Forschung
Paper und laufende Arbeit
4 Publikationen: 2 Zeitschriftenaufsätze und 2 Konferenzbeiträge. 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.
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.
Anomaly detection in power generation plants using machine learning and neural networks
Applied Artificial Intelligence, 2020
Ein Verfahren zur Anomalieerkennung in den Daten von Dieselgeneratoren an Telekom-Basisstationen. Es wägt Genauigkeit gegen Fairness ab, damit der Betrieb nachlesen kann, warum ein Standort gemeldet wurde, bevor er handelt.
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.