Dr. Lena Hartmann

Senior KI-Ingenieur – Maschinelles Lernen & Generative KI

📧[email protected] 📞+49 30 12345678 🔗https://lena-hartmann.ai
📍Friedrichstraße 123, Berlin, Berlin, Deutschland, 10117
GitHub: @lena-hartmann LinkedIn: @lena-hartmann Stack Overflow: @lena-hartmann

Basisinformationen

  • Senior KI-Ingenieur mit über 8 Jahren Erfahrung in der Entwicklung und produktiven Skalierung von Systemen für Maschinelles Lernen und Generative KI.

  • Spezialisiert auf Deep Learning, Sprachverarbeitung und MLOps; verantwortlich für End-to-End-Pipelines von der Datenaufbereitung bis zum Monitoring im Betrieb.

  • Nachweisliche Erfolge bei der Führung interdisziplinärer Teams und der Übersetzung komplexer Geschäftsanforderungen in robuste, ethisch verantwortungsvolle KI-Lösungen.

  • Leidenschaft für innovative Forschungsansätze, reproduzierbare Experimente und die kontinuierliche Verbesserung von Modellqualität und -performance.

Ausbildung

Technische Universität Berlin
Doktor, Künstliche Intelligenz und Maschinelles Lernen, Punkte: summa cum laude
  • Promotion über selbstüberwachtes Lernen für die Sprachverarbeitung mit Fokus auf ressourcenarme Domänen.

  • Entwicklung neuartiger Architekturen, die auf mehreren Benchmarks state-of-the-art Ergebnisse erzielten.

  • Publikationen auf führenden Konferenzen wie NeurIPS, ICML und ACL.

Kurse: Deep Learning, Probabilistische Graphenmodelle, Natural Language Processing, Reinforcement Learning, Bayesianische Inferenz
RWTH Aachen University
Master, Informatik, Punkte: 1,2
  • Schwerpunkt auf statistischem Lernen und algorithmischer Datenanalyse.

  • Masterarbeit zur effizienten Inferenz in tiefen neuronalen Netzen.

Kurse: Maschinelles Lernen, Statistische Mustererkennung, Datenbanken und Datenanalyse, Algorithmen und Datenstrukturen, Computer Vision

Berufserfahrung

Siemens KI-Labor
Senior KI-Ingenieur
  • Leitung eines Teams von 6 ML-Ingenieur:innen zur Entwicklung generativer KI-Assistenten für industrielle Anwendungen.

  • Konzeption und Umsetzung einer skalierbaren LLM-Plattform mit Retrieval-Augmented Generation und strengen Governance-Vorgaben.

  • Verantwortlich für Modellauswahl, Fine-Tuning, Evaluation und kontinuierliches Monitoring in der Cloud.

  • Enge Zusammenarbeit mit Produktmanagement und Compliance zur Einhaltung des EU AI Act.

Schlüsselwörter: Generative KI, LLM, RAG, MLOps, Teamführung
Bosch Center for Artificial Intelligence
Ingenieur für Maschinelles Lernen
  • Entwicklung und Deployment von Deep-Learning-Modellen für Qualitätskontrolle und Predictive Maintenance.

  • Aufbau einer unternehmensweiten Feature-Store-Infrastruktur zur reproduzierbaren Modellierung.

  • Automatisierung von Trainingspipelines mit Kubernetes, Kubeflow und MLflow.

  • Durchführung von A/B-Tests und Modellüberwachung im Produktivbetrieb.

Schlüsselwörter: Deep Learning, Predictive Maintenance, Kubeflow, Feature Store, Computer Vision
Zalando SE
KI-Ingenieur
  • Entwicklung von Empfehlungssystemen zur Personalisierung des Online-Shops.

  • Implementierung von NLP-Pipelines zur automatischen Produktklassifikation.

  • Optimierung von Modellen für Latenz und Skalierbarkeit im Hochlastbetrieb.

  • Zusammenarbeit mit Data Engineering und Product Analytics.

