Erfahrungen
KI-Trainerin
Komdis GmbH
- Leitung umfassender KI-Workshops für Fachkräfte, Fokus auf KI-gesteuerte Prozessautomatisierung.
- Tech Stack: n8n, Make, LLMs (OpenAI, Anthropic), Prompt Engineering, Process Mapping Tools.
Intelligente Bestellerfassung & Dashboard Demo
Freelance-Portfolio
- KI-gestützte Extraktion von Bestelldaten aus unstrukturierten E-Mails; automatisierte Bestandsprüfung und Echtzeit-Kundenkommunikation.
Skalierbare Dateninfrastruktur
inovex GmbH
- Implementierung und Wartung von Cloud-Datenpipelines mit hohem Durchsatz für einen großen Automobilkunden.
- Tech Stack: AWS (S3, Kinesis, Step Functions), TypeScript, Python, CI/CD.
ML-Absicherung für KI-erweiterte eingebettete Systeme
Fraunhofer IKS / Infineon
- Absicherung von ML-Komponenten in sicherheitskritischen Systemen.
- Mitautorin eines Industrie-Whitepapers über die Vertrauenswürdigkeit von KI-erweiterten eingebetteten Systemen.
- Tech Stack: Python, PyTorch, scikit-learn.
OCR-Pipeline für Heizkessel-Typenschilder
Springboard / Stadtwerke Essen
- End-to-end OCR-Pipeline zur Extraktion und Digitalisierung von Daten industrieller Kessel-Typenschilder.
- ML-Pipeline: Maßgeschneidertes Modell zur Texterkennung auf qualitativ minderwertigen Bildern; Preprocessing- und Augmentierungs-Pipeline.
- Tech Stack: Python, FastAPI, Angular, PyTorch, OpenCV.
Videospiel-Empfehlungssystem
Universität Münster
- Inhaltsbasiertes und kollaboratives Empfehlungssystem unter Verwendung realer Steam-Daten.
- Data Engineering: Web-Scraping-Pipeline für Metadaten, Rezensionen und Spieldauer-Daten.
- Tech Stack: Python, Angular, Pandas, scikit-learn.
RPA-Automatisierung im Energiesektor
cronos Automation GmbH
- Software-Bots zur Automatisierung datenintensiver Geschäftsprozesse für Kunden aus dem Energiesektor.
- Implementierung: Automatisierungs-Workflows in UiPath.
- Tech Stack: UiPath (Certified Advanced RPA Developer), Prozessanalyse.
E-Mail-zu-CRM-Lead-Extraktion
Freelance-Portfolio
- End-to-End-Workflow mit KI-Parsing (OpenAI) zur Extraktion von Lead-Daten in das CRM; Ziel: >90% Zeitersparnis für Vertriebsteams.
- Tech Stack: n8n, Make, Gemini AI, OpenAI API, Odoo, Supabase, Streamlit.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Automotive, Versorgungsdienstleistungen, Bildung, Informationstechnologie (IT), Luft- und Raumfahrt und Verteidigung und Energie.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung, Forschung und Entwicklung (F&E), Qualitätssicherung, Business Intelligence und Betrieb.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Clarissa ist in München, Deutschland ansässig.
Clarissa spricht folgende Sprachen: Deutsch (Muttersprache), Englisch (Verhandlungssicher), Spanisch (Fortgeschritten).
Clarissa hat mindestens 5 Jahre Erfahrung. In dieser Zeit hat Clarissa in mindestens 7 verschiedenen Rollen und für 7 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 8 Monate. Beachten Sie, dass Clarissa möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Clarissa gut geeignet für Rollen wie: KI-Trainerin, Intelligente Bestellerfassung & Dashboard Demo, Skalierbare Dateninfrastruktur.
Die neueste Position von Clarissa ist KI-Trainerin bei Komdis GmbH.
In den letzten Jahren hat Clarissa für Komdis GmbH, Freelance-Portfolio, inovex GmbH, Fraunhofer IKS / Infineon und Springboard / Stadtwerke Essen gearbeitet.
Clarissa hat die meiste Erfahrung in Industrien wie Automotive, Versorgungsdienstleistungen und Bildung. Clarissa hat auch etwas Erfahrung in Informationstechnologie (IT), Luft- und Raumfahrt und Verteidigung und Energie.
Clarissa hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E). Clarissa hat auch etwas Erfahrung in Qualitätssicherung, Betrieb und Business Intelligence.
