Zum Inhalt springen
KS

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.

SCROLLEN

PROJEKTE

Gebaut, getestet, gemessen

Erst abgeschlossene Arbeit, dann Experimente. Jede Seite sagt, was gemessen wurde und wo das Projekt steht.

Alle Projekte

Abgeschlossen

Fertige Arbeit.

Fertig

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
Die Faktenprüfung von Klindok. Ein Fehler blockiert die Freigabe: Ein Blutdruckwert steht im Entwurf, aber nicht in der Eingabe der Ärztin.
Die Faktenprüfung hat einen Blutdruckwert gefunden, den die Ärztin nie eingegeben hat. Der Brief kann erst freigegeben werden, wenn das behoben ist.
  • 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.

  • A desk with a monitor showing a simple robot face made of two eyes, a camera on a small tripod, and a compute board with cables.
    Laufend

    Rolle: 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.

WEG

Wie ich hierher kam

Jeder Schritt hat einen weiteren Test hinzugefügt.

  1. 2020

    B.Tech CSE begonnen

    IoT-Schwerpunkt an der Lovely Professional University.

    Studium
  2. 2023

    ML-Praktikum bei Coschool

    KI-Tutor für 1.000+ Beta-Nutzer ausgeliefert.

    Praktikum
  3. 2025

    Umzug nach Berlin

    MSc Informatik, Big Data und KI, an der SRH Berlin.

    MSc
  4. 2026

    Wissenschaftliche Hilfskraft

    KI-Agenten in Unternehmen und Entwurfsmuster für Agenten. Juni bis Oktober.

    Forschung
  5. 2026

    Klindok gebaut

    Klinische Dokumentation ohne Cloud, mit Faktenprüfung.

    Fertig
  6. 2026

    Abschlussarbeit begonnen

    Datenschutz-Audits synthetischer Gesundheitsdaten mit LLM-Agenten.

    In Arbeit
  7. 2026

    Kiko

    Ein Begleitroboter mit einem kleinen studentischen Team. Ich arbeite an der KI-Seite.

    Laufend
Erfahrung und Ausbildung im Detail

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

    Projekt
  • XGBoost

    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

    Produktion
  • GPT fine-tuning with guardrails

    Coschool KI-Tutor

    Produktion
  • Milvus

    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

    Lerne
  • Robotics

    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

    Projekt
  • pytest

    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