Leonardo Gonzalez

Quantenkommunikation und Quantensensorik (QIoT), Deutsche Telekom Chair of Communication Networks. - Verantwortlich für die projektbezogene Forschung im BMBF-Projekt QUIET mit den Deutsche Telekom T-Labs und dem Leibniz IFW Dresden. - Quantifizierte per statistischer Simulation die Genauigkeit der Qualitätsschätzung eines Quantennetz-Protokolls (Erstautor, IEEE FNWF 2024). - Definierte das Quantensensorik-Systemmodell (Erstautor, IEEE WF-IoT 2023) und verfeinerte es zur Simulation. Python, QuTiP, QuNetSim

BLADEcontrol (Condition Monitoring für Rotorblätter von Windenergieanlagen): - Verantwortete die Migration der Toolchain von MATLAB nach Python; Regressionsmodell als eigener scikit-learn-Estimator. - Neuer Erkennungsalgorithmus an Felddaten, Kernschritt per konvexer Optimierung ca. 80 % schneller. - Sichere Datentransfer-Pipeline (AES-256) für Offline-Feldsysteme. - Integrationstests über die gesamte Sensorkette am Prüfstand. Python, MATLAB, MySQL, HDF5, Git, Linux

Vodafone Chair for Mobile Communications Systems: Linearisierung von HF-Leistungsverstärkern. - Machbarkeitsstudie zu Compressed Sensing für das Training der digitalen Vorverzerrung (DPD); Rekonstruktionsfehler und Rechenzeit in Parameterstudien an Messdaten quantifiziert. - Grenze analytisch bestimmt: Wiener-Schätzer hergeleitet; ein zentraler Term lässt sich nicht direkt aus komprimierten Daten schätzen. MATLAB

Internationaler technischer Vertrieb dezentraler Recyclinganlagen für Altöle und Kunststoffe. - Eigenständiger Markteintritt: Marktanalyse und selbst organisierte Vertriebsreise in Chile, dann Kundenpipeline in Spanien. - CRM-Pipeline in Odoo: Zielbranchen, Lead-Priorisierung, Qualifizierung und Verhandlung. - Kundenbesuche mit Live-Demos an realer Hardware. - Kundenspezifische Anlagenkonfigurationen mit Ingenieuren und Lieferanten. Beratung und Verhandlung auf DE, EN, ES.

Schwerpunkte: Kommunikationsnetze, Informationstheorie, Signalverarbeitung, Schaltkreis- und Systementwurf. - Diplomarbeit: Link-Layer-Protokoll für Quantennetze mit eigener Quantenspeicher-Schnittstelle, aus einem publizierten Konzept entworfen; End-to-End validiert per Bildübertragung über einen verrauschten Kanal (Python, QuNetSim). - Studienarbeit: Machine-Learning-Pipeline zur Onset-Detektion in Audiosignalen. - Projekte: Festkomma-ASIC (Verilog, Cadence), GPU-Bibliothek (C++/CUDA).