dem Ableiten eines
rechtlichen Sachverhalts aus großen Dokumentenmengen (300+ PDFS mit
jeweils mehr als 20 Seiten) stoßen herkömmliche Methoden schnell an ihre
Grenzen. Ziel dieses Projekts war es daher, einen automatisierten
Workflow zu entwickeln, der juristische PDF-Dokumente einliest,
auswertet, kategorisiert und die wesentlichen Inhalte in strukturierter
Form zusammenfasst.
Vision
Verwendete Schlüsseltechnologien
Bestimmte neurologische Erkrankungen bei Säuglingen können durch die Analyse ihrer Bewegungen früher diagnostiziert werden. In diesem Projekt werden moderne Computer-Vision-KI-Techniken eingesetzt, um Bewegungsmuster bei diesen Säuglingen zu erkennen und so die Diagnosen zu automatisieren und zu verbessern.
In diesem speziellen Projekt wird ein völlig neuer und innovativer Ansatz mittels eines End-to-End-Verfahrens erforscht, der Zwischenlabels wie Keypoints oder andere Labels vermeidet.
Ich habe den Vorschlag dieses neuen Ansatzes mitentwickelt und bei der Analyse der Ergebnisse so wie beim Brainstromen geholfen.
Dieses Projekt konzentrierte sich auf die Entwicklung eines umfassenden Daten-Dashboards, das unseren Kunden die Echtzeitüberwachung von Objekten weltweit ermöglicht. Das Dashboard integriert Telemetriedaten und wichtige Statusinformationen, um einen zentralen Überblick über die Leistung und den Zustand der Objekte zu bieten.
Zu den Hauptzielen gehörten die Bereitstellung einer benutzerfreundlichen Plattform zur Visualisierung von Daten, die Integration von Telemetrie (z.B. Standort, Geschwindigkeit) und Statusinformationen (z.B. Betriebsstatus), die Ermöglichung der Echtzeitüberwachung und die Unterstützung datengestützter Entscheidungen.
Wir haben moderne Technologien wie Cloud-basierte Infrastruktur, skalierbare Datenbanken und interaktive Frontend-Entwicklung eingesetzt. Das Dashboard bietet Funktionen wie Echtzeit-Datenvisualisierung, geografische Kartenintegration, anpassbare Dashboards, Alarm- und Benachrichtigungssysteme sowie Berichterstattung und Analyse.
Die Vorteile für den Kunden umfassen verbesserte Transparenz, schnellere Reaktionszeiten, optimierte Betriebsabläufe, Kostensenkung und erhöhte Effizienz. Das Projekt hat erfolgreich eine leistungsstarke Lösung geliefert, die die globale Objektüberwachung und -verwaltung revolutioniert.
In
diesem Projekt wurde ein neues KI Modell entwickelt, das für die
Echtzeit-Erkennung von Ereignissen in Audiosignalen. Die Arbeit basiert
auf modernsten One-Stage Objekt Detektoren zur Analyse von
Spektrogrammen und FFT-Signalen.
Das Modell wurde optimiert für Edge
Computing und schlägt die bisher verwendeten Algorithmen in Memory Use
und Geschwindigkeit um mehrere Faktoren.
Ich habe das Projekt als Projektleitung betreut und aktiv zur Verbesserung und Optimierung des Modells beigetragen, um die endgültigen Ergebnisse zu erreichen.
Im Backend wurde eine skalierbare Infrastruktur geschaffen, die eine robuste API zur Integration der Wissensdatenbank, der semantischen Suche und anderer Systemkomponenten bereitstellt. Das Frontend bietet eine intuitive Benutzeroberfläche, die speziell auf die Bedürfnisse des Customer Supports zugeschnitten ist und es den Supportmitarbeitern erlaubt, die abgerufenen Informationen effizient zu prüfen und weiterzugeben.
Das System wurde auf der Azure Cloud des Kunden deployt, um eine zuverlässige und skalierbare Bereitstellung in der produktiven Umgebung sicherzustellen. Das Projekt startete mit der Entwicklung eines Proof of Concept (PoC), um die Funktionalität und den Nutzen des Systems zu demonstrieren. Basierend auf den gewonnenen Erkenntnissen wurde das System iterativ weiterentwickelt und optimiert, sodass es für den produktiven Einsatz in einer skalierbaren und stabilen Umgebung bereit ist.Instabile Wände und Decken stellen eine erhebliche Gefahr im Bergbau
dar. Um dieses Risiko zu mindern, werden diese Oberflächen routinemäßig
mit einer Stange abgeklopft. Die Resonanz der Stange beim Auftreffen auf
das Gestein wird von den Grubenarbeitern interpretiert. Diese
Klassifizierung ist schwierig und viel Erfahrung des Ausführenden ist
erforderlich.
Ziel dieses Projektes war es, diese Klassifizierung zu
automatisieren und so die Arbeitern bei der Erkennung potenziell
gefährlicher Situationen zu unterstützen.
Das Ziel dieses Projekts besteht darin, ein Produkt aus dem MVP für die Audioanalyse zu entwickeln. Ich war für die Architektur der Edge- und Cloud-Systeme verantwortlich. Wir haben eine Edge-Computing-Plattform entwickelt, die flexibel und skalierbar ist und mit KI-Modellen zur Bewertung des Zustands von Geräten durch bloßes Zuhören ausgestattet ist. Das Produkt ist jetzt verfügbar, und wir erkunden Anwendungsfälle in verschiedenen Branchen, von Wasserkraft über Recycling bis hin zur Steinmühlen-Industrie.
Nach der Installation von Photovoltaik-Anlagen werden die Solarpaneele auf Defekte überprüft. Diese Inspektion wird von einem menschlichen Experten durchgeführt, der die Solarpaneele visuell untersucht. Ziel des Projekts ist es, eine Anwendung unter Verwendung fortschrittlicher Computer-Vision-Techniken zu entwickeln, um Solarpaneele automatisch zu erkennen und Defekte in ihnen mithilfe von Drohnenaufnahmen zu identifizieren. Das Problem wurde in drei Teilaspekte unterteilt: 1) Erkennung von Solarpaneelen auf den Drohnenaufnahmen, 2) Erkennung von Defekten auf den Solarpaneelen und 3) Erkennung von Defekten außerhalb der Solarpaneelen. Während des Entwicklungsprozesses wurden modernste Techniken verwendet, und individuelle neuronale Netzwerke, wie Autoencoder von Grund auf neu entworfen und trainiert, um Anomalien auf den Solarpaneelen genau vorherzusagen.
Das Ziel dieses Projekts ist es, Objekte in der 3D-Virtuellen Tour des Museums zu erkennen und mit der Museumsdatenbank zu verknüpfen.
Wir bei Expert Analytics haben uns mit Statkraft zusammengeschlossen, um in einem Forschungs- und Entwicklungsprojekt die Nützlichkeit der akustischen Überwachung zur Messung des Gesundheitszustands von schweren Maschinen, insbesondere Wasserkraftgeneratoren, zu bewerten. Wir haben ein MVP für ein Audiosystem mit Siemens-Industriecomputern entwickelt. Das Edge-System wurde in einem Kraftwerk installiert, um die akustischen Emissionen von 3 Generatoren und 2 Transformatoren mit 8 Mikrofonen aufzuzeichnen. Die hochfrequenten Audiodaten (48k Abtastungen/s) werden vor Ort mit maschinellen Lernmodellen analysiert. Ein Edge-Backend-System erleichtert die Datenerfassung, Datenspeicherung, Modellplanung, Ergebnisübertragung in die Cloud, Edge-Flottenmanagement und Code-/Modellbereitstellung am Edge. Ich war für die Backend-Architektur und -gestaltung sowie die Auswahl der Audiotechnik verantwortlich. Darüber hinaus habe ich den größten Teil der Datenerfassung und den Edge-Compute-Engine implementiert, der die maschinellen Lernmodelle ausführt. Nach zwei Monaten Laufzeit haben wir bereits zwei besorgniserregende Fehlfunktionen in verschiedenen Geräten festgestellt.
Bei diesem Projekt unterstützte ich die Entwicklung des Domänenmodells für eine Datenverarbeitungs-Engine für vorausschauende Wartungssimulationen. Darüber hinaus war ich Teil eines kleinen Teams, das den Kern eines standardisierten Domänenmodellierungssprache-Frameworks entworfen und implementiert hat, das auf viele Projekte angewendet werden konnte. Das Framework ermöglicht es, physische Domänen von Kundenassets zu modellieren und Änderungen im Laufe der Zeit zu verfolgen.
In Statkraft basiert das langfristige Energiemanagement auf numerischen Simulationen komplexer Wassersysteme, einschließlich Stauseen, Kraftwerken und Pumpen. Für die Analyse und Nutzung dieser Simulationsergebnisse werden Visualisierungstools benötigt. Das Ziel bestand darin, alle Daten auf bequeme und zugängliche Weise über Webdienste basierend auf Bokeh zu visualisieren. Das Projekt führte zu einer Dashboard-Suite, die eine schnelle und intuitive Erstellung von Web-Dashboards ermöglicht. Statkraft veröffentlichte die Suite als Open-Source-Software im Rahmen seiner Shyft-Anwendung. Die Dashboard-Suite verfügt über einen integrierten Zeitreihen-Viewer, um große Mengen von hochfrequenten Daten schnell und effektiv zu visualisieren. Außerdem sind Graphvisualisierungstools enthalten, die beispielsweise verwendet werden, um die Topologie beliebiger Wassersysteme zur Laufzeit automatisch zu generieren und zu visualisieren. Das Visualisierungstool wird nun von mehreren Projekten in Statkraft verwendet.
Das Planck Legacy Archiv ist eine Website, die darauf abzielt, der breiten Öffentlichkeit die Möglichkeit zu geben, auf Daten des ESA-Planck-Satelliten zuzugreifen und sie zu nutzen. Im Jahr 2015 begann die ESA mit der Arbeit an der Implementierung einer Mehrwert-Schnittstelle für diese Website, die es den Benutzern ermöglichen soll, Daten online zu manipulieren und zu analysieren, bevor sie sie herunterladen, unter Verwendung verschiedener Datenbereinigungs- und Analysetechniken. Meine Rolle in diesem Projekt bestand darin, den Speicherverbrauch aller Analyse- und Kartenmanipulationsalgorithmen zu profilieren. Die Analyseergebnisse halfen dabei, die optimale Größe und Art der asynchronen Worker zu bestimmen, die auf allen virtuellen Maschinen gestartet wurden. Als Folge davon bearbeitet das System alle Benutzeranfragen auf effizienteste Weise.
STARFiSh ist ein Open-Source-Simulationsprogramm zur Simulation des Blutflusses in arteriellen Netzwerken mit stochastischen Eingangsparametern. Die Software kombiniert einen fortgeschrittenen eindimensionalen Fluid-Struktur-Interaktionscode mit Methoden zur Unsicherheitsquantifizierung und Sensitivitätsanalyse. Ich habe die Software im konzipiert und implementiert.
Mit STARFiSh wurden zahlreiche Forschungsarbeiten durchgeführt, unter anderem wurde die Auswirkung von altersbedingten Änderung der Arterien auf den Blutdruck im Herzen erforscht.
Hauptbestandteile der Software:
* Fluid-Struktur-Interaktion Simulator mit flexiblen Arterienmodellen
* Stoachstisches Framework für Unsicherheit- und Sensitivitätssanalyse mit Monte Carlo und Polynomial Chaos Methoden
* vnc: Tool zum Erstellen von arteriellen Netzwerken zur Simulation
* Echtzeitvisualisierung und 3d Visualisierung mit OpenGL
* Schwerkraft und Barorezeptor (Hormonelle Kontrolle des Blutdrucks)
* Maschinelles Lernen für Randbedingungen
Uncertainty Quantification and Sensitivity Analysis of Cardiovascular Applications.
Arterial Blood Flow Simulations.