Projekte
Was ich gebaut habe
Eine Mischung aus KI-Forschung, Produkten und Hackathons, die neuesten zuerst. Der Großteil meiner beruflichen Arbeit unterliegt einer Geheimhaltungsvereinbarung – frag den Assistenten nach einer Zusammenfassung.
2024 – Heute
KI-Portfolio & Chatbot
Next.js · React · TypeScript · Vercel AI SDK
Diese Website: ein dreisprachiges Next.js-Portfolio mit einem KI-Assistenten, der Fragen zu meiner Laufbahn in meinem Namen beantwortet – auf Basis derselben typisierten Inhalte, die auch die Seiten rendern.
- Herausforderungen
- Den Assistenten präzise (keine halluzinierten Fakten), günstig im Betrieb und sicher für die Öffentlichkeit zu halten – mit einer einzigen Quelle der Wahrheit für UI und Modellwissen.
- Ergebnisse
- 2026 neu aufgebaut: von einer RAG-Pipeline mit LangChain und Vektordatenbank zu einem schlankeren Design mit Long-Context-Grounding, Prompt Caching, Tool Calling mit Generative UI, Rate Limiting und automatisierten Evals – weniger bewegliche Teile, geringere Kosten, bessere Antworten.
- Next.js
- React
- TypeScript
- Vercel AI SDK
- OpenAI
- Tailwind CSS
- next-intl
- Vercel


Oleoh · 3. Platz Hackathon
2026
Entstanden bei der Data Challenge des Polo Digital de Málaga: ein System, das offene Daten der Stadt verknüpft, um die Viertel mit dem größten Druck beim Recycling von Altspeiseöl zu finden – viel Aufkommen, wenige Sammelstellen in der Nähe – plus ein Servicekonzept mit Behältern in Hauseingängen und Abholung an der Haustür, das Haushaltsöl in Biodiesel verwandelt.
- Herausforderungen
- Heterogene öffentliche Datensätze unter Hackathon-Zeitdruck finden, bereinigen und verknüpfen – und daraus eine klare, umsetzbare Karte samt Ranking für Hausgemeinschaften und Recyclingunternehmen machen.
- Ergebnisse
- Dritter Platz. Eine hexagonale Heatmap mit Ranking der Viertel nach Recycling-Druck sowie eine Landingpage für das Pilotprojekt helfen zu entscheiden, wo Behälter aufgestellt werden, und bringen das Öl zu Unternehmen, die ihm ein zweites Leben geben. Ich war im Fünferteam für die technische Entwicklung zuständig.
- Open Data
- Datenanalyse
- Geodatenvisualisierung
- Smart cities


Eine Flutter-App, die beim effizienteren Kochen hilft: Rezepte finden und speichern, Einkaufslisten erstellen und Schritt-für-Schritt-Anleitungen freihändig per Sprachbefehl verfolgen.
- Herausforderungen
- Präzise Spracherkennung mit begrenzten Ressourcen integrieren und eine Oberfläche gestalten, die auf allen Geräten flüssig funktioniert.
- Ergebnisse
- Ein freihändiger Kochablauf per Sprachsteuerung sowie Erfahrung mit responsivem Mobile-UI-Design und API-Integration.
- Flutter
- Dart
- Spracherkennung
- REST APIs


Eine Web-App für Restaurant- und Reservierungsmanagement mit interaktivem Editor für Raumpläne und Echtzeit-Chat zwischen Gästen und Restaurants, deployt auf AWS.
- Herausforderungen
- Eine intuitive Oberfläche für Raumpläne und zuverlässige Echtzeitkommunikation über das Chatsystem.
- Ergebnisse
- Ein benutzerfreundliches Layout-Tool, solide Erfahrung mit Echtzeitfunktionen sowie praktisches AWS-Deployment und Cloud-Management in einem internationalen Team.
- React
- Express.js
- Node.js
- WebSockets
- AWS


Ein Unity-Spiel, in dem ein KI-Agent ein Raumschiff mit physikbasierter Steuerung autonom fliegt und per Reinforcement Learning Asteroiden ausweicht, Bedrohungen mit Lenkraketen zerstört und UFOs verfolgt.
- Herausforderungen
- Den Agenten darauf zu trainieren, Bewegung über physikalische Kräfte zu steuern, in Echtzeit Hindernissen auszuweichen und Raketen abzufeuern – bei physikalisch realistischem Verhalten von Schiff und Raketen.
- Ergebnisse
- Ein autonomer Navigationsagent, der sich an Gefahren im All anpasst, Asteroiden ausweicht oder zerstört und UFOs verfolgt. Praxiserfahrung mit Reinforcement Learning, physikbasierter Steuerung und Echtzeitentscheidungen.
- Unity
- C#
- Reinforcement Learning
- ML-Agents


Ein Deep-Learning-Modell mit TensorFlow und Keras, das das Alter einer Person anhand eines Fotos mit Convolutional Neural Networks (CNNs) schätzt.
- Herausforderungen
- Einen großen Datensatz niedrig aufgelöster Bilder verarbeiten, ihn in ein trainierbares Format bringen und das Netz für präzise Vorhersagen feinabstimmen.
- Ergebnisse
- Ein funktionierendes Modell zur Altersschätzung und ein Paper im wissenschaftlichen Stil. Tieferes Verständnis von CNNs, Bildverarbeitung und Modelloptimierung sowie Erfahrung mit Training in der Cloud (Colab und AWS).
- Python
- TensorFlow
- Keras
- CNNs
- Google Colab
- AWS