Dr. Ron van de Sand
Gründer & Entwickler von markencheck.ai
Dr. Ron van de Sand ist Gründer und Entwickler von markencheck.ai. Sein Schwerpunkt liegt auf datenbasierter Markenrecherche, EUIPO-Registerdaten und KI-gestützten Methoden zur strukturierten Vorprüfung von Markennamen.
Ron ist promoviert (PhD, Università degli Studi di Roma Tor Vergata) im Bereich Künstliche Intelligenz und Machine Learning und arbeitet seit über zehn Jahren an der Schnittstelle von Automation, KI, Machine Learning und Software. Er forschte unter anderem am Institut für Cyberphysische Produktionssysteme der TH Wildau; seine Arbeiten zu datengetriebener Fehlerdiagnose und cyber-physischen Produktionssystemen erschienen in Fachzeitschriften wie Control Engineering Practice. Als KI-Consultant bei adesso und Sixt hat er datengetriebene Systeme in die Praxis gebracht. Er hat mehrfach gegründet (unter anderem notivo und markencheck.ai) und ist heute Co-Founder und CTO bei Boomerent, wo er die KI für die Auswertung komplexer Verträge, Kosten und Fristen entwickelt. Dieselbe datengetriebene Methodik bringt er in die Auswertung des EU-Markenregisters ein.
markencheck.ai ist als Reaktion auf ein selbst erlebtes Problem entstanden: Zwischen manueller Recherche, komplexen Registerdaten und schwer einzuordnenden Ergebnissen fehlte ein schneller, verständlicher erster Schritt. Ron baut die Suchpipeline, das Ähnlichkeitsmodell und die Auswertung, über die er in den Beiträgen hier schreibt.
markencheck.ai ist ein technisches Recherche-Tool und ersetzt keine Rechtsberatung. Ron ist kein Rechtsanwalt; die Beiträge erklären Daten, Verfahren und Methodik, treffen aber keine rechtliche Bewertung im Einzelfall.
Themen
Forschung & Publikationen
- Data-driven fault diagnosis for heterogeneous chillers using domain adaptation techniques
Control Engineering Practice · 2021
- Overall Prompting Effectiveness for Optimising Human-Machine Interaction in Cyber-Physical Systems
Journal of Integrated Design and Process Science · 2023
- A Data-Driven Approach Towards the Application of Reinforcement Learning Based HVAC Control
Journal of the Nigerian Society of Physical Sciences · 2023
- A data-driven fault diagnosis approach towards oil retention in vapour compression refrigeration systems
IEEE International Conference on Electrical and Power Engineering (CANDO-EPE) · 2019




