BERLIN · KI-INGENIEUR · FORSCHER
Khasim Bin Saleh
KI-Ingenieur, Forscher, Agentische KI, Gesundheits-KI, Robotik
Können wir dem vertrauen, was KI uns sagt?
Ich baue KI-Systeme für Orte, an denen Fehler zählen, von klinischer Software bis zu Robotern, und ich messe sie, bevor ich ihnen vertraue.
PROJEKTE
Gebaut, getestet, gemessen
Erst abgeschlossene Arbeit, dann Experimente. Jede Seite sagt, was gemessen wurde und wo das Projekt steht.
Abgeschlossen
Fertige Arbeit.
03/2026 to 11/2026
Klindok
KI, die Patientendaten nirgends hinsendet.
Offline desktop software for private clinics. The doctor types bullet points, Klindok drafts the letter, checks every fact in the draft against what was typed, and exports a PDF. Nothing leaves the clinic computer.
100%
offline
5
kinds of fact checked
2
editions
- Python
- SQLCipher
- GGUF models
- PDF/A
- pytest

- Fertig
03/2023 to 08/2023
AI Tutor at Coschool
An AI tutor built from zero during my internship and shipped to 1,000+ beta users, with evaluation pipelines to keep its answers on topic.
1,000+
beta users
80%+
fewer off-topic answers
- RAG
- Milvus
- GPT
- Fertig
07/2025
Predictive Maintenance Pipeline
An end-to-end pipeline that predicts machine failures from sensor data. Five classifiers compared on F1 because failures are the rare class, with the full results table published, including the weak spots.
5
models compared
0.40
best F1
- scikit-learn
- XGBoost
- Docker
- pytest
- Fertig
04/2026
RAG Pipeline from Scratch
A retrieval-augmented generation pipeline rebuilt in plain Python, so every step between question and answer is visible. Evaluated with hit rate and mean reciprocal rank on a small labelled set.
88%
hit rate at k=3
0.79
MRR
- Python
- scikit-learn
- NumPy
- Docker
Laufende Experimente
Bewusst unfertig. Noch keine Ergebnisse behauptet.
LaufendRolle: AI features
Kiko
An interactive companion robot, built with a small student team. I work on the AI side. Early prototype.
Bench test. The face display, a camera and the compute board running together. The line on the screen says the vision models are not installed yet.
- Python
- Computer vision
- Robotics
FORSCHUNG
Woran ich forsche und warum
ZENTRALE FORSCHUNGSFRAGE
Findet ein LLM-Agent die Datenschutzrisiken in synthetischen Gesundheitsdaten, die Standardtests als sicher einstufen?
Kliniken und Forschende geben synthetische Daten weiter, statt echter Patientendaten. Ob das sicher ist, hängt vom Test ab, mit dem man es prüft. Verbreitete Tests können Datensätze übersehen, die weiterhin auf eine echte Person zeigen.
Dieselbe Frage zieht sich durch alles, was ich sonst mache: ein System messen, bevor man ihm vertraut.
Abb. 1 · Abstand zum nächsten Datensatz
Jeder Punkt ist ein synthetischer Datensatz. Jeder Ring ist der Datensatz einer echten Person. Ein Punkt, der auf einem Ring liegt, kann diese Person verraten. Solche Fälle zu finden, ist das Thema meiner Abschlussarbeit.
- Echter Datensatz
- Synthetischer Datensatz
- Zu nah: 7 von 92
Zeiger bewegen, um einen Datensatz zu prüfen. Beispieldaten, keine Studienergebnisse.
- In Arbeit
Masterarbeit
Agentic Privacy Auditing of Synthetic Health Data: Evaluating LLM Audit Agents against Attack-Based Re-identification Metrics
- Fertig
KI-Agenten in Unternehmen
Vier Umfragen aus 2026 verglichen, in denen die gemeldete Adoption zwischen 17% und 65% lag, und den Gründen nachgegangen.
- Fertig
Agenten-Designmuster
ReAct, Reflection, Planning, Tool use und Multi-agent, abgeglichen mit echten Einsätzen und mit MCP und A2A.
Paper-Analysen
Erscheint, wenn ich ein Paper gründlich gelesen habe. Kein fester Rhythmus.
- arXiv preprintMust read
The DCR Delusion: Measuring the Privacy Risk of Synthetic Data
The most popular privacy test for synthetic data passes datasets that membership inference attacks show are leaking.
WEG
Wie ich hierher kam
Jeder Schritt hat einen weiteren Test hinzugefügt.
2020
B.Tech CSE begonnen
IoT-Schwerpunkt an der Lovely Professional University.
