Forschung

Angewandte KI-Forschung. Kompakte Modelle, agentische Systeme und Sicherheit.

Keyvan Hardani forscht und entwickelt an einem deutschen KI-Stack: kompakte, lokal betriebene Vision-Language-Modelle, agentische Systeme und LLM-Infrastruktur. Auf Forschungsniveau, im Produktivbetrieb erprobt und, wo möglich, offen veröffentlicht.

Forschung: Modelle, Gewichte, Nachweise Ziehen zum Drehen ↻
11Veröffentlichte CVEs, davon 4 kritisch
66Eigene öffentliche Repositories auf GitHub
ICLR 2026TurboQuant-Integration für llama.cpp
8Veröffentlichungen mit DOI, zuletzt November 2026

/ Forschungsbericht

Nuha: Musterlösungen unabhängig nachgerechnet.

Version 1.0
16. November 2026

Reinraum-Verifikation der Musterlösungen eines Eurocode-Benchmarks. Nuha rechnet jede Aufgabe allein aus ihrem Text nach, ohne Zugriff auf die Musterlösungen: mit zwei unabhängigen Orakeln für die Balkenstatik und je einem für Lastannahmen und Nachweise nach deutschem Nationalem Anhang.

AutorKeyvan Hardani · Experimente 11. Oktober 2026 · zweisprachig (Englisch und Deutsch)
Ergebnis99,51 % von 43.108 bewertbaren Feldern verifiziert, mit den vor dem ersten Vergleich eingefrorenen Lesarten 98,85 %. Alle 213 Abweichungen gehen auf Musterlösungen oder Aufgabentexte zurück.
Größte UrsacheTeilsicherheitsbeiwert für Brettschichtholz aus der EN statt aus dem genannten Nationalen Anhang: 141 Felder, 3,85 %.

/ Forschungsbericht

Lesbar, aber verfälscht.

Version 1.0
9. November 2026

Angriffe über das Dokumentbild auf OCR-Sprach-Bild-Modelle und ein Patch in den Gewichten. Geprüft werden Qwen3.5-4B, Qwen3.5-9B, Qwen3.8-27B und DeepSeek-OCR-2 an einem synthetischen Korpus deutscher Rechnungen, Belege und Formulare. Englischer Titel: „Legible but Altered: Document-Image Attacks on OCR Vision-Language Models and a Patch in the Weights“.

AutorKeyvan Hardani · Experimente 8. November 2026 · zweisprachig (Englisch und Deutsch) · CC BY 4.0
PixelmusterAllein gegen den offenen Vision-Encoder des 9B berechnet (ε = 16/255, PSNR 28 dB). Der Text bleibt für Menschen lesbar, doch das 9B liest in 9 von 20 Rechnungen exakt eine gefälschte IBAN, die sich in zwei Ziffern unterscheidet und eine gültige Prüfziffer hat (45 %). Das 27B übernimmt sie ohne eigenen Gradienten in 3 von 20 Fällen (15 %).
Wahrnehmung statt GehorsamPrompt-Härtung und eine Policy im Systemprompt ändern den Fehler in der Gegenprobe nicht; die meisten Treffer am 9B überstehen auch JPEG-Kompression (Qualität 85: 7 von 9).
Befehle im BildDie Modelle schreiben Befehle im Bild ab, statt ihnen zu folgen: Die Befolgungsrate liegt über sechs Klassen zwischen 0,4 und 3,2 %, beim Abschreiben bei null. Kodierte Befehle bleiben ohne Denkmodus wirkungslos (0 von 180).
Nachgeahmtes AusgabeformatEin JSON-Block, der wie die erwartete Antwort aussieht, lässt die Qwen-Modelle in 18 bis 35 % der betroffenen Rechnungen die IBAN des Angreifers übernehmen, unabhängig vom Prompt.
Patch in den GewichtenEin trainingsfreier Rang-2-Edit in 64 Schreibmatrizen des 4B senkt die Ersetzung des Bildbetrags durch eine Vorannahme im Systemprompt auf 274 neuen Dokumenten von 8,8 auf 1,5 %; vier gleich große Zufallseingriffe liegen im Mittel bei 9,8 %. Den IBAN-Tausch durch den JSON-Block repariert er nicht.

