18.09.2026 aktualisiert

**** ******** ****
Premiumkunde
100 % verfügbar

VEmbed e.U.: Computer Vision | KI/ML | Embedded Systems | Agentic KI | Full Stack

Wien, Österreich
Weltweit
Wien, Österreich
Weltweit

Profilanlagen

Team_Portfolio_VEmbed_DE.pdf
Team_Portfolio_VEmbed_EN.pdf
Team_Expertise_VEmbed_EN.pdf
Team_Expertise_VEmbed_DE.pdf

Über mich

Mit mehr als 20 Jahren kombinierter Erfahrung entwickelt und implementiert das VEmbed e.U. Team serienreife Embedded-, FPGA- und Edge-AI-Systeme. Auf Hardware wie NVIDIA Jetson, Raspberry Pi und NXP-Plattformen liefern wir robuste Lösungen für Mobilität, Überwachung und kritische Infrastrukturen.

Skills

OAuth 2.0AI AgentsRAGGitOpsGitHub CopilotGitHub ActionsTailwind CSSLLMAzure FunctionsMLOpsLlamaIndexLangChainTest-SoftwareC (Programmiersprache)HTMLJavaAcceptance TestingKünstliche IntelligenzARM ArchitekturComputer VisionAtlassian JiraHTML5Test AutomationUnit TestingAutomotive ElectronicsAvionicsC++UbuntuCSSCUDAContinuous DeliveryContinuous IntegrationEmbedded C++Embedded SystemsEmbedded LinuxMiddlewareEmbedded BetriebssystemeEmbedded SoftwareWindows EmbeddedFPGAFreertosGitHubUi-DesignH.264Hardware-DesignPythonNetwork SecurityPostgreSQLModbusMongoDBMySQLMQTTNetwork Information ServicesNode.jsOAuthObjekterkennungObject-Oriented JavaScriptOpenCVScrumSoftware ArchitectureRaspberry PiRedisTensorFlowAzure Machine LearningNext.jsRfpsSchematische ErfassungSensorfusionSoftware DesignSQLSystem DesignSystemverilogTest ManagementTypeScriptVerilogOpenapiDocker ContainerCctvProject EngineeringPyTorchOffice365React.jsFpga HardwareTransfer LearningFlaskMulti-Agent SystemsIT-ArchitekturDeep LearningConvolutional Neural NetworksBackendB2b SoftwareGitFastAPISensorikYoctoScript LanguageTesting (Hardware)Full Stack EntwicklungSchematische DarstellungReactive ProgrammingHardware AccelerationReact NativeFront EndPcb LayoutAutomotive SoftwareQA-TestsSoftware CodingRestful ApisApi-ManagementDockerHardware-Debugging
  1. KI & Computer Vision
  2. Deep Learning & Objekterkennung: PyTorch-, ONNX- & TensorFlow-Design, Ultralytics YOLO (v4/v8), Bildsegmentierung.
  3. Tracking & Fusion: Single (SOT) & Multi-Object Tracking (MOT), Multi-Kamera-Fusion, Trajektorien, Object Memory.
  4. 3D- & Geometrie-Vision: Stereo Visual Odometry (SVO), Disparitäts-Tiefenschätzung, 3D-Punktwolken, Posenschätzung.
  5. Klassische CV & Sensorik: OpenCV, Tag-/Nacht-Invarianz (EO/IR), Sensorfusion, Thermalbildgebung, Bildstabilisierung.
  6. Optimierung & Edge Inferenz: TensorRT, NVIDIA VPI, ONNX Runtime, Production Deployment, Modell-Benchmarking.
  7. Embedded Hardware & Systeme
  8. Plattformen: NVIDIA Jetson (TK1, Xavier, Orin), Raspberry Pi (bis Pi 5), Orange Pi, NXP, Rockchip, Mobile SoCs.
  9. Software & Validierung: Embedded Linux, Yocto, Edge-GPU-Beschleunigung, Android BSP, In-Field-Validierung.
  10. Sensorik & Schnittstellen: Stereokameras, IR-Sensoren, 3D-Punktwolken, PCIe, Ethernet, USB, I2C, UART, GPIO, MIL-STD-1553, AFDX.
  11. Board Bring-up & Qualität: HAL, BSP, Bootloader, Kernel & Treiber, Hardware-Debugging, EMV-/Sicherheitszertifizierung.
  12. FPGA, ASIC & SoC-Architektur
  13. RTL & Digital Design: Verilog, SystemVerilog, High-Throughput RTL-Pipelines, CDC.
  14. Video-Codecs & Multimedia: AVC/H.264 & HEVC/H.265 HW-Encoder/Decoder-IP, CAVLC, Ratensteuerung, DDR3-Buffering.
  15. SoC & Interconnect: ARM Cortex-M/A (Bare-Metal, FreeRTOS, Linux), HW/SW-Co-Design, AXI4, DMA, IPC-Frameworks.
  16. Plattformen & EDA: Spartan-6/7, Xilinx Zynq-7020, Vivado, ISE, ISim, ChipScope Pro.
  17. Sicherheit & Firmware: Secure Boot, X-CUBE-SBSFU, Root-of-Trust, Firmware-Signierung, Flash- & Speicherschutz.
  18. Software Engineering & Full-Stack
  19. Sprachen & Middleware: C++, Python, CUDA, C, MATLAB, Shell, JS/TS, SQL, ROS / ROS 2 (Pfadplanung, Perzeption).
  20. Web, API & Backend: React, Next.js, Vite, Flask, FastAPI, Node.js, REST APIs, JWT/OAuth, Celery, Redis.
  21. Datenbanken & Qualität: PostgreSQL, MongoDB, MySQL, Qdrant, ChromaDB, pgvector, Unit/Integrationstests, Clean Code.
  22. LLM, Generative KI & DevOps
  23. LLM, RAG & Agenten: Prompt Engineering, OpenAI/Anthropic APIs, RAG-Pipelines, Vektorsuche, Multi-Agenten-Systeme.
  24. SDR & Streaming: SDR, AD9363, RF-Basisband, Modulation (ASK/PSK/QAM), FEC, Ethernet-Video-Streaming, FFmpeg.
  25. DevOps, Cloud & Tools: Docker, Git, CI/CD (GitHub Actions), Azure ML, AWS, VS Code, Cursor, Claude Code, Visio, LaTeX.
  26. Technische Führung & Projektabwicklung
  27. Tendering & Architektur: End-to-End Tendering (CCTV, Bahn/Sicherheit), SOW, Method Statements, Systemarchitektur, Requirements Engineering.
  28. Management & Delivery: Technische Kostenmodellierung, Lieferantenbewertung, Risikoanalyse, CMMI Level 3, Projektleitung, PoC-Entwicklung & Feldtests.

