Auf dem Zugvögel Festival 2026 haben wir unseren Floor in eine Kirche verwandelt. Und was wäre eine Kirche ohne Beichtstuhl? Also habe ich einen gebaut: Einen hölzernen Beichtstuhl, in dem Festivalbesucher*innen ihre Sünden einem KI-Priester gestehen können. Dieser entlockt ihnen die pikanten Details, erteilt ihnen die Absolution und leitet ihre Sünden anschließend an das Heilige Klo weiter, wo sie anonymisiert und von einer Engelsstimme vorgetragen werden, zur Unterhaltung der Person, die dort gerade auf dem Thron sitzt.
[Mehr]
Better WLED LEDMap Generator
🇬🇧 nur auf Englisch
Code to create a WLED LED-Map (the JSON that tells WLED the positions of the LEDs) with some features that I didn’t find in any online editors: Dragging the mouse over the canvas fills all hovered cells, rescaling the map to a different size, inverting, and inserting LEDs in between existing ones.
[Mehr]
Ein interaktives, vernetztes Raumschiff, das man wirklich betreten kann: Spieler*innen erledigen (oder sabotieren) Missionen an einem Dutzend physischer Interfaces - Knöpfe, Joysticks, LED-Boards, Sensoren usw. - um entweder das Schiff zu starten oder es dem Untergang zu weihen. Alles getrieben von einem Python/ESP/Unity-Stack. Es ist modular, auto-resettet regelmäßig und skaliert für Festival-Crowds ohne permanentes Babysitting.
[Mehr]
Während meiner nicht abgeschlossenen Promotion am DLR habe ich ein Graph Neural Network entwickelt und trainiert, das Code-Embeddings zu Repräsentationen ganzer Repositories zusammenfasst und diese mit wissenschaftlichen Publikationen abgleicht. Erste Evaluationen zeigten vielversprechende Verbesserungen gegenüber einfachen Pooling-Verfahren. Langfristiges Ziel war es, verwandte Implementierungen und die ihnen zugrunde liegenden Annahmen auch über Forschungsdisziplinen hinweg finden zu können.
[Mehr]
Im Siddata-Projekt wurde ein digitaler Studienassistent entwickelt, der Studierenden mithilfe personalisierter Empfehlungen dabei hilft, passende Lehrveranstaltungen, Lernmaterialien und Lernpartner zu finden. Ich habe Machine-Learning-Recommender entwickelt und intensiv am Django-Backend gearbeitet, um einen Forschungsprototypen, dessen Deployment zuvor mehrere Tage dauerte, in ein containerisiertes, getestetes und einfach deploybares System zu verwandeln. Auch meine Masterarbeit entstand im Rahmen dieses Projekts.
[Mehr]
Masterthesis: Explainable Course Recommendation
🇬🇧 nur auf EnglischFor this thesis, I created a Conceptual Space from Course Descriptions for explainable Recommendation, in a highly performant pipeline on the university-grid.
Sub-Pages:
[Mehr]Button-Board
🇬🇧 nur auf Englisch
After finally (and only for now) accepting that a reliable sound2light-bassline-detection is probably more trouble than it’s worth, I next needed a way for tap2bpm instead. This, however, required new Hardware, and thus, I developed this Button-Board.
[Mehr]Wifi-Connected Party Lights
🇬🇧 nur auf Englisch
Als studentische Hilfskraft am Red Hen Lab habe ich an einer Videoverarbeitungspipeline zur automatischen Gestenanalyse in großen Videokorpora gearbeitet. Dabei ging es insbesondere um Personentracking und -identifikation mittels Gesichtserkennung, die Segmentierung von Kameraeinstellungen sowie die Ausführung der Pipeline auf einem HPC-Cluster mit Snakemake und Singularity.
[Mehr]
Ein-semestriger Uni-Kurs, mit Vorlesungen und interaktiven Aufgaben, über wissenschaftliches Programmieren in Python, angeboten für 3 Jahre an der Universität Osnabrück.
[Mehr]
Chatbot: Guru To Go
🇬🇧 nur auf Englisch
A speech-controlled meditation assistant and sentiment tracker
[Mehr]
Deep Document Splitter
🇬🇧 nur auf Englisch
An automated pipeline to split a bunch of scanned pages into single documents
[Mehr]
Bachelorthesis: Controlling Race Cars with Deep ANNs
🇬🇧 nur auf Englisch
Delving into the realm of self-driving cars for my bachelor’s thesis, I endeavored to optimize their tactical decisions, particularly speed, using cutting-edge deep neural networks and reinforcement learning in tensorflow within a transformed racing simulation. The resulting research platform, built on Unity, showcased the potential of real-time feedback and adaptability, offering valuable insights into the future integration of reinforcement learning in self-driving cars.
[Mehr]