Dr. Christopher Pinke

Ich leite die Weiterentwicklung der Datenplattform für das erste Serienprojekt autonomer Trucks bei Continental („Fallback Path“). Dabei verbinde ich globale Fahrzeugflotten, skalierbare Daten-Pipelines und cloudbasierte KI-Trainings- und Validierungsworkflows. So ermögliche ich effiziente, datengetriebene Entwicklung über Engineering-, Data- und ML-Teams hinweg und beschleunige die Umsetzung autonomer Systeme in reale Anwendungen.

Als Haupt-Data Manager für das erste Serienprojekt im Bereich Autonomen Fahrens bei Continental (“Fallback Path for Driverless Trucks”) ermögliche ich datengetriebene Entwicklung im Automobilbereich. Hierzu stelle ich team- und organisationsübergreifend sicher, dass ein effizientes und skalierbares Datenökosystem zur Verfügung steht. Dies reicht vom Fahrzeugbetrieb über AI Modeltraining in der Cloud hin zu Systemvalidierung und -freigabe und beinhaltet sowohl strategische als auch hands-on Themen.

Als Product Owner Data Operations habe ich ein weltweit verteiltes Team von Spezialisten aufgebaut und geführt. Zusammen haben wir eine Datenpipeline für die Serienentwicklung für Produkte im Bereich Autonomes Fahren aufgebaut. Neben der eigentlichen Entwicklung war diese essentiell für größere Kundenakquisen.

Zusammen mit einem interdisziplinären Team entwickle ich Lösungen im Bereich des urbanen autonomen und hoch-automatisierten Fahrens. Dies reicht von der Ableitung von Systemanforderungen über Design, Aufbau und Betrieb von Prototypen bis zum Kundenkontakt. Hierbei arbeite ich mit lean und agilen Methoden.

Im Projekt "Driverless Vehicle" werden Mobilitätslösungen der Zukunft entwickelt mit einem Fokus auf Automatisiertem Fahren. Dies reicht von der Entwicklung von spezifischen Komponenten bis hin zu ganzheitlichen Systemlösungen wie dem CUbE (Continental Urban Mobility Experience). Um dies umzusetzen, arbeiten wir in einem weltweiten, interdisziplinärem Team zusammen.

Forschungsprojekte im Bereich Künstliche Intelligenz mit Schwerpunkt Deep Learning. Entwicklung von Prototypen für Computer Vision Systeme in den Bereichen Objekterkennung, Szenenverständnis und Gestenerkennung. Koordination und Durchführung von Softwareprojekten unter Einsatz von agilen Methoden.

Durchführung und Koordinierung von Forschungsprojekten im Bereich der theoretischen Hochenergiephysik. Entwicklung von hochperformanten GPGPU-Anwendungen. Durchführung und Analyse von Monte Carlo Simulationen im Bereich der Gittereichtheorie.

Forschung im Bereich der Gittereichtheorie und Entwicklung hochperformanter GPGPU-Anwendungen.

Forschung im Bereich der Gittereichtheorie und Entwicklung hochperformanter GPGPU-Anwendungen. Betreuung von Tutorien für Vorlesungen im Bereich der theoretischen Physik.

Betreuung von Tutorien für Vorlesungen im Bereich der theoretischen Physik.

Theoretische Hochenergiephysik und Gittereichtheorie. Entwicklung von hochperformanten GPGPU-Anwendungen. Durchführung von Monte-Carlo Simulationen auf HPC-Clustern sowie deren statistische Auswertung.

Analyse effektiver Modelle der theoretische Hochenergiephysik.