Erfahrung

Berufserfahrungmehr als 10 Jahre
Freelancer seit2026

Sprachen

DeutschgutEnglischverhandlungssicher

Projekthistorie

Automatisierte Kratzererkennung via plattformübergreifendes Smartphone-Video

Internet und Informationstechnologie

  1. Übersicht: Eine Kombination aus klassischer Bildverarbeitung und KI-basierten Segmentierungsmodellen identifiziert Kratzer und Karosserieschäden, die mit bloßem Auge schwer erkennbar sind. Das System verarbeitet einfache Rundum-Videos von Fahrzeugen jeder Größe (vom Kleinwagen bis zum SUV), aufgenommen mit einem Standard-Smartphone. Die Ergebnisse werden in einem Prüfbericht zusammengestellt, der jeden Mangel an seiner exakten Position auf einem branchenüblichen Fahrzeugzustandsdiagramm markiert.
  2. Status: Proof of Concept (seriennah)
  3. Zielgruppe: Gebrauchtwagenkäufer, Autovermietungen, Flottenmanagement, Leasinggesellschaften, Autohäuser und Kfz-Versicherungen.
  4. Hauptmerkmale:
  5. Mobile-First-Inspektion: Vollständige Schadensbeurteilung aus einem einzigen Smartphone-Video – ganz ohne Spezialhardware oder Scanner.
  6. Hybride Vision-Pipeline: Kombiniert klassische Computer Vision mit Deep-Learning-Segmentierung zur Präzisionserkennung feiner Kratzer.
  7. Automatisierte Zustandsberichte: Generiert sofort strukturierte PDF- und Webberichte mit exakter Schadenskartierung auf einem Zustandsdiagramm.
  8. Flexible Bereitstellung: Nahtlos als Cloud-Webanwendung oder direkt auf ressourcenarmer Edge-Hardware einsetzbar.
  9. Kostenoptimierte Präzision: Liefert professionelle Inspektionsqualität zu einem Bruchteil herkömmlicher Hardware-Kosten.