Schlüsselwörter: Recommender Systems, NLP, Python, Spark, Personalisierung

Sprachen

Deutsch: Muttersprache oder zweisprachig
Schlüsselwörter: Muttersprache
Englisch: Verhandlungssichere Kenntnisse
Schlüsselwörter: C2, Verhandlungssicher
Französisch: Gute Kenntnisse
Schlüsselwörter: B1

Fähigkeiten

Maschinelles Lernen: Experte
Schlüsselwörter: Deep Learning, NLP, Computer Vision, Generative KI, Reinforcement Learning
Programmierung: Experte
Schlüsselwörter: Python, PyTorch, TensorFlow, SQL, Bash
MLOps & Cloud: Erfahren
Schlüsselwörter: Kubernetes, Docker, MLflow, Kubeflow, AWS SageMaker, Azure ML
Datenverarbeitung: Erfahren
Schlüsselwörter: Spark, Pandas, Airflow, dbt, Kafka
Führung & Kommunikation: Erfahren
Schlüsselwörter: Teamführung, Agile Methoden, Stakeholder-Management, Technische Dokumentation, Mentoring

Auszeichnungen

Preis für den besten Beitrag
NeurIPS 2023
  • Auszeichnung für die Publikation „Effiziente Selbstüberwachung für domänenspezifische Sprachmodelle“.

  • Anerkennung für herausragende Beiträge zu ressourceneffizientem Training großer Sprachmodelle.

Innovationspreis KI
Siemens AG
  • Preis für die Entwicklung einer skalierbaren RAG-Plattform mit messbarer Reduktion von Halluzinationen.

  • Würdigung der interdisziplinären Zusammenarbeit und des produktiven Einsatzes im industriellen Umfeld.

Zertifikate

AWS Certified Machine Learning – Specialty
Amazon Web Services
Google Cloud Professional Machine Learning Engineer
Google Cloud
TensorFlow Developer Certificate
Google

Veröffentlichungen

Effiziente Selbstüberwachung für domänenspezifische Sprachmodelle
NeurIPS 2023
  • Vorstellung eines selbstüberwachten Verfahrens, das ohne große Mengen annotierter Daten wettbewerbsfähige Ergebnisse erzielt.

  • Analyse der Übertragbarkeit auf ressourcenarme Sprachen und Fachdomänen.

Skalierbare Inferenz für Generative Modelle in der Industrie
KI-Fachzeitschrift
  • Diskussion architektonischer Muster für latenzarme Inferenz großer Sprachmodelle.

  • Praxisbericht zur Integration von RAG und Vektordatenbanken in bestehende Unternehmenslandschaften.

Projekte

DocuMind – Intelligenter Dokumentenassistent
RAG-basierter Assistent zur semantischen Suche und Zusammenfassung technischer Dokumente.
  • Entwicklung einer Ende-zu-Ende-Plattform mit Ingestion, Chunking, Embedding und Vektordatenbank.

  • Evaluation von LLMs hinsichtlich Genauigkeit, Latenz und Kosten.

  • Bereitstellung einer REST-API und eines Web-Frontends für interne Nutzer:innen.

Schlüsselwörter: RAG, LLM, Vektordatenbank, FastAPI, Evaluation
VisionQC – Qualitätskontrolle mit Computer Vision
Deep-Learning-System zur automatischen Fehlererkennung in der Fertigung.
  • Training von Convolutional Neural Networks auf hochauflösenden Industriebildern.

  • Implementierung einer aktiven Lernschleife zur Reduktion des Annotationsaufwands.

  • Deployment auf Edge-Geräten mit TensorRT und Überwachung der Modell-Drift.

Schlüsselwörter: Computer Vision, Edge AI, TensorRT, Active Learning, Fertigung

Interessen

Open Source: PyTorch, Hugging Face, MLflow
Wissenschaft & Forschung: NeurIPS, ICML, ACL
Freizeit: Wandern, Klettern, Fotografie, Lesen

Ehrenamtliche Tätigkeiten

AI Ethics Initiative Berlin
Mentorin für Maschinelles Lernen
  • Mentoring von Nachwuchswissenschaftler:innen und Berufseinsteiger:innen im Bereich KI.

  • Organisation von Workshops zu verantwortungsvoller KI und reproduzierbarer Forschung.

  • Beitrag zur Entwicklung eines Leitfadens für ethische Evaluierung von Sprachmodellen.