Михаил Вакулич

Durable-Orchestrator für die Entstörung von Backbone-Links (LangGraph): Ticket-Parsing, Diagnose beider Link-Enden über NETCONF/PyEZ, LLM-Auswertung einer JSON-Zusammenfassung, Port-Deaktivierung via commit confirmed mit Freigabe durch den Ingenieur. Graph-State in PostgreSQL-Checkpoints. Alle konfigurationsändernden Schritte laufen über deterministischen Code, nicht über das Modell.

Betrieb eines IP/MPLS-Backbones: Kundenservices (BGP, IX, L2/L3-VPN), Netzinfrastruktur, geplante Wartungsarbeiten, Entstörung. Eigenverantwortlich entwickelt: Monitoring für Konflikte zwischen geplanten Arbeiten und Störungen (MTTR −30 %, 247 Personenstunden/Jahr eingespart), Kapazitätsprognose mit Temporal Fusion Transformer, MCP-Server für Juniper-Geräte.

Betrieb von Netzknoten und Verteilnetz, Störungsdiagnose und -behebung, Third-Level-Support.

Promotionsstudium im Fachgebiet „Künstliche Intelligenz und maschinelles Lernen". Dissertationsthema: ML-basierte Dekodierung der Aktivität lebender neuronaler Kulturen und adaptive Stimulationssteuerung im geschlossenen Regelkreis. Parallel zur Tätigkeit als AIOps-Ingenieur.

Studienschwerpunkt: Maschinelles Lernen und Künstliche Intelligenz (Institut für Intelligente Systeme und Technologien). Masterarbeit: „Training von Web-Agenten mit adaptivem Curriculum und graduierter Belohnung" — Framework WebAgent-RL+ (PPO, Qwen3-8B in 4-Bit, MiniWoB++). In anabin bewertet als „Entspricht / Magister — Master konsekutiv"; Hochschulstatus H+.

Fakultät für Elektrotechnik, Studiengang 11.03.02. In anabin bewertet als „Entspricht / Bachelor"; PNRPU ist dort als verleihende Institution mit Status H+ gelistet.