Edge-KI-Infrastruktur-Inspektionssystem

Internet und Informationstechnologie

  1. Übersicht: Ein speziell entwickeltes Computer-Vision-Modell erkennt Gleisanomalien in Echtzeit über eine Einzelkamera und ein Edge-Gerät. Ob in der Fahrerkabine oder am Unterboden montiert: Es identifiziert Fremdkörper (Tierkadaver, Müll, Flaschen), Wildwuchs sowie Infrastrukturschäden (Risse, Schienenbrände). Da das System auf regulären Zügen mitfährt, entfallen teure Spezial-Inspektionsfahrzeuge. Erkannte Anomalien werden per RESTful API (JSON/XML) in die Cloud übertragen und lösen automatische Warnmeldungen aus.
  2. Status: Proof of Concept (seriennah)
  3. Zielgruppe: Eisenbahnbetreiber, Infrastruktur-Instandhalter, Straßen- & Flughafenbetreiber (FOD-Erkennung) sowie Inspektionsdienstleister.
  4. Hauptmerkmale:
  5. Multi-Klassen-Gleisinspektion: Single-Pass-Erkennung von Hindernissen, Bewuchs und strukturellen Schienenschäden.
  6. Maßgeschneiderte KI-Architektur: Speziell entwickelte PyTorch/ONNX-Modelle zur Präzisionsklassifizierung von Gleisanomalien.
  7. Edge-Ausführung im Regelbetrieb: Läuft auf Einzelkamera und Embedded-GPU direkt im Zug – ganz ohne Spezialfahrzeuge.
  8. Hardwareübergreifend validiert: Benchmark-getestet und einsatzbereit auf NVIDIA Jetson Xavier und Jetson Orin.
  9. Automatisierte Cloud-Alarme: RESTful-API-Anbindung zur Echtzeit-Übertragung von Benachrichtigungen an Wartungssysteme.

Visuelle Odometrie zur Zuggeschwindigkeitsmessung in GPS-freien Umgebungen

Transport und Logistik

  1. Übersicht: Ein Stereo-Visuelles Odometriesystem, das die Zuggeschwindigkeit direkt über ein Onboard-Stereokamerapaar schätzt. Es bietet Schienenfahrzeugen eine autarke Geschwindigkeitsreferenz überall dort, wo Satellitenortung an Grenzen stößt – etwa in Tunnels, auf Brücken, in dichten städtischen Korridoren, Bahnhofshallen, U-Bahnen und Depots. Auf Embedded-GPU-Hardware entwickelt, wandelt es Videodaten in ein zuverlässiges Echtzeit-Geschwindigkeitssignal ohne externe Infrastruktur um.
  2. Status: Im Praxiseinsatz
  3. Zielgruppe: Eisenbahnbetreiber sowie Integratoren für Signal- und Zugsteuerungstechnik
  4. Hauptmerkmale:
  5. Echtzeit-Stereo-Visuelle-Odometrie: Ermittelt Fahrzeugbewegung und -geschwindigkeit aus 3D-Punktwolken via Feature-Tracking und Frame-zu-Frame-Posenschätzung.
  6. Infrastrukturunabhängige Telemetrie: Agiert völlig autonom und ermittelt die Geschwindigkeit rein visuell – ohne Abhängigkeit von GPS, Gleisbalisen oder externen Signalen.
  7. Modulare ROS 2-Architektur: Basiert auf ROS 2 Middleware für latenzarme Kommunikation und nahtlose Integration in Onboard-Zugsysteme.
  8. Praxiserprobte Zugintegration: Vollständig auf operativen Schienensystemen unter realen Einsatzbedingungen getestet und integriert.
  9. Empirisch validierte Genauigkeit: Gegen Referenzdaten (Ground Truth) abgeglichen; erreicht bis zu ~85 % Genauigkeit in aktiven Feldversuchen.