/ Forschungsbericht

Weight-Space Programming mit Claude Mythos.

Version 1.0
7. November 2026

Gewichtsedits und eingepflanzte Schaltungen in einem 0,8B-Sprachmodell, mit Übertragung auf ein Engineering-Surrogat. Claude Mythos 5.1 editiert die Gewichte von Qwen3.5-0.8B direkt, ohne Training.

AutorKeyvan Hardani · Experimente 3. bis 7. November 2026
Edit 1 (10 Passes)Rang-3-Projektion in drei Attention-Matrizen. MATH-500 von 7,3 % auf 32,5 %.
Edit 2 (8 weitere Passes)Vier stumme MLP-Einheiten zu einer Schleifen-Erkennung mit Abbruch umgewidmet. MATH-500 58,7 %, abgeschnittene Antworten von 66 % auf 17 %.
VergleichGPT-6 Astra erreichte in der MIT-Studie (Takehi, Teoh, Zhang, Khattab, MIT CSAIL, 2. November 2026) 48,1 % mit 50 Passes.
ÜbertragungThermisches Surrogatmodell eines Leistungsmoduls. Mit 16 Teillast-Simulationen 0,17 K Fehler bei Volllast, gegenüber 2,3 bis 4,5 K für Feintuning.

/ Sicherheitsforschung

11 veröffentlichte CVEs, 4 davon kritisch.

Stand
16.11.2026

Verantwortungsvolle Offenlegung über NVD, GitHub Security Lab, Patchstack und die Programme der Hersteller. Meldungen gingen unter anderem an Siemens, Shopware, Pimcore, Tutanota, Mailcow, Einride und NousResearch; weitere Meldungen sind bei Herstellern in Bearbeitung. Keine Weitergabe unveröffentlichter Lücken, keine Veröffentlichung von Angriffscode vor der Behebung.

OSCPOffensive Security Certified Professional
CEHCertified Ethical Hacker
ISTQBCertified Tester Foundation Level
ISO/SAE 21434Automotive Cybersecurity (Vector)
mythos-researchAgentisches Framework zur Schwachstellensuche in Quellcode, Apache 2.0; Grundlage mehrerer veröffentlichter CVEs. GitHub ↗ · Advisories ↗

Penetrationstests und Sicherheitsprüfungen für Unternehmen: Sicherheit →

/ Veröffentlichungen

Publikationen und akademische Arbeiten.

Google Scholar ↗
2026 · Zenodo · BerichtNuha: Clean-Room Verification of the Reference Solutions of a Eurocode Structural Benchmark. DOI ↗
2026 · Zenodo · BerichtLegible but Altered: Document-Image Attacks on OCR Vision-Language Models and a Patch in the Weights. DOI ↗
2026 · Zenodo · BerichtWeight-Space Programming with Claude Mythos: Weight Edits and Implanted Circuits in a 0.8B Language Model, with Transfer to an Engineering Surrogate. DOI ↗
2026 · Zenodo · SoftwareMythos Research Edition: offene, agentische Pipeline zur defensiven Schwachstellensuche, Version 2.1.0. DOI ↗ · GitHub ↗
2025 · HDBW MünchenMasterarbeit, M.Sc. Cybersecurity: „Manipulation of Neural Language Models: Security Risks and Defense Strategies Against Trojaned AI Models“. DOI ↗
2024 · ZenodoVerbesserung von Belohnungsmodellen durch adversariale Trigger-Generierung. DOI ↗
2023 · ZenodoSecIDS-CNN: Ein Convolutional Neural Network für Intrusion Detection in Fahrzeugnetzwerken. DOI ↗
2023 · Hugging FaceSecIDS-CNN: Advanced Convolutional Neural Network for Intrusion Detection. Hugging Face ↗
2022 · ZenodoCANDefender: Real-Time Intrusion Detection in CAN-Bus. Whitepaper zu einem LSTM-basierten System, das Angriffe auf den CAN-Bus von Fahrzeugen in Echtzeit erkennt. DOI ↗
2021 · GitHub · HDBWAI-Bilderkennungs-Klassifizierung

/ Projekte

Forschung, Produkte, Infrastruktur.