Studium2023
ML-Praktikum bei Coschool
KI-Tutor für 1.000+ Beta-Nutzer ausgeliefert.
Praktikum2025
Umzug nach Berlin
MSc Informatik, Big Data und KI, an der SRH Berlin.
MSc2026
Wissenschaftliche Hilfskraft
KI-Agenten in Unternehmen und Entwurfsmuster für Agenten. Juni bis Oktober.
Forschung2026
Klindok gebaut
Klinische Dokumentation ohne Cloud, mit Faktenprüfung.
Fertig2026
Abschlussarbeit begonnen
Datenschutz-Audits synthetischer Gesundheitsdaten mit LLM-Agenten.
In Arbeit2026
Kiko
Ein Begleitroboter mit einem kleinen studentischen Team. Ich arbeite an der KI-Seite.
Laufend
ÜBER MICH
Vom IoT-Basteln zu vertrauenswürdiger KI
Ich habe mit einem B.Tech in Informatik an der Lovely Professional University begonnen, mit Schwerpunkt IoT.
Bei Coschool habe ich einen KI-Tutor gebaut, der 1.000+ Beta-Nutzer erreicht hat. Dabei habe ich gelernt: ein Modell ist nur so gut wie die Art, wie man es testet.
Für einen MSc in Informatik mit Schwerpunkt Big Data und KI bin ich nach Berlin gezogen. Hier habe ich Klindok gebaut, eine Software ohne Cloud, die klinische Briefe entwirft und jede Angabe darin prüft. Jetzt schreibe ich meine Abschlussarbeit über Datenschutz-Audits synthetischer Gesundheitsdaten.
Daneben arbeite ich an der KI-Seite von Kiko, einem Begleitroboter. Ich möchte verstehen, was sich ändert, wenn ein Modell den Bildschirm verlässt.
- Wohnort
- Berlin, Deutschland
- Studium
- MSc Informatik, Big Data und KI, an der SRH University of Applied Sciences Berlin. 2025 bis 2027.
- Davor
- Machine-Learning-Praktikum bei Coschool, Hyderabad. B.Tech in Informatik, Schwerpunkt IoT.
- Sprachen
- Hindi (Muttersprache), Englisch (C1), Deutsch (B1, lerne ich)
KENNTNISSE
Technische Tiefe
Ehrliche Stufen: produktiv eingesetzt, in einem Projekt eingesetzt oder im Studium. Eine Stufe gibt es nur, wenn ein Projekt auf dieser Seite sie belegt.
- Produktion
- Projekt
- Lerne
KI und ML
Modelle, die ich trainiere und vergleiche, wenn die Daten unruhig sind.
scikit-learn
Predictive Maintenance
ProjektXGBoost
Predictive Maintenance
Projekt
Außerdem gearbeitet mit
- PyTorch
- TensorFlow
- Hugging Face Transformers
LLMs und Agenten
Systeme, die antworten, abrufen und beim Thema bleiben.
RAG
Coschool KI-Tutor
ProduktionGPT fine-tuning with guardrails
Coschool KI-Tutor
ProduktionMilvus
Coschool KI-Tutor
Produktion
Außerdem gearbeitet mit
- LangChain
- OpenAI
- OpenRouter
- Gemini
- Azure Document Intelligence
- prompt engineering
- real-time speech (Deepgram STT, TTS)
Evaluation
Wie ich entscheide, ob ein Modell gut genug ist.
Außerdem gearbeitet mit
- evaluation harnesses
- rubric-based LLM scoring
- evidence-based model and prompt selection
- statistical testing (Diebold Mariano, Friedman)
- time-series forecasting
- ensemble methods
Computer Vision und Robotik
Die Welt sehen, und lernen, sich darin zu bewegen.
ROS 2
Beim Lernen
LerneRobotics
Beim Lernen
Lerne
Außerdem gearbeitet mit
- OpenCV
- YOLO
- ArUco marker tracking
- real-time object detection
Engineering
Die Werkzeuge, die aus einem Notebook ein System machen.
Docker
Predictive Maintenance
Projektpytest
Predictive Maintenance
Projekt
Außerdem gearbeitet mit
- Python
- SQL
- CUDA
- LaTeX
- Git/GitHub
- Linux (Ubuntu)
- Postgres
- Prisma
- FastAPI
- Streamlit
- React
- Power BI
KONTAKT
Lass uns KI bauen, der man vertrauen kann.
Du stellst ein, forschst oder baust im Bereich Healthcare AI oder Robotik? Ich würde gern von dir hören. Am schnellsten erreichst du mich über LinkedIn.
- LLM Evaluation
- Healthcare AI
- Agenten
- Robotik
Wohnhaft in Berlin, Deutschland