Zielverfolgung auf mobilen Plattformen für Tag & Nacht

  1. Übersicht: Ein auf einer bewegten Plattform montiertes Trackingsystem, das ausgewählte Ziele (Fahrzeuge, Personen, Tiere) in Echtzeit erkennt und verfolgt – mit identischer Leistung bei Tag und Nacht. Klassische Bewegungsschätzung, Kurz-/Langzeit-Tracker, KI-Erkennung und Zustandsspeicherung (Object Memory) meistern Herausforderungen wie Verdeckungen, Lichtwechsel, komplexe Hintergründe sowie Skalierungsänderungen. Der Algorithmus skaliert unverändert von ressourcenleichten bis zu hochleistungsfähigen Embedded-GPUs und macht jede mobile Plattform zum autarken Trackingsensor.
  2. Status: Im Praxiseinsatz
  3. Zielgruppe: Systemintegratoren für Sicherheitstechnik, Anbieter mobiler Überwachungslösungen sowie Organisationen mit Sicherheitsaufgaben (Polizei, Feuerwehr und Rettungsdienste).
  4. Hauptmerkmale:
  5. Einheitliche Multi-Klassen-Pipeline: Erkennt und verfolgt verschiedenste Zielkategorien (Fahrzeuge, Fußgänger, Wildtiere) innerhalb einer einzigen End-to-End-Verarbeitungsarchitektur.
  6. Tag/Nacht-Beleuchtungsinvarianz: Arbeitet nahtlos unter extremen Lichtbedingungen – von hellem Tageslicht bis zu kompletter Dunkelheit – ohne jegliche manuellen Anpassungen.
  7. Einer Codebasis: Läuft auf der gesamten NVIDIA Jetson-Familie und skaliert von energiesparenden Embedded-Modulen bis hin zu hochleistungsfähigen Edge-GPUs.
  8. Bewegungsszenarien:
  9. Feste Plattform, bewegtes Ziel
  10. Bewegte Plattform, stationäres Ziel
  11. Bewegte Plattform, bewegtes Ziel

Multi-Kamera-Zielverfolgung für CCTV-Systeme in Unternehmen

Internet und Informationstechnologie

  1. Übersicht: Ein Framework zur Multi-Kamera- und Multi-Algorithmen-Tracker-Fusion für die kontinuierliche Einzel- und Mehrzielverfolgung in komplexen Videoüberwachungsnetzen. Durch die dynamische Fusion räumlicher Kamera-Feeds und komplementärer Tracking-Pipelines erzielt die Plattform eine deutlich höhere Genauigkeit und Trajektorienstabilität als isolierte Tracking-Modelle.
  2. Status: Forschung und Entwicklung
  3. Zielgruppe: Integratoren für Sicherheits- und Überwachungssysteme, Betreiber kritischer Infrastrukturen sowie Sicherheitsbehörden mit großflächigen CCTV-Netzwerken.
  4. Hauptmerkmale:
  5. Kameraübergreifende Tracker-Fusion: Führt mehrströmige räumliche Feeds mit Multi-Modell-Tracking-Algorithmen zusammen, um eine kontinuierliche Zielzustandsschätzung aufrechtzuerhalten.
  6. Duale SOT/MOT-Funktionen: Verarbeitet sowohl isoliertes Einzelziel-Tracking (SOT) als auch dichtes Mehrziel-Tracking (MOT) innerhalb einer einheitlichen Pipeline.
  7. Verifikation an Realdaten: Ausführlich getestet mit komplexen Überwachungsvideos aus der Praxis unter Verdeckungen, Bildrauschen und niedriger Kameraauflösung.
  8. Hohe Tracking-Performance: Erzielt eine Leistungssteigerung von ~90 % bei Genauigkeit und Zielwiedererfassung gegenüber isolierten Tracking-Baselines.

Portfolio

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden