Francesco R.-Senior AI/ML-Ingenieur | LLM-Systeme & Softwareentwicklung

Entwicklung und Bereitstellung von KI/ML-gestützten und Fullstack-Softwaresystemen, mit Verantwortung für Projekte von der Anforderungsaufnahme, Daten- und technischen Eingrenzung über Architektur, Implementierung, Modellintegration und Deployment bis zur Weiterentwicklung in der Produktion.

• Generative KI & LLM-Engineering: Design und Implementierung produktionsorientierter LLM-Anwendungen, mehrstufiger KI-Pipelines, agentischer Workflows, werkzeuggestützter Systeme und automatisierter Entscheidungsabläufe. Erfahrung mit LangGraph, LangChain, Prompt Engineering, Context Engineering, strukturierten Ausgaben, Routing, Orchