• Allein entwickelt: Modell, Branch-and-Bound-Löser, Datenaufbereitung und Berichte für den Anwender
• Modelle mit Millionen von Variablen; das Gesamtmodell passt nicht in den Arbeitsspeicher. Die LP-Relaxation wird daher in Netzwerkfluss-Teilprobleme zerlegt, HiGHS löst nur ein verdichtetes Modell mit wenigen hundert Zeilen
• Eigene Heuristiken für gute Pläne (teils in C++), Schattenpreise der Kapazitäten, Warmstart
• 2026 auf den Echtdaten des Kunden, gegenüber dem eigenen Stand vom Juli: Speicherbedarf von 11?17 GB auf 2?3 GB gesenkt, gleiche Lösungsqualität in unter einer Stunde statt 3,5?7,5 Stunden; nach zwei Stunden nachweislich höchstens 0,015 % vom Optimum entfernt
• Rund 240 automatisierte Tests; jede Lösung wird anhand der Originaldaten geprüft; Linux und Windows
• Technologien: Python, NumPy, pandas, C++17, Cython, HiGHS

• Öffentliche Kurse bei Schulungsanbietern und Inhouse-Schulungen; beim WIFI Wien auch Prüfer, u. a. in MERN-Lehrgängen
• Themen: Python, C++ (Software-Engineering für Entwickler), Full-Stack-Webentwicklung, React und React Native, Datenbanken
• Live online, in Präsenz und hybrid; von Einsteigern bis zu Senior-Entwicklern

Kurse:

• 2023?2026, WIFI Wien: Lehrgang Software Developer JavaScript
• 12/2025, über einen Schulungsanbieter (NDA): Python Advanced (3 Tage)
• 2023?2025, WIFI Wien: Full-Stack-Lehrgang JavaScript (MERN: MongoDB, Express, React, Node.js)
• 2022?2024, WIFI Wien: Software-Engineering im Lehrgang Webentwicklung
• 2022?2023, WIFI Wien: Software-Engineering in C++ (2022) und in Java (2022?2023) für Entwickler (je 5 Tage, überwiegend Übungen in der jeweiligen Sprache)
• 01?02/2023, Inhouse für ein Softwareunternehmen, über einen Schulungsanbieter (NDA): HTML, CSS und JavaScript (5 Tage), Advanced CSS (2 Tage)
• 12/2022, über einen Schulungsanbieter (NDA): React und React Native (4 Tage)
• 10?11/2022, WIFI Wien: Programmieren mit Python ? Aufbau

Was Teilnehmende sagen:

• ?Äußerst sympathisch, einfühlsam und korrekt. Ali hat sich besonders bemüht, dass wir Inhalte wirklich verstehen und nicht auf Zwang den Stoff durchkriegen müssen. Er hat uns aktiv in den Unterricht einbezogen.? (Teilnehmer:in, Lehrgang Software Developer JavaScript)
• ?Große Themen kurz und knackig erklärt und mit Praxisbeispielen vertieft. War super, danke.? (Teilnehmer:in, Python Advanced)

• Afázia App (afazia.app): ungarischsprachige Webanwendung für die Sprachtherapie nach einem Schlaganfall; online seit 2019, im Abo-Modell mit zahlenden Kunden seit 2021; genutzt in der Logopädie, in Rehabilitationskliniken und von Familien zu Hause
• Allein entwickelt und betrieben; adaptive Übungen; Sitzungsdaten strukturiert gespeichert, daraus die Messdaten zweier Testverfahren einer Dissertation zur Aphasie
• Frontend mit React und Redux; Backend vollständig serverless auf AWS: Lambda-Funktionen in Python und Node.js, API Gateway, DynamoDB
• Auf derselben Plattform: Fejleszt? App mit Gedächtnisspielen (fejleszto.app)
• Technologien: JavaScript, React, Redux, Node.js, Python, AWS Lambda, API Gateway, DynamoDB

Eigenes Projekt, gemeinsam mit einem Geologen

• Programm zur Auswertung geologischer Messdaten, veröffentlicht in (2014)
• Statistische Auswertung mit Methoden des maschinellen Lernens: Regression, Clusteranalyse
• Grafische Benutzeroberfläche für den Desktop
• Technologien: C++, Qt

• MCP-Server für eine Kamera: Ein KI-Modell prüft Teile auf Fotos; Regeln und Grenzen setzt der Server durch, nicht der Prompt; er führt auch das Prüfprotokoll; ?fehlerhaft? erst nach Rückfrage und Bestätigung durch den Anwender
• Desktop-Anwendung mit eigener Agentenschleife über die Claude-API; rollenbasierte Anmeldung über OAuth 2.0; die Modelle Opus, Sonnet und Haiku nach Treffsicherheit und Kosten verglichen
• Qualität der Tests geprüft: Fehler gezielt einzeln eingebaut, jede gefundene Lücke mit einem neuen Test geschlossen; automatisch getestet unter Linux, Windows und macOS, zusätzlich mit echter Webcam
• Mit Claude Code entwickelt: Code großteils KI-generiert; Architektur, Regeln und Prüfstrategie selbst vorgegeben
• Technologien: Python, MCP, Claude-API, PySide6, OAuth 2.0

• Dissertation über Arbeitsgedächtnis und Sprachstörungen nach Schlaganfall (2025; in der Danksagung genannt): gesamte statistische Auswertung, 54 Teilnehmende in vier Gruppen; sämtliche Abbildungen und Tabellen des 70-seitigen Ergebnisteils der Arbeit, automatisch aus den Daten erzeugt
• Spielverläufe aus den Sitzungsprotokollen der Afázia App mit eigenem Node.js-Werkzeug rekonstruiert, daraus die Messdaten zweier Testverfahren aufbereitet
• Technologien: Python, pandas, SciPy, seaborn, Node.js

• Analyse und Vergleich der Wertentwicklung von Aktien- und Anleiheportfolios; Simulation verschiedener Szenarien, Zeitreihenanalyse
• Technologien: Python, NumPy, pandas, statsmodels, Darts

• Exaktes Verfahren für das Minimum-Feedback-Arc-Set-Problem (Graphentheorie, MILP-Löser Gurobi), gemeinsam mit Tobias Achterberg (Gurobi); veröffentlicht im (2021)
• ?Tearing?: Zerlegung großer Gleichungssysteme in eine Kette kleiner Teilsysteme; die seit den 1930er-Jahren bekannten numerischen Probleme erstmals gelöst
• Numerisch stabiles, mannigfaltigkeitsbasiertes Verfahren, dessen Rechenaufwand nur linear mit der Problemgröße wächst (beim Multistart exponentiell)
• Bestimmung aller gut getrennten stationären Lösungen von Destillationskolonnen, deutlich schneller als Multistart mit IPOPT
• Werkzeugkette zur automatischen Blockzerlegung von Optimierungsmodellen
• Technologien: Python, NumPy, SciPy, Matplotlib, Gurobi, IPOPT, AMPL, Modelica, C++, Java, Fortran

• Komponentenbasiertes Framework für die Modellierung chemischer Prozesse, Prototyp in Modelica (9. Internationale Modelica-Konferenz, 2012)
• Wesentliche Beiträge zum Entwurf einer neuen Modellierungssprache für Verfahrensingenieure
• Technologien: Modelica

• Industrieprojekt
• Analyse mehrerer hundert Prozessparameter und Messwerte entlang der gesamten Prozesskette: welche Einflussfaktoren ein eng toleriertes Qualitätsmerkmal des Endprodukts bestimmen und wie stark
• Dimensionsreduktion (Hauptkomponentenanalyse/PCA, Faktorenanalyse) und Regressionsmodelle (lineare Regression, Entscheidungsbäume, Random Forests) im Vergleich
• Ergebnis: die maßgeblichen Einflussfaktoren identifiziert, alle übrigen Größen ohne nennenswerten Einfluss
• Technologien: Python, NumPy, SciPy, Matplotlib, pandas, scikit-learn

Forschung

• Berechnungen zur nichtzentralen F-Verteilung, bei denen gängige Software stillschweigend falsche Ergebnisse liefert; ein eigenes Verfahren erkennt solche Fehler
• Veröffentlicht in (2008) und (2017); eigenes CRAN-Paket fpow, auf dem zwei weitere CRAN-Pakete aufbauen
• Technologien: R, C++ (Intervallarithmetik), Fortran

• Hauptentwickler einer medizinischen Anwendung: tragbarer Funksensor mit Beschleunigungssensor, Gyroskop und Magnetometer
• Firmware für einen 16-Bit-Mikrocontroller; leichtgewichtiges Dateisystem für zuverlässige Aufzeichnung mit rund 200 Hz, gemeinsam mit Miklós Maróti weiterentwickelt
• Sensorfusion mittels nichtlinearer Programmierung (NLP) statt eines Kalman-Filters; eigene Bibliothek für automatisches Differenzieren
• Qt-Desktop-Anwendung zur 3D-Visualisierung der Messungen als OpenGL-Animation
• Technologien: C++, Qt, OpenGL, Mikrocontroller-Firmware, IPOPT, AMPL, Fortran

• Aufzählung von Markush-Strukturen (Graphtraversierung) um 20?40 % beschleunigt
• Neue Darstellung der Ergebnisse der Substruktursuche (Teilgraph-Isomorphie)
• Kundensupport und Verbesserung der API-Dokumentation
• Technologien: Java

• Neues Verfahren, das ohne Startwerte alle Lösungen innerhalb vorgegebener Variablenschranken findet: lineare Relaxationen, Constraint Propagation auf dem Berechnungsgraphen, Schrankenverschärfung mit linearer Programmierung
• Bestimmung aller stationären Lösungen schwieriger Destillationskolonnen; drei Artikel im (2008, 2009, 2011)
• Open-Source-Löser in C++ mit Anbindung an AMPL
• Technologien: C++, AMPL, IPOPT, Fortran

• Lösung eines Ablaufplanungsproblems mit der MILP-Heuristik ?Local Branching? deutlich beschleunigt
• Heuristik auf Basis von 2-opt (Problem des Handlungsreisenden), Demo-Anwendung in Java
• Bewertung genetischer Algorithmen für gemischt-ganzzahlige Probleme
• Technologien: Java