Beschreibung

Ich bin erfahrener AI Engineer und Machine Learning Scientist mit großer Expertise im Entwickeln von KI- und ML-Modellen bei Unternehmen aus Technologie, Bauwesen, Handel, Versicherungen und Banken. Mein Spezialisierung ist die Entwicklung von KI-gestützten Anwendungen im Bereich Machine Learning (ML), Large Language Models (LLMs) und Natural Language Processing (NLP). Ich habe fundierte Erfahrung in der Implementierung von komplexen ML-Lösungen, Chatbots und AI-Agents in Python sowie der Integration von KI-Systemen in Cloud-Umgebungen.

Ich unterstütze ich Sie gerne bei Projekten in den Bereichen:

KI-Softwareentwicklung
AI-Agents und Agentic Workflows
Entwicklung von Machine Learning Modellen mit Python
Large Language Models (LLM) und LLM-basierte Anwendungen
Natural Language Processing (NLP)

Zudem entwickle ich individuelle KI-Komponenten mit Large Language Models (LLMs) für Ihren Anwendungsfall, z.B.:

Fine-Tuning von Open Source LLMs auf Unternehmensdaten
AI-Agents zur Automatisierung von Workflows
ChatBot zur Informations- und Dokumentensuche für Mitarbeiter
VoiceBot/Sprachassistent für App oder API
Klassifizierung und Informationsextraktion von Dokumenten

Projekt-Highlights:

KI-Produkt mit Agentic Workflows und LLM-Fine-Tuning für 6 Millionen Nutzer
Lokal gehostetes Unternehmens-GPT für vertrauliche Dokumente und Normen im Ingenieurbau
Machine-Learning-Software zur automatisierten Ortung von Lecks in Wasserleitungen
Sprachassistent für eine Imker-App zur Bienenstocküberwachung

Expertise:

Entwicklung und Training von ML Modellen
Speech Recognition
ChatBots / VoiceBots
LLMs
AI Agents und Agentic Workflows
Knowledge Graphs
RAG / GraphRAG
Supervised Fine-Tuning
Metriken & Evaluation
Deployment
MLOps / LLMOps

Technologien:

Python
PyTorch
TensorFlow
LangChain / LangGraph
Azure
Google Cloud
OpenAI
Neo4j

Branchenexpertise

Sprachen

Deutsch
Muttersprachlich oder zweisprachig
Englisch
Verhandlungssicher

Arbeitsortpräferenzen

Nur remote

Führt Projekte hauptsächlich remote aus

Ingenieur- und Planungsgesellschaft im Bauwesen
Lokales Unternehmens-GPT für vertrauliche Dokumente [AI & Machine Learning Engineer]
Mai 2025 - Januar 2026 (8 Monate)
Ziel: Entwicklung und Deployment eines vollständig lokal gehosteten AI-Chatbots, der vertrauliche Unternehmensdokumente über Retrieval-Augmented Generation (RAG) durchsucht, verknüpft und den Mitarbeitern als sicheres Wissenssystem bereitstellt.

Aufgaben und Erfolge:
Deployment und Optimierung von Open-Source-LLMs auf unternehmenseigener Serverarchitektur (NVIDIA RTX 5090)
Entwicklung einer KI-Anwendung mit Chatbot, Vektorsuche und Re-ranking
Implementierung von Hybrid Search, HyDE und Multi-Query-Retrieval zur Erhöhung der Antwortqualität
Datenaufbereitung, Dokumenten-Parsing und Beladung von Vektordatenbanken
Aufbau skalierbarer MLOps-Pipelines für Betrieb, Monitoring und Updates
MLOps LLMs Artificial Intelligence (AI) Chatbots KI
International tätiges Bauunternehmen
Enterprise GPT für Planung und Bau von Gebäuden [AI Engineer]
Mai 2024 - Oktober 2024 (6 Monate)
Ziel: Entwicklung eines Chatbots für Planer, Architekten und Ingenieure zur Interaktion mit Daten zum Bau, Planung und Bewirtschaftung von Gebäuden und Bauwerken.

Aufgaben und Erfolge:
Erfolgreiche Entwicklung eines Chatbot mit RAG-Pipelines zum Zugriff auf mehrere Datenquellen des Bauunternehmens
Konzeption, Planung und Abstimmung mit IT und Fachabteilungen
Automatisierung von Unternehmensprozessen mit Agentic Workflows
Deployment in Azure, u.a. mit Azure App Service und Azure OpenAI
Artificial Intelligence (AI) Microsoft Azure OpenAI AI Agents RAG
Großer Elektronikkonzern
KI-Produkt mit Agentic Workflows und LLM Fine-Tuning für 6 Millionen Nutzer [AI & ML Engineer]
April 2024 - Heute (2 Jahre und 2 Monate)
Ziel: Entwicklung von KI-basierten Softwareprodukten, die fehlerfrei, skalierbar, messbar und genau auf die Unternehmensdaten und Kundenbedürfnisse zugeschnitten sind. Deployment und Bereitstellung der KI-Lösung für > 6 Millionen Kunden.

Aufgaben und Erfolge:
Entwicklung von Trainings-Pipelines für Opene Source LLMs in Python
Entwicklung von Agentic Workflows zur Umwandlung von JSON-Strukturen
Erstellung und Implementierung von Evaluations-Pipelines und Metriken
MLOps: Deployment und Serving der Modelle in Databricks und AWS
Aufbau von Feedback Loops für Model Alignment zur Verbesserung der Güte
Erfolgreiche Durchführung des PoC und aktuell Weiterentwicklung zur Produktreife
Databricks MLOps Python LLMs MLflow