Clarissa hat einen Master in Wirtschaftsinformatik von Universität Münster.
Clarissa hat 2 Zertifikate. U.a: Certified Advanced Developer und Certified Advanced RPA Developer.
Clarissa wird ab Februar 2027 in Teilzeit verfügbar sein.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Martin M.
Letzte Position:
Product Owner AI-Lernplattform bei B2B Tech Scale-Up
- Agiler Aufbau einer multimodalen Analyseplattform für Trainingsmaterial (Video, Audio, Dokumente) nach Scrum
- Extraktion kontextrelevanter Inhalte basierend auf Nutzerprofilen & Kompetenzdimensionen
- Personalisierte Ausspielung von Lerninhalten zur Steigerung der Vertriebsperformance
- Enge Abstimmung mit Sales-Teams & Stakeholdern zur Validierung der Features
- Einsatz von Gemini, Whisper, Python & JavaScript, Deployment auf AWS, Perl für Skripte zum Datenimport
- Integration in bestehende Tools & CRM-Systeme zur reibungslosen Einführung
- Genutzte Technologien: Python, OpenAI, Datenbanktechnologien wie PostgreSQL, CI/CD für AirFlow-DAGs, FastAPI
Alexander S.
Letzte Position:
AI-Consultant für KI Voice Bot System bei Rudolf Hörmann GmbH & Co.KG
- Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
- On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
- Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
- Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
- Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.
Daniel S.
Letzte Position:
KI-Strategie & Use-Case-Entwicklung bei Umwelt Service Salzburg
- KI-Strategiekonzept und Implementierungs-Roadmap für ein Energieberatungs-Unternehmen.
- Use-Case-Matrix mit neun Anwendungsszenarien (u. a. Förderrecherche, Chatbot, KI-Erstberatung, Themenradar), umgesetzt als wiederverwendbare Claude-Code-Skills.
- KI-Strategie, Use-Case-Analyse / Claude Code Skills / n8n.
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Eine generische, universelle Systemplattform für XR-Anwendungsfälle (AR, VR) im Rahmen der europäischen IPCEI-Initiative definiert
- Verfügbare Optionen für Backend-, Streaming- und Client-Implementierungen bewertet
- PoC-Implementierungen entwickelt und potenzielle Komponenten technisch bewertet
- Das Entwicklungsteam geleitet und die Ziel-Systemarchitektur für eine vollständige End-to-End-Lösung definiert
- GenAI-PoCs entworfen und integriert (LLM, Zeitreihen, Vorhersagen, Agents)
- NeRFs und Gaussian Splatting für die Erstellung von XR-Inhalten erforscht und Methoden zur Messung und Reduzierung von Systemlatenzen analysiert
- An GPU-Scheduling, CUDA und verwandten Themen gearbeitet
- Backoffice- und Endbenutzer-Dashboards mit Grafana und Superset definiert und implementiert
- Jaeger-Tracing zur Analyse bestimmter Ereignisse verwendet
- Eine GenAI-basierte automatische Alarmierungsfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten definiert
- AR/VR/XR-IoT-Geräte integriert
- Mit Business-Development- und UX-Teams in einem parallel laufenden Design-Thinking-Prozess zusammengearbeitet, um technische Anforderungen und den Customer-Journey-Umfang abzustimmen
- Die neuen Services und die Plattform in bestehende Telekommunikationsumgebungen integriert und Tools wie Camara für teilweise Integrations- und Übergabeszenarien analysiert
Ralph N.
Letzte Position:
AI Lead Engineer Fahrzeugkonfigurator für einen führenden deutschen Premium-Hersteller bei e-ntegration GmbH
- Intentgesteuerter Ansatz, um alle Modelle und Baureihen dieses Automobilherstellers in allen Absatzmärkten zu konfigurieren
- Entwicklung einer kundenorientierten, dialoggesteuerten Integrationsschicht, um 100% halluzinationsfreie technische Konfigurationen zu erreichen
- Einsatz folgender Microsoft Azure AI Services: AI Foundry, Agent Service, AI Search; Prompt Shield Services; Content Security; Terraform; API Gateway; AI Gateway; Container Services; Azure Agent SDK; Agent Skills; RAG; MCP-Server und Tools
Thomas H.
Letzte Position:
Senior MLOps-, DevOps Engineer bei Trianel Energy
- Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
- Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
- Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
- Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
- Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
- Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
- Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
- Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
- Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
- Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
- Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
- Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
- Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
- Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als KI-Trainerin
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von München, Deutschland arbeiten

