Julian von der Goltz

ML-Systemarchitekt mit Schwerpunkt auf End-to-End-Entwicklung produktionsreifer ML- und DL-Lösungen. Ich baue Systeme von der Idee bis zum Betrieb mit Fokus auf Computer Vision und LLM-Anwendungen. Mit meinem formalen Hintergrund in Systemtechnik und praktischer Erfahrung in der KI-Implementierung bringe ich eine pragmatische, lösungsorientierte Perspektive in meine Teams ein.

Möchten Sie meine Expertise in Ihre Projekte einbringen? Kontaktieren Sie mich unter [email protected]!

Interessen und Spezialisierungen

Ich helfe Unternehmen, KI und Automatisierung praktisch einzusetzen. Zum Beispiel: durchsuchbare Wissensdatenbanken mit Chat-Oberfläche oder die Automatisierung der Dateneingabe, die niemand gerne macht. Das Ziel ist immer dasselbe: weniger Routinearbeit, mehr Zeit für die Arbeit, die wirklich zählt.


Fähigkeiten

Ein Überblick über die technischen Schwerpunkte, in denen ich spezialisiert bin:

Computer Vision

ClassificationObject DetectionSegmentation3D Vision3D ReconstructionOpenCV

Data & AI

PyTorchTensorFlowNLPGenerative AI (LLMs)RAG SystemsModel Development/Training/EvaluationProduction DeploymentMLOpsMLflow

Software Engineering

PythonTypeScript/JavaScriptNodeJSExpressJS

Plattformen & Delivery

GitPostgreSQLCI/CDDockerKubernetesTerraformGCPAWSAzureScrum/Agile

Berufserfahrung

KickstartAI

Machine Learning Engineer · 2025 - heute

  • Beratungsrolle in einer Non-Profit-Organisation zur Unterstützung von Community-Initiativen und Industriepartnern bei der KI-Einführung.
  • Projekte: RAG-Chatbot (ING); Multi-Task-Segmentierungs- und Dimensionsschätzungstool für die Wunddokumentation (LUMC).

VDG Engineering & Technology

Selbstständig (ZZP) · 2022 - 2025

  • LLM-Feinabstimmung: Mistral-7B auf historischer niederländischer Literatur (DBNL).
  • RAG-Suche für Raumfahrtnormen.
  • News-Clustering mit LLM-Zusammenfassung.
  • LLM-basierter Web-Crawl-Agent für personalisierte Suche.

Mainblades Inspections

Lead Engineer, Vision & AI · 2018 - 2025

  • Leitung der Entwicklung und geschäftlichen Implementierung von KI-Lösungen; multidisziplinäre Systemarchitektur zur Reduktion der Flugzeug-Inspektionszeit von acht Stunden auf 20 Minuten.
  • Partnerschaften mit Delta Air Lines, Blue Origin, Lufthansa und KLM.
  • Highlights: PyTorch-Schadensdetektionsmodelle; In-house-ML-Stack (Airflow, Docker, Seldon Core); Backend-Beiträge (NodeJS/ExpressJS); skalierbare Architektur auf GCP/Kubernetes.

Bildung

Delft University of Technology

MSc. Systems and Control (cum laude) · 2016 - 2019

Thesis: „Classification of Damages on Aircraft Inspection Images Using CNNs“.

ThesisThesis (PDF)Literaturübersicht (PDF)

Delft University of Technology

BSc. Aerospace Engineering (cum laude) · 2012 - 2016


Kontakt

[email protected]


Lebenslauf

CV Deutsch (PDF)