GitHub ↗

Angewandte Forschung für Ingenieursysteme: intelligente Dokumentenverarbeitung und agentenbasierte Systeme für Bauwesen und industrielle Anwendungen. Die Ergebnisse fließen in die Produkte und Prüfstände von Hardani.

Deutscher KI-Stack

German-OCR 4

Dokumenten-KI für deutsche Rechnungen, Pläne und Scans: Text, Struktur und Felder, jeder Wert mit seiner Fundstelle im Original, Übergabe an SAP, RIB oder Ihr Dokumentensystem. Unlesbare Felder bleiben leer, es gibt keine geratenen Werte. Premium-Dienst seit September 2026; der offene Vorgänger German-OCR 3.1 steht unter Apache 2.0.

→
Deutscher KI-Stack

German-Privacy-Shield

Erkennung und Schwärzung personenbezogener Daten in deutschen Dokumenten, nach DSGVO.

↗
Deutscher KI-Stack

German-Layout

Layoutanalyse für Formulare und Dokumente aus dem DACH-Raum, Open Source.

↗
Deutscher KI-Stack

German-TTS und Deutschland-Assistent

Sprachsynthese für Deutsch, Veröffentlichung folgt. Dazu ein KI-Assistent für deutsche Verwaltungsabläufe, in Vorbereitung.

LLM-Infrastruktur

TurboQuant-ggml

Integration der 3-Bit-Kompression des KV-Cache (ICLR 2026) in llama.cpp: sechsfach weniger Speicher bei nahezu gleicher Qualität.

↗
LLM-Infrastruktur

KVCache-Autotune

Automatische Wahl von KV-Cache-Strategie und Attention-Backend für Hugging Face Transformers.

↗
LLM-Infrastruktur

Aegis-85M

Eigenes destilliertes Modell mit 85 Millionen Parametern für leichtgewichtige Inferenz.

↗
Sicherheits-KI

Vulna

KI-gestützte Plattform für Penetrationstests mit automatisierten Schwachstellentests und Prüfung einzelner Anfragen.

↗
Sicherheits-KI

AI-Driven SIEM

SIEM-Operator in Echtzeit mit Groq-Inferenz zur Auswertung von Sicherheitsereignissen.

↗
Sicherheits-KI

SecIDS-CNN

CNN-basierte Angriffserkennung für Fahrzeugnetze (CAN-Bus) mit 97,7 % Genauigkeit.

↗
Robotik und Physical AI

XGO-Roboter

Autonome Steuerung für den vierbeinigen Roboter XGO sowie animierte Augen und Mund, synchron zur gesprochenen Sprache.

Steuerung ↗ · Robot Face ↗

Robotik und Physical AI

Python AEC Library

Adaptive Filteralgorithmen zur akustischen Echounterdrückung.

↗

/ Modelle

Offene Modelle und frühere Veröffentlichungen.

Open Source →

Die aktuellen offenen Modelle und Datensätze (German-OCR 3.1, German-Text 3.1, Belegant-4B, die Mankei-1B-Generation und BelegBench) stehen mit Modellkarten auf der Seite Open Source. Frühere Veröffentlichungen:

german-ocr-turboFeinabgestimmtes Vision-Language-Modell auf Basis von Qwen3-VL-2B für präzise Texterkennung aus deutschen Rechnungen. Ollama ↗
german-ocrFeinabgestimmtes Vision-Language-Modell auf Basis von Qwen2-VL-2B für Texterkennung aus deutschen Rechnungen. Ollama ↗ · Hugging Face ↗ · GitHub ↗
german-ocr-turbo-fcStrukturierte Datenextraktion aus deutschen Dokumenten: Rechnungen und Formulare automatisch als JSON. Ollama ↗
SecIDS-CNNCNN/LSTM-basiertes Intrusion-Detection-System für den CAN-Bus von Fahrzeugen, über 97 % Genauigkeit. Hugging Face ↗
ForschungsmodelleAnomalieerkennung, Angriffserkennung auf Fahrzeugbussen, Netzwerksicherheit und Sprachaktivierung. Übersicht →

/ Werdegang

Keyvan Hardani.

