Kein Datenabfluss auf Patient:innenebene
Alle Modellierungen laufen in Ihrer Umgebung. Wir reisen; Patientendaten tun es nicht.
Eine Beratung an der Schnittstelle von Data Science, Statistik und den deutschen und europäischen Gesundheitssystemen.
Alle Modellierungen laufen in Ihrer Umgebung. Wir reisen; Patientendaten tun es nicht.
Wenn wir nicht erklären können, wie ein Modell zu einer Antwort gekommen ist, liefern wir es nicht aus — auch wenn es gut abschneidet.
Jedes Projekt hat ein definiertes Ende. Sie sollen ohne uns betreiben können, was wir gebaut haben.
Wir nennen nur Zahlen, die wir in Papern und Pull-Requests verteidigen können. Nichts mehr.

Gründer der Limebit GmbH und Leiter der Machine-Learning-Projekte auf Routinedaten — mit Fokus auf Evidenzgenerierung und klinische Anwendung. Schwerpunkte sind statistische Modellierung, versorgungsorientierte Analytik, Deep Learning und Predictive Analytics; hält zudem Vorlesungen zu Machine Learning.

Gründer der Limebit GmbH, verantwortlich für die nachhaltige Integration von Machine-Learning-Modellen in Prozesse und Infrastrukturen — mit Fokus auf Reproduzierbarkeit und Skalierbarkeit. Schwerpunkte sind ML-Ops, medizinische Dateninfrastruktur, statistische Modellierung, produktiver Modellbetrieb, DevOps und R.

Gründer der Limebit GmbH und Leiter der Softwareentwicklung aller medizinischen Projekte — mit Fokus auf Skalierbarkeit, Reproduzierbarkeit und Sicherheit. Schwerpunkte sind Software-Engineering, medizinische Dateninfrastruktur, Cloud Computing und DevOps. Aktiv vom Prototyp bis zum Livebetrieb — in regulierten On-Premise- und Sovereign-Cloud-Systemen.