Über mich

Wer das alles schreibt – und was er tatsächlich ausgeliefert hat.

Senior AI Technical Lead (CTO) von Booq (booqai.app), einer KI-Plattform für Content-Produktion, und der Entwickler hinter Kartez Contract (kartezcontract.com), einem KI-System für Rechtsberatung. Doktorand der Künstlichen Intelligenz an der Isfahan University of Technology, wo er auch seinen BSc in Technischer Informatik und seinen MSc in Künstlicher Intelligenz erworben hat. Fünf Jahre Berufserfahrung in der KI, quer durch große Sprachmodelle, Chatbots, Computer Vision, Deep Learning, Graph Neural Networks, Frage-Antwort-Systeme, Sprachsynthese und -erkennung, Data Mining, Analytik und Business Intelligence – gestützt auf praktische Arbeit in Softwareentwicklung, DevOps, Web und Datenbanken. Erfahren darin, große und kritische KI-Projekte von Anfang bis Ende zu leiten und abzuliefern.

Wo diese Arbeit steht

Dort, wo KI-Spitzenforschung (LLMs, RAG, GNNs) auf Softwarearchitektur für den Produktivbetrieb im industriellen Maßstab trifft.

Kein Forscher, der nebenbei ausliefert, und kein Entwickler, der nebenbei Paper liest – die nützliche Position liegt dazwischen: dort, wo ein Ergebnis eine Kostenobergrenze, ein Latenzbudget und einen Kunden überstehen muss.

Bandbreite

Die erste berufliche Rolle, 2019, war ein Modul zur Hardware-Verwaltung von SIM-Karten, das AT-Befehle in Qt und C++ absetzte. Die aktuelle ist die technische Leitung einer KI-Plattform, die Videos ins Persische synchronisiert. Alles dazwischen – Rauschunterdrückung in MRT-Bildern, persische Sprachsynthese für einen nationalen Anbieter, drei Jahre industrielle KI von null bis zum verkauften Produkt und die KI-gestützte Erstellung, Prüfung und Bearbeitung von Verträgen für Kartez Contract – steht im Lebenslauf weiter unten.

Forschung

Masterarbeit, Isfahan University of Technology, September 2025 – Vorhersage der Genexpression aus digitalen Pathologiebildern:

Genexpressionsanalysen sind langsam, teuer und logistisch mühsam. Whole-Slide-Pathologiebilder sind schnell und günstig. Diese Arbeit fragt, ob das Zweite für das Erste einstehen kann – also molekularbiologisches Signal direkt aus Gigapixel-Pathologiebildern zurückzugewinnen, unter harten Vorgaben für Rechenaufwand und Latenz. Der Ansatz kombiniert Graph Neural Networks, Vision Foundation Models, für diese Aufgabe angepasste Techniken großer Sprachmodelle sowie statistische und probabilistische Verfahren.

Bachelor-Abschlussprojekt, September 2022 – Simulation der visuellen Kognition des Menschen und Unterscheidung echter Wahrnehmung von Halluzination:

Eine einjährige Untersuchung mit generativen Modellen – Autoencodern und GANs –, um zu modellieren, wie das menschliche Gehirn visuelles Verstehen aufbaut, und um echte Wahrnehmung von Halluzination zu unterscheiden.

In diesem Projekt ging es 2022 um Wahrnehmungshalluzination, drei Jahre bevor Modellhalluzination zum zentralen Problem der angewandten LLM-Arbeit wurde. Die Promotion, begonnen im September 2025 an der Isfahan University of Technology, läuft; ihre Forschungsrichtung wird hier veröffentlicht, sobald sie feststeht, statt vorab beschrieben zu werden.

Eine Anmerkung zu Zahlen

Die Fallstudien auf dieser Website enthalten keine Benchmark-Zahlen. Das ist Absicht. Die Messungen liegen in den Projekten, nicht in einem öffentlichen Lebenslauf; und eine Zahl, nur erfunden, um eine Karte zu füllen, wäre hier die am leichtesten überprüfbare Falschaussage. Jede Kennzahl erscheint, sobald sie gemessen und bestätigt ist, und bleibt bis dahin verborgen.