München
Am Westpark 10

Porträt Keyvan Hardani

Keyvan Hardani

Applied AI Researcher und Security Engineer · Inhaber

Spezialisiert auf Computer Vision, NLP und Edge-AI. M.Sc. Cybersecurity mit OSCP- und CEH-Zertifizierung. Rund 25 Jahre Softwareentwicklung, seit 2015 maschinelles Lernen.

MAN Truck & BusAutomotive Cybersecurity: Teamleitung Hardware-in-the-Loop-Security nach ISO/SAE 21434, ein Firewall-Agent auf Basis von Reinforcement Learning, Grey-Box-Tests an Steuergeräten und Keyless-Systemen
BMWKI-Sicherheit für Fahrerassistenzsysteme im Hardware-in-the-Loop-Umfeld
Lead AI EngineerKI-Systeme für große deutsche Bauunternehmen
AusbildungM.Sc. Cybersecurity, HDBW München (2025) · Harvard CS50 AI
ZertifikateOSCP · CEH 5.0 · ISTQB Certified Tester Foundation Level · ISO/SAE 21434 (Vector)
Eigene ProdukteGerman-OCR, Mankei, Belegant und weitere KI-Software unter dem Dach von Hardani

„Wir geben Computern die Fähigkeit, deutsche Bürokratie und komplexe Dokumente wirklich zu verstehen, nicht nur zu lesen.“

Stationen und Nachweise im Detail →

/ Stack

Womit gebaut wird.

SprachenPython · C/C++ · Go · TypeScript · SQL · Rust
ML und KIPyTorch · Transformers · PEFT/LoRA · vLLM · llama.cpp · Ollama · ONNX
Agentisch und LLMLangChain · RAG · Vektordatenbanken (Weaviate, FAISS, Pinecone) · Fine-Tuning
InfrastrukturDocker · CUDA · FastAPI · GPU-Orchestrierung · CI/CD · MLOps

/ Zusammenarbeit

Beratung und Forschungskooperation.

Ausgewählte Aufträge mit tiefer technischer Arbeit: agentische KI, Dokumentenverarbeitung, LLM-Infrastruktur, On-Premise- und DSGVO-konforme ML-Stacks und KI-Sicherheit.

/ In English

Applied AI research and engineering.

Keyvan Hardani is an applied AI researcher and security engineer based in Munich. He builds the German AI stack: compact, local-first vision-language models, agentic systems and LLM infrastructure. Research-grade, production-shipped, open-source-first.

Highlights: 11 published CVEs (4 critical) through coordinated disclosure; the research reports “Legible but Altered” on document-image attacks against OCR vision-language models (DOI 10.5281/zenodo.24079056) and “Weight-Space Programming with Claude Mythos” (DOI 10.5281/zenodo.24036187); open models on Hugging Face and Ollama; M.Sc. Cybersecurity, OSCP, CEH; automotive security at MAN Truck & Bus and BMW.

Open to advisory, consulting and research collaboration in agentic AI, document intelligence, LLM infrastructure, on-premise ML stacks and AI security. Contact form →

/ Profile

Wo Forschung und Code liegen.

Hugging Face, Ollama, GitHub, ORCID, Google Scholar und LinkedIn sind Marken der jeweiligen Inhaber. Die Nennung beschreibt, wo Veröffentlichungen liegen; eine geschäftliche Verbindung besteht nicht.

Anfrage zu Beratung, Projekt oder Forschungskooperation. Sie erhalten eine fachliche Einschätzung.
Kontaktformular → Sicherheit und Penetrationstests →