Martin Wimmer

• Cloud & DevOps: CI/CD-Migrationen & AI-Support-Agents (Azure/GitHub). • GenAI Lead: End-to-End Architektur für ein gefördertes KI-Produkt. • Data Platforms: Skalierbare Databricks-Architektur für KI-gestütztes Matching.

• AI Strategy: Entwicklung der unternehmensweiten KI-Strategie. • GraphRAG Architecture: Neo4j Knowledge Graph zur LLM-Wissensextraktion. • LLM Optimization: Finetuning für skalierbare, kosteneffiziente Inferenz. • Databricks NLP: Prototyping zur strukturierten Vertragsextraktion.

• Legal AI: End-to-End Entwicklung autonomer Multi-Agenten-Systeme. • MLOps: Skalierbare GitOps-Deployments auf Kubernetes (AKS). • RAG-Architekturen: Komplexe Hybrid-Such-Pipelines für produktive GenAI-Systeme. • Data Platforms: Aufbau cloud-nativer Medallion-Datenarchitekturen.

• Computer Vision: Entwicklung von GANs zur automatisierten Bildretusche. • Machine Learning: ML-Pipelines zur Farboptimierung von 3D-Scans. • Applied AI Research: End-to-End Prototyping für industrielle ZIM-Forschungsprojekte.

• HPC & Scale: Skaliertes ML-Training (Ensembles) auf Rechenclustern. • Predictive Architecture: ML-Pipelines für hochkomplexe, unbalancierte Datenräume. • Impact: Publikation in Fortschritte der Physik (Predicting the Orbifold Origin of the MSSM).

Master's Thesis: Machine Learning in the Heterotic Landscape Publication: Predicting the Orbifold Origin of the MSSM