Claudio Weck arbeitet als Lab Scientist für Data Science und Künstliche Intelligenz im Berliner Denklabor von Porsche. Sein Fokus liegt auf Deep Learning, einem Spezialgebiet von maschinellem Lernen. „Durch meine konzernübergreifenden Erfahrungen in Predictive Analytics und Maintenance von Management Consulting bis IT-Prozessberatung kann ich mit interdisziplinären Teams schnell und agil innovative Geschäftsmodelle auf die Straße bringen. Unser offenes und internationales Künstliche Intelligenz-Team ist hierzu bestens aufgestellt.“
Als Data Scientist unterstützt er die IT und andere Fachbereiche dabei, aus zunächst innovativen Ideen tragende Business Cases und funktionsfähige Minimal Viable Products (MVPs) zu erstellen. Ziel ist es, gemeinsam datengetriebene Use Cases zu entwickeln und Know-How in den Bereichen Data Science und Machine Learning in den Konzern zu tragen.
Weck wird bereits zur Konzeptphase eingebunden
Dies umfasst neben Innovationen und Vorentwicklungen für vernetztes Fahren und Produktion 4.0 auch sämtliche Prozesse des Unternehmens, bei denen intelligente Maschinen unterstützen können.
Claudio Weck wird bereits zur Konzeptphase in Projektideen eingebunden und beschäftigt sich zusammen mit dem Lab-Bereich User Experience mit Nutzeranforderungen. Anschließend folgt die Architekturplanung, häufig in Form von Big Data Analytics-Plattformen oder Deep Learning-Modellen neuronaler Netze. Danach geht es in die Vorentwicklungen und Umsetzung von funktionsfähigen Prototypen, den sogenannten Minimal Viable Products. Dies erfolgt entweder innerhalb des Porsche Digital Lab-Teams oder in Zusammenarbeit mit Spezialisten aus der IT und anderen Fachbereichen sowie externen Start-ups und Partnern. Dabei kommen häufig SCRUM und weitere agile Arbeitsmethoden zum Einsatz, um letztlich alle Disziplinen in einem Entwickler-Team zu vereinen und in wenigen Wochen Ergebnisse zu liefern.
Neben der Realisierung selbst wird dabei auch der Wissenstransfer zu den innovativen Technologien, etwa mit TensorFlow, Keras und Spark angetrieben. Das sind Frameworks für Deep Learning, die vor allem auf spezieller Hardware, etwa NVIDIA GPUs auf Servern und in Fahrzeugen ausgeführt werden können. Die Anwendungsfälle fallen dabei meist in eine der drei Felder Computer Vision (Erkennen und Verständnis von Bildern und Videos), Machine Vision (Muster- und Trenderkennung von Sensordaten) oder Natural Language Processing (Verständnis und Erzeugung von menschlicher Sprache).
