Maximilian Schwalenberg

• Entwickelte ein produktionsreifes RAG-basiertes Vertragsanalysesystem mit LlamaIndex, ChromaDB und OpenAI API auf Azure, das die manuelle Rechtspr¨ufung von mehreren Stunden auf Minuten reduzierte. • Entwickelte einen End-to-End-KI-Audit-Assistenten mit OpenAI Whisper (Transkription) und RAG; konzipierte ein Flask-Backend als produktionsreifes Microsoft Word-Add-in.

• Entwickelte End-to-End-PyTorch-Pipelines f¨ur Multi-Task-Learning und Datenfusion von Luftbildern und Geodaten inkl. Datensatzkuration, Training von Scratch, Evaluation und MLflow-Integration. • Trainierte und evaluierte CNNs und Vision Transformers f¨ur Klassifikations-, Regressions- und Objekterkennungsaufgaben.

Thesis: Entwickelte eine Python-Pipeline zum Vergleich menschlicher neuronaler Repr¨asentationen (7T fMRI) mit Computer-Vision-Modellen, um biologische vs. k¨unstliche Objekterkennungsmechanismen zu untersuchen.

• Thesis: Entwickelte ein PyTorch-basiertes Multi-Task-Learning-Modell mit Fusion von Luftbild- und Geodaten, das den relativen Fehler von 18% auf 8,5% senkte (> 50% Verbesserung) (fAIRport-Projekt). • Auszeichnungen: ”Best Thesis of the Year“ (Universit¨at Rostock) und Fraunhofer IGD Computer Graphics Award.