Forschung
Paper und laufende Arbeit
6 Publikationen: 2 Zeitschriftenaufsätze, 2 Konferenzbeiträge und 2 Preprints. Die Promotionsarbeit behandelt die Konvergenz des Gradientenabstiegs und des stochastischen Gradientenabstiegs für tiefe lineare Netze. Die angewandte Arbeit behandelt Anomalieerkennung und Kraftstoffprognose auf laufender Infrastruktur. Jedes Paper unten verweist auf seine veröffentlichte Fassung oder sein Preprint.
Google-Scholar-Profil mit Zitationszahlen →Publikationen
Convergence of gradient descent for learning linear neural networks
Springer Nature: Advances in Continuous and Discrete Models, 2024
Das Paper beweist, dass der Gradientenabstieg für tiefe lineare Netze zu einem kritischen Punkt des quadratischen Verlusts konvergiert, unter einer expliziten Schranke für die Schrittweite, die mit wachsender Tiefe nicht mehr exponentiell fällt. Bei Netzen mit 2 Schichten ist die Konvergenz global, für fast alle Initialisierungen. Ab 3 Schichten gilt sie für ein globales Minimum auf der Mannigfaltigkeit festen Rangs. Die Schranke wurde danach an tanh-Netzen geprüft, und sie hielt.
Analysis of stochastic gradient descent for learning linear neural networks
SampTA 2023
Das Paper analysiert den diskreten stochastischen Gradientenabstieg direkt auf nichtkonvexen Zielfunktionen, ohne einen lipschitzstetigen Gradienten vorauszusetzen, den Verlustfunktionen neuronaler Netze nicht haben. Es beschränkt die Dynamik der Iterierten, um explodierende Gradienten zu kontrollieren, und beweist Konvergenz unter fallenden und adaptiven Lernraten.
Convergence of stochastic gradient descent for learning linear neural networks
arXiv, 2026
Das Paper überträgt die Konvergenzergebnisse des Gradientenabstiegs auf den stochastischen Gradientenabstieg mit Mini-Batches, für tiefe lineare Netze mit regularisiertem quadratischem Verlust. Es beweist, dass die Iterierten fast sicher beschränkt bleiben, ohne einen lipschitzstetigen Gradienten oder geweißte Daten vorauszusetzen. Mit asymptotischen Pseudotrajektorien aus der stochastischen Approximation zeigt es dann, dass der stochastische Gradientenabstieg mit Wahrscheinlichkeit eins gegen die Menge der kritischen Punkte konvergiert, für deterministische wie für adaptive Schrittweiten. Unseres Wissens ist das das erste Resultat zur fast sicheren Konvergenz des stochastischen Gradientenabstiegs in tiefen linearen Netzen. Experimente an Netzen mit tanh in der Ausgabeschicht zeigen dasselbe Verhalten: beschränkte Iterierte und ein konvergierender Verlust.
Anomaly detection in power generation plants using machine learning and neural networks
Applied Artificial Intelligence, 2020
Überwachte Klassifikatoren, die auffälligen Kraftstoffverbrauch in den Daten von Dieselgeneratoren an Telekom-Basisstationen in Kamerun melden, wo Kraftstoffdiebstahl und defekte Tankanzeigen den tatsächlichen Verbrauch verdecken. Nach Feature-Engineering und Merkmalsauswahl schnitt ein mehrschichtiges Perzeptron am besten ab: 96 % in der K-fachen Kreuzvalidierung und eine Precision-Recall-AUC von 0,98 auf den unausgewogenen Daten.
Balancing Performance and Fairness in Explainable AI for Anomaly Detection in Distributed Power Plants Monitoring
arXiv, 2026
Überwachte Anomalieerkennung für Dieselgeneratoren an verteilten Telekom-Kraftwerken in Kamerun. Ensemble-Modelle (LightGBM, XGBoost) treten gegen Basismodelle an, bei stark unausgewogenen Klassen, die SMOTE ausgleicht. SHAP erklärt jede Meldung, die Disparate Impact Ratio prüft die Fairness zwischen Betriebsclustern, und die Maximum Mean Discrepancy testet, ob das Modell über Regionen hinweg trägt. LightGBM erreicht einen F1-Wert von 0,99 bei minimaler Verzerrung zwischen den Clustern.
Predicting fuel consumption in power generation plants using ML and neural networks
ICECET 2021
Modelle für den Kraftstoffverbrauch an Telekom-Basisstationen. Das ist die Prognosearbeit hinter dem Warnsystem im Betrieb, mit dem sich 84 617 Liter Diesel nachweisen ließen.
Laufende Arbeit
Vierstufiges hybrides RAG für wissenschaftliche Fragen
Dichtes SPECTER2-Retrieval, auf dem Zitationsgraphen trainiert, dünnbesetzte BM25-Suche, Reciprocal Rank Fusion, ColBERT-v2-Reranking und ein CRAG-Gate über 47 810 QASPER-Chunks. Letzter Lauf über 84 Fragen: ALCE-Zitationsgenauigkeit 0,8373, Faithfulness 0,7150. Der Context-Recall bleibt der offene Engpass, und der Umstieg auf ColBERT v2 zielt genau darauf.
Reasoning von Sprachmodellen und Evaluation agentischer KI
AI Research Consultant bei Outlier AI und Mercor seit Oktober 2025. Ich suche die Stellen, an denen das Reasoning eines Modells bei schweren MINT-Aufgaben bricht, und schreibe die Korrektur, die zum Trainingssignal wird. Ich bewerte Agenten nach Werkzeugwahl und Verhalten in langen Aufgaben und entwerfe die Bewertungsraster, mit denen eine verteilte Gruppe gleich bewertet.