Ingenieur zuerst.
Softwareentwickler als zweites.
Ich glaube nicht an hunderte Powerpoint-Folien. Ich glaube an Python, PyTorch-Modelle und SPS-Integrationen, die auf dem Hallenboden auch wirklich funktionieren.
Simon Kirchebner – unabhängiger KI-Berater, Prozesstechniker aus Leidenschaft.
Ich bin seit über 10 Jahren in der produzierenden Industrie tätig und arbeite aktuell hauptberuflich als Prozesstechniker. Ich kenne die Fertigung von innen: Schichtbetrieb, Qualitätsdruck, Daten die irgendwo liegen aber niemand weiß wo, und Maschinen die 20 Jahre laufen und noch weitere 20 laufen werden.
Dieser Hintergrund ist der Grund, warum ich TyrolAI gegründet habe. Die meisten KI-Berater waren noch nie nachts um 2 Uhr an einer CNC-Maschine in einer Qualitätskrise. Ich schon. Deshalb konzentriere ich mich auf KI, die im Alltag funktioniert – nicht nur in Präsentationen.
Mein aktueller Schwerpunkt ist Wissensmanagement mit RAG-Systemen. Dafür habe ich TyrolAI Docs entwickelt – meine eigene Enterprise-RAG-Plattform als Grundlage für Wissensmanagement-Projekte. Ergänzend berate ich zu Computer Vision, Predictive Maintenance und Prozessoptimierung – auf Basis meiner Prozesstechniker-Erfahrung.
Mein Standort ist Schwaz, Tirol. Ich arbeite mit produzierenden Betrieben in Österreich und dem gesamten DACH-Raum – vor Ort wenn nötig, remote wenn möglich.
TyrolAI Docs
Enterprise-RAG-Plattform für Industriebetriebe – On-Premise, DSGVO-konform, mit Microsoft SSO und Document-Level Security. Basiert auf IBMs OpenRAG, industriefest gemacht.
Zum Blog-Post →Mein Mindset
Pragmatismus statt Hype
Keine Blockchain, keine Allgemeine KI. Ich fokussiere auf Deep Learning Modelle, die exakt Ihren wichtigsten Engpass lösen.
Edge Native
Produktionsdaten bleiben in der Produktion. Ich deploye zu 100% lokal auf IPCs für Null-Latenz und absolute Datensicherheit.
Nahtlose Integration
KIs sind nutzlos, wenn sie nicht mit Maschinen kommunizieren. Ich baue hochperformante OPC-UA Brücken zu Ihrer SPS.
Mein Technik-Stack
Ich nutze exakt die Open-Source Frameworks, die auch globale Tech-Giganten antreiben – speziell kompiliert für industrielle Echtzeit-Anforderungen.
PyTorch & TensorRT
Hardware-accelerated AI inference
Docker & Kubernetes
Containerized deployments on Edge IPCs
Python, C++ & Rust
Maximum performance where it matters
import torch
import tensorrt as trt
# Load industrial vision model
model = torch.jit.load("tyrolai_defect_detector.pt")
# Optimize for NVIDIA Jetson Edge
engine = trt.Builder(trt.Logger(trt.Logger.WARNING))
network = engine.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH))
# Ready for sub 15ms inference
print("TyrolAI Edge Node initializing...")