Maximilian Hierl

• Architektur und Umsetzung eines LLM-basierten Systems zur Strukturierung, Analyse und fachlicher Einordnung von Dokumenten • Verantwortung für Betrieb von self-hosted Open-Source-Modellen: Hardware-Auslegung, Software-Stack, Performance-Abschätzung und Modellauswahl • Konzeption und Aufbau einer KI-gestützten Knowledge Base zur Verbesserung von Codequalität und zum Aufdecken von Lücken in Dokumentation und Traceability • Technologietreiber für den sicheren und effizienten Einsatz von KI im Unternehmen

• Mehrjährige Mitgestaltung von Architektur und Umsetzung einer Microservice-Plattform zur Verarbeitung von Dokumenten • Aufbau und Weiterentwicklung von Deployment-Prozessen mit Containerisierung und CI/CD • Analyse und Behebung kritischer Performance-Engpässe im Produktivbetrieb • KI-gestützte Kostenprognose für die Zerspanungsfertigung • Onboarding und Kommunikation von IoT-Geräten im Produktionsumfeld • Betreuung von Abschlussarbeiten, u. a. zu Bluetooth Direction Finding und Federated Learning

• Systemdesign und technische Verantwortung für Machine-Learning-Projekte in der industriellen Qualitätssicherung • Anomalieerkennung mittels Deep Learning in der Produktion: Datenaugmentierung, Netzdesign, Training und Validierung sowie Applikations- und Treibersoftware für die automatische Bildaufnahme • Full-Stack-Entwicklung einer IoT-Lösungen in Produktionsbetrieben • Verteilte Microservice-Architektur mit Node.js, TypeScript, Angular, SQL-Datenbanken und Message Brokern

• Standortübergreifende technische Leitung eines rund 20-köpfigen Entwicklerteams beim Aufbau eines Prototyps im Bereich autonomes Fahren • Konzeption der Systemarchitektur einschließlich Sensorik • Anforderungsentwicklung und technische Abstimmung zwischen den Standorten

• Embedded-Softwareentwicklung im Automotive-Umfeld bis zur Serienfreigabe • Eigenständiger Wissensaufbau zu neuronalen Netzen ab 2014 • Erstes Machine-Learning-Projekt am Standort: automatisierte Schweißnahtbewertung • Gründung des „Club MaLe“ für regelmäßige Machine-Learning-Einführungen im Kollegenkreis • Betreuung von Abschlussarbeiten, u. a. zur Fahrstiladaption mittels Deep Learning

Entwicklung einer Fahrzeugsimulation eines radnabengetriebenen Fahrzeuges in MATLAB/Simulink zur Bewertung der Fahrdynamik und der Auswirkung von Fehlern in der Fahrwerkregelung in einer Gefahren- und Risikoanalyse (ASIL-Einstufung)

Inbetriebnahme der 2 MW Biogasanlage Gollhofen

Machbarkeitsstudien im Kühlsystem des werkseigenen Kraftwerks

Regelungstechnik, Simulation, Mehrkörperdynamik

Aerodynamik, Erneuerbare Energien