Vom Galvanikbecken in die KI-Entwicklung
Oberflächentechnik
MSc, Universität Wien
& Lean Management
secure galvano ai
Meine Karriere begann dort, wo es nach Säure riecht und Handschuhe Pflicht sind: in der Entmetallisierung einer Galvanik. Ich habe die Lehre zum Oberflächentechniker abgeschlossen, später die Meisterprüfung abgelegt und 15 Jahre direkt an Galvanikanlagen verbracht — von der Linie bis zur Verfahrenstechnik. Insgesamt sind es über 20 Jahre Branchenerfahrung.
Ich weiß, wie es sich anfühlt, wenn ein Bad kippt oder eine Reklamation eintrifft und man in der Ursachenanalyse den Überblick über hunderte Einzelwerte verliert. Dieses Wissen ist in die Auswertungslogik eingeflossen: eine priorisierte Liste mit Handlungsempfehlungen je Auswertungslauf, die Ihrem Team hilft, Aufgaben zu planen und Abweichungen zu erkennen, bevor daraus Ausschuss wird.
Parallel habe ich an der Universität Wien Physik studiert — MSc Umweltphysik mit Schwerpunkt Materialphysik, Notenschnitt 1,1, mit Auszeichnung. Die Masterarbeit über High Pressure Torsion auf High-Entropy-Alloys hat mich gelehrt, wie man aus Messdaten reproduzierbare Ergebnisse ableitet — eine Disziplin, die im Produktionsalltag selten formalisiert ist.
Dazu kam eine Lean-Management-Ausbildung als methodischer Hintergrund für strukturierte Ursachenanalyse. Praxis, Physik und Methodik greifen in jeder Auswertung ineinander.
Am 1. Juni 2025 habe ich daraus ein eigenes Unternehmen gegründet — bewusst spezialisiert auf eine einzige Branche statt auf Digitalisierung im Allgemeinen.
Heute verbinde ich diese drei Welten in KI-Systemen für die Galvanotechnik, die lokal laufen, nachvollziehbare Ergebnisse liefern und sich im Erstgespräch ohne Vorkenntnisse nachvollziehen lassen. Ich kenne beide Seiten — den Anlagenbetrieb und die Auswertung der Prozessdaten — und die Methodik, die beides verbindet. Für ein KI-Projekt in einer Fabrik müssen sonst mehrere Abteilungen zusammenarbeiten — und genau diese Abstimmung ist meist der Engpass, nicht die Technik. Ich kann eine Idee vormittags an der Anlage mit dem Anlagenfahrer besprechen und sie nachmittags als lauffähige Demo mit der Produktionsleitung durchgehen.
Was mich antreibt
Galvanikbetrieben helfen, mit weniger Ressourcen mehr zu erreichen. Die Branche steht unter Druck — Energiekosten, Chemikalienpreise, ESG-Anforderungen, Fachkräftemangel. KI ist hier kein Selbstzweck, sondern ein Werkzeug, das nur bei passendem Einsatz Nutzen bringt.
Praxis vor Hype
Lösungen müssen am Becken funktionieren, nicht nur in der Demo. Vor Ort einsetzbar, an das eigene Team übergebbar, datenschutzkonform.
Methodik vor Magie
Reproduzierbare Modelle, erklärbare Entscheidungen. Modellprüfung durch TÜV AUSTRIA Trusted AI (TRUSTIFAI) erfolgreich abgeschlossen.
Nachhaltigkeit vor Wachstum
Weniger Chemikalien, weniger Energie, weniger Wasser, weniger Ausschuss — als Zielgrößen, die im Projekt gemessen und dokumentiert werden.
