Portfolio

Ausgewählte Projekte

Eine abgeschlossene Forschungskooperation in der Notfallmedizin sowie angewandte Arbeit in Datenanalyse, Vorhersagemodellierung, Visualisierung und maschinellem Lernen.

Forschungsprojekt

KIT2 — KI-Assistent für die TeleNotArzt-Versorgung

Abgeschlossene praxisnahe Zusammenarbeit mit der RWTH Aachen, durchgeführt in der Intelligent Systems Group der Universität Kiel.

Entscheidungsunterstützung für die präklinische Notfallversorgung

KIT2 hat einen KI-gestützten Assistenten für den deutschen TeleNotArzt-Dienst entwickelt, bei dem Behandelnde in sehr kurzer Zeit viele kritische Entscheidungen treffen müssen. Das System nimmt den heterogenen Patientendatensatz — Zeitreihen der Vitalparameter, tabellarische klinische Felder und unstrukturierte Freitextnotizen — und liefert probabilistische Rangfolgen wahrscheinlicher Diagnosen, geeigneter Behandlungen und der als Nächstes zu erhebenden Messwerte.

Tiefe multimodale Lernarchitektur über Zeitreihen-, Tabellen- und Texteingaben
Imputation fehlender Werte für einen echten (nicht öffentlichen) Notfalldatensatz — Denoising-LSTM-Autoencoder übertrafen klassische Verfahren
Synthetische Tabellendaten-Generierung (WLSTM-GAN) gegen Datenschutzgrenzen und Datenknappheit
Evaluiert mit recall@k, makro-/gewichteter AUC und Coverage-Ratio-Metriken

Zugehörige Publikationen

Portfolio

Data-Science-Projekte

Angewandte Arbeit in Datenanalyse, Vorhersagemodellierung, Visualisierung und maschinellem Lernen.

Korrelationsanalyse in Python

Untersuchung von Zusammenhängen zwischen Variablen eines Film-Datensatzes mit statistischer Analyse in Python.

Projekt ansehen

COVID-Datenanalyse mit SQL & Tableau

SQL-basierte explorative Analyse und Dashboard-Erstellung für COVID-bezogene öffentliche Daten.

Vollständiger Code

Kraftstoffpreis-Prognose mit LSTM

Zeitreihenprognose für Kraftstoffpreise mit Deep Learning und nichtlinearer Modellierung.

Vollständiger Code

Glasklassifikation

Modellvergleich zwischen Entscheidungsbaum- und neuronalen Netzansätzen zur Klassifikation.

Vollständiger Code

Mehr auf GitHub