KI-, Computer-Vision-, Luftfahrt- & Startup-Beratung

Master of Engineering mit First Class Honours in Luft- und Raumfahrttechnik am Imperial College London, ausgezeichnet mit dem Centenary Prize und dem Project Merit Prize für die beste Luftfahrt-Dissertation. Postgraduale Forschung in Machine Learning, Computer Vision und Deep Learning an der Carnegie Mellon University (4.0 / 4.0 GPA).

Gründer und CTO von Spacept (gefördert durch ESA BIC Schweden, Katapult und Antler) zum Aufbau satellitengestützter Computer Vision für kritische Infrastrukturen in Europa. Heute berät Sergiu Deep-Tech-Gründer direkt als Startup-Advisor und Fractional CTO und unterstützt Venture-Capital-Fonds bei der technischen Due Diligence in den Bereichen KI, Computer Vision und Luftfahrt.

Stromnetzbetreiber geben über 1.000 $ pro Kilometer für Helikopter-LiDAR-Befliegungen aus, um Baumstürze auf Freileitungen und Waldbrände zu verhindern. Manuelle Inspektionen sind langsam, gefährlich und teuer in der Skalierung.

Entwicklung einer durchgängigen Satelliten-Computer-Vision-Pipeline für hochauflösende Erdbeobachtungsdaten (Airbus Pléiades, Maxar, Sentinel). Erfindung und Patentierung der Spacept-Umbra-Methode, die Deep-Learning-Segmentierung mit Sonnenstandsgeometrie kombiniert, um 3D-Baumhöhen und Fallrisiken direkt aus optischen Schatten ohne flugzeuggestütztes LiDAR zu bestimmen.

• 1.400+ km Kommerziell Geprüft (TRL 7): Eingesetzt in Stromnetzen in Frankreich, Schweden und Australien bei Enedis, Sterblue, Vattenfall und Neara.
• >88 % Feldvalidierte Genauigkeit: Erzielte ±1,2 m vertikale Höhengenauigkeit und unter 10 % Falsch-Positiv-Rate gegenüber Boden-Lasermessungen.
• Enterprise-GIS-Integration: Automatisierte Vegetationsrisiko-Karten und Wartungsaufträge direkt in die Asset-Management-Systeme der Netzbetreiber.

Überführung akademischer Computer-Vision- und Machine-Learning-Modelle in zuverlässige Produktionssoftware unter realen Einsatzbedingungen — von isolierten Raumfahrtmissionen bis hin zur Umweltfrühwarnsystemen und Energiespeicherung.

Entwurf und Training maßgeschneiderter CNN- und Transformer-basierter Computer-Vision-Architekturen sowie physikalisch fundierter Machine-Learning-Pipelines für verrauschte optische, infrarote und zeitreihenbasierte Sensordaten.

• Raumfahrt-Psychologie-Computer-Vision (Sensian): Entwicklung einer Echtzeit-Software zur Gesichtsmerkmals- und Mikroexpressions-Erkennung zur passiven Überwachung des psychologischen Wohlbefindens von Besatzungen auf Langzeit-Weltraummissionen.
• Waldbranderkennung & Ausbreitungsanalyse: Optische und multispektrale Computer-Vision-Modelle zur Früherkennung von Brandherden und Verfolgung der Brandausbreitung.
• Prädiktives Batterie- & Solar-ML: An der Carnegie Mellon entwickelte Machine-Learning-Modelle zur Vorhersage der Degradationszyklen von Lithium-Ionen-Batterien aus frühen Ladekurven sowie zur Solarstromprognose.

Definition operativer Autonomiearchitekturen für das britisch-japanisch-italienische Global Combat Air Programme (GCAP / Tempest), insbesondere zur Bedrohungserkennung und Koordination unbemannter Begleitflugzeuge („Loyal Wingmen“) unter intensiver elektronischer Kampfführung.

Beratung des BAE Systems Future Concepts & Strategy Teams (via Outsmart Insights). Entwicklung autonomer Missionsmanagement-Logik sowie multispektraler Computer-Vision- und Sensorfusionsarchitekturen (EO/IR, Radar und elektronische Kampfführung) für Bordrechner.

• Resiliente Schwarmkoordination: Verteilte Steuerungsprotokolle zur dynamischen Aufgabenverteilung unbemannter Begleitflugzeuge bei Kommunikationsausfällen.
• Passive EO/IR- & Multisensorfusion: Emissionsarme optische, infrarote und radarbasierte Perzeptionspipelines zur Zielverfolgung ohne Preisgabe der eigenen Position.
• Flugkritische Absicherung: Anwendung der Lufttüchtigkeitsstandards DO-178C (DAL A/B) und ARP4754A zur Verifikation autonomer Entscheidungslogik an Bord.

Gründer in der Früh- und Wachstumsphase benötigen erfahrene technische Führung, um Forschung in marktreife Produkte zu verwandeln und Kapital einzuwerben, während Venture-Capital-Fonds unabhängige Fachexperten brauchen, um die technologische Substanz vor einer Investition zu prüfen.

Verbindet eigene Gründererfahrung (Aufbau von Spacept durch ESA BIC, Katapult und Antler) mit tiefgehenden Code-, Modell- und Hardware-Audits in den Bereichen KI, Computer Vision und Luftfahrttechnik.

• Startup-Advisor & Fractional CTO: Begleitet Gründer bei Computer-Vision- und KI-Systemarchitektur, Recruiting, Enterprise-Piloten und der technischen Positionierung für Seed- bis Series-B-Finanzierungsrunden.
• Echte IP vs. API-Wrapper: Prüft Codebasen, Trainingsdaten-Herkunft und Modell-Benchmarks für VCs, um verteidigbare proprietäre Technologie von einfachen API-Hüllen zu unterscheiden.
• Luftfahrt- & Dual-Use-TRL-Verifikation: Bewertet Flughardware, Autonomie-Stacks und Unit Economics über TRL 1–9 zum Schutz von Investitionskomitees vor technischen Sackgassen.