LLMs, Claude Code, MLOps, Zeitreihenanalyse und industrielle KI: wissenschaftlich fundiert, praxisnah und erprobt in Industrieprojekten und Firmenschulungen.
Promotion, Forschung, Industrieprojekte und langjährige Lehrerfahrung in einer Person. Unternehmen bekommen nicht nur eine Schulung, sondern einen Partner für reale technische Fragestellungen.
Dr.-Ing. in Elektrotechnik & Informationstechnik. Dissertation: „Constructive analysis and computer-certified formal proofs for selected control-theoretical aspects.“
M. Sc. und B. Sc. in Angewandter Mathematik als formale Grundlage für Machine Learning, Modellierung und technische Datenanalyse.
Langjährige TU-Chemnitz-Erfahrung in Forschung, Softwareentwicklung, Lehre, Projektbearbeitung und Projektakquise.
Wissenschaftliche Publikationen zu Regelungstechnik, Stabilität, Zeitreihen und formalen Beweisen, u. a. im Journal of Automated Reasoning und auf der European Control Conference.
Beratungsprojekte zu On-Premise-LLM-Deployment, Claude Code, Zeitreihenklassifikation, Predictive Maintenance und Anomalieerkennung.
Firmenschulungen für Industrieunternehmen wie Siemens sowie Software-/IT-Firmen und Hochschulen.
Ob ganztägige Schulung, kompakter Workshop oder begleitende Beratung: Inhalt, Format und Dauer richte ich nach Ihrem Bedarf aus, inhouse oder online. Die drei Bereiche unten zeigen typische Ausgangslagen als Einstieg; das konkrete Vorgehen stimmen wir gemeinsam ab.
„Ich unterstütze technische Teams dabei, aus Maschinen-, Prozess- und Sensordaten nutzbare KI-Modelle zu entwickeln und belastbare Entscheidungen zu treffen.“
„Ich helfe Software- und IT-Teams, KI- und LLM-Anwendungen technisch sauber zu verstehen, zu prototypisieren und in umsetzbare Workflows zu bringen.“
„Ich bin freiberuflicher KI-/ML-/Data-Science-Dozent für anspruchsvolle Schulungen mit wissenschaftlicher Tiefe und praktischer Umsetzbarkeit.“
Schulungen ansehen und direkt anfragen →
Vor der KI-Investition: Data-to-AI Readiness Assessment →
Firmenschulungen und Projekte für große Organisationen, sowie wissenschaftliche und geförderte Arbeit als Fundament. Viele Auftraggeber buchen wiederholt und planen Termine Monate im Voraus.
Großes Dankeschön an das Team von Siemens für die Zusammenarbeit an praxisnahen Ansätzen zur Anomalieerkennung, von Forecasting bis Root-Cause-Analyse.
„Besonders wertvoll: nicht nur Anomalien zu erkennen, sondern zu verstehen, was sich verändert hat, warum es zählt und welche nächsten Schritte sinnvoll sind.“
Siemens AG · SRH Hochschule Berlin · CropEnergies · JUMO GmbH & Co. KG · Schenck RoTec GmbH · SOBIS Software GmbH · roda computer GmbH
Für ein Unternehmen im maritimen Umfeld wurde ein produktives KI-System entwickelt, das eingehende Kauf-, Verkaufs-, Cargo- und Positionsmeldungen automatisch verarbeitet. Lokale Sprachmodelle extrahieren relevante Schiff-, Ladungs-, Hafen- und Termindaten in strukturierter Form. Eine RAG-Komponente erschließt den E-Mail-Bestand semantisch und erzeugt quellengebundene Antworten für operative Fragestellungen.
Für ein Software-Unternehmen wurde eine souveräne LLM-Plattform auf dedizierter GPU-Infrastruktur aufgebaut. Lokale Sprachmodelle laufen dort produktiv und können flexibel um weitere Modelle ergänzt werden. Die Plattform dient für internes Prompting, Modell-Evaluation und RAG-Prototyping, mit dem Ziel, kontextbasiertes Prompting und RAG als Kernfunktionen ins Produkt zu bringen.
Zwischen 2017 und 2026 sind Prognosesysteme für Qualität, Erntezeitpunkt und Krankheitsrisiko aus Sensordaten entstanden, dazu ein digitaler Zwilling für den kontrollierten Anbau. Die Ergebnisse sind referiert publiziert und über DOI nachprüfbar. Research-Case ansehen →
Formate, Termine, Preise und alle Details finden Sie auf der jeweiligen Themenseite. Ein Klick auf eine Karte führt Sie direkt dorthin.
Claude Code produktiv im Team einsetzen, mit Workflows, Guardrails und Evals. Statt Werkzeug-Demos: reproduzierbare Muster, geübt hands-on auf Ihrer eigenen Codebasis.
Zur Schulung →Physik (Differentialgleichungen) mit datengetriebenen Modellen verbinden: PINNs in PyTorch, gegen klassische Verfahren gemessen. Am Ende steht ein lauffähiger Prototyp auf einem Problem aus Ihrer Domäne.
Zur Schulung →Die bestehende FMEA mit Prozess- und Zustandsdaten verbinden: Failure-Mode-zu-Signal-Matrix, Datencheck, Anomalie-Baseline und ein prüfbarer Experimentplan. Für Qualität, Instandhaltung und Reliability.
Zum Workshop →Lokale Modelle und RAG auf Ihrer eigenen Infrastruktur aufbauen, und die Retrieval-Qualität messen statt sie zu vermuten. Am Ende steht ein System mit Baseline, Eval-Set und Deployment-Checkliste.
Zur Schulung →In fünf Tagen von den Python-Grundlagen zu einem eigenständig gelösten Machine-Learning-Fall: Pandas, Visualisierung, scikit-learn. Durchgehend hands-on mit Notebooks, auf Wunsch an Ihren eigenen Daten.
Zur Schulung →Eigenschaften nachweisen, die kein Testlauf abdeckt: eine beweisbare Spezifikation formulieren, den maschinengeprüften Beweis mit Rocq, Lean oder Minlog führen und ein ausführbares Programm extrahieren. Für Regelungstechnik-, Safety- und Embedded-Teams.
Zum Workshop →Die LLM-Anwendung läuft, aber niemand kann Änderungen belegen? Der Workshop baut den Betriebsteil: Tracing, Evals, Leitplanken, Versionierung und ein Kosten- und Latenzbudget für Ihre laufende Anwendung.
Zum Workshop →Modelle reproduzierbar trainieren, versioniert freigeben und überwacht betreiben: Tracking, Registry, Freigabe-Gates, Rollback und Drift-Überwachung.
Zur Schulung →Von der ersten Anfrage bis zur Durchführung: transparent und unkompliziert.
Kostenlos und unverbindlich klären wir Ziel, Zielgruppe, Umfang und Format, inhouse oder online.
Sie erhalten einen konkreten Vorschlag zu Inhalten, Ablauf und Konditionen. Tagessätze auf Anfrage, je nach Thema und Umfang.
Schulung oder Projekt wie vereinbart, auf Wunsch mit Materialien, Übungen und Nachbereitung.
Schreiben Sie mir kurz, worum es geht: Sie bekommen eine klare Einschätzung und einen konkreten Vorschlag, wie ich Sie unterstütze.
Dr.-Ing. Grigory