Ich entwerfe Systeme,baue Produkte und machekomplizierte Technikverständlich.

Gelebte Erfahrung in eine lesbare Kartierung übersetzen

Problem

Das Explikationsinterview funktioniert. Die Technik bringt jemanden dazu zu schildern, was er tatsächlich getan hat, statt dessen, was er zu sagen meint. Nur brauchte es dafür eine geschulte Fachperson im Raum. Ein Interview dauerte eine bis anderthalb Stunden, und daraus eine formale Kartierung der Kompetenzen zu machen, kostete anschliessend weitere fünf bis sechs Stunden Expertenarbeit. Damit blieb die Methode genau denen verschlossen, die sie am nötigsten hatten: Menschen in beruflicher Neuorientierung, Stellensuchende und die Beratenden, die sie in grosser Zahl begleiten sollen.

Rolle

CTO & leitender Entwickler

Entscheidung

Einen spezialisierten Klassifikator trainieren statt ein Spitzenmodell zu prompten, nachdem belegt war, dass die Spitzenmodelle nicht weiterkamen

Ergebnis

Ein Interview, das jede und jeder führen kann, in 15 Minuten bis einer Stunde statt 90 Minuten, mit einer Kartierung nach fünf bis sechs Minuten statt fünf bis sechs Stunden. Über drei Testrunden mit 36 Teilnehmenden bestätigten alle Befragten, dass ihnen das Interview genug Zeit zum Nachdenken liess, und ausgerechnet die Personen ohne jede Chatbot-Erfahrung sprachen die höchste Empfehlung aus. Dahinter stehen zwei Produkte aus einer Codebasis: yepa.solutions für Einzelpersonen und yepa.expert auf Einladung für Forschende, mit codegeschützten Kampagnen, anonymen Teilnehmenden und Auswertung auf Gruppenebene.

Einen Container vorhersagen, damit Lastwagen nicht mehr zu leeren fahren

Problem

KOCOs bisherige Prognose war eine adaptive lineare Regression: die Füllrate zwischen zwei Leerungen mitteln und fortschreiben. Das funktioniert, sieht aber immer nur Daten von Sammeltagen, eine Handvoll Punkte pro Woche. Das Unternehmen wollte wissen, ob achtzehn Monate spärlicher Wägungen etwas Besseres tragen können.

Rolle

Forschungsingenieur

Entscheidung

Die Auflösung von stündlich auf täglich senken, denn stündlich waren 98% der Daten eine Linie, die ich selbst gezogen hatte

Ergebnis

Prophet senkte den mittleren absoluten Fehler von 75,0 kg beim Bestandssystem auf 48,04 kg an echten Sammeltagen und den MAPE von 40,4% auf 19,8%. Beide Partner bewerteten das Projekt im Schlussbericht an Innosuisse mit 1 von 4 (sehr erfolgreich).

Finanznachrichten, drei Fragen auf einmal gelesen

Problem

Finanz-Sentiment von der Stange sagt Ihnen, eine Schlagzeile sei negativ. Selten sagt es, negativ für wen, oder ob das Beschriebene bereits eingetreten ist. Ein einziger Artikel kann zu einem Unternehmen optimistisch und zu einem anderen düster sein und ein Ereignis vom letzten Jahr mit einer Prognose fürs nächste Quartal mischen. Das auf einen einzigen Wert zu reduzieren, wirft den grössten Teil des Signals weg.

Rolle

Masterarbeit, alleiniger Autor

Entscheidung

Die Grenzen der Zeitklassen in eine Konfigurationsdatei legen statt in die Gewichte des Modells

Ergebnis

Note 6 von 6. Drei getrennte Fragen pro Satzfragment, aggregiert je Unternehmen und Zeitfenster, mit benannten Emotionspaaren statt einem erzwungenen Einzelsieger.

Ein Roboter, den man vom Sofa aus steuert

Problem

Die Idee kam von einem Floristen. Adrien Hertig hatte gemerkt, dass seine Kundschaft nicht mehr in die Stadt kam und stattdessen online bestellte, und fand, es wäre gut, wenn jemand aus seinem Team sie trotzdem durch den Laden führen könnte. Dann schloss COVID die Geschäfte ganz. Die Frage wurde: Kann eine entfernte Kundin einen echten Laden wirklich vom Handy aus durchstöbern, sehen, was sie sehen will, und von einem Menschen bedient werden?

Rolle

Leitender Entwickler und technischer Verantwortlicher

Entscheidung

Peer-to-Peer aufgeben und den eigenen Server auf beiden Seiten zu einem echten WebRTC-Peer machen, weil wir die Pixel sehen mussten

Ergebnis

Lief in drei Partnergeschäften in Freiburg (ein Blumenladen, ein Möbelgeschäft und ein Anbieter für Entspannungsprodukte), mit einer mobilen App in beiden Stores und Gesichts-Blurring in Echtzeit, das den Betrieb des Roboters in einem Laden mit Kundschaft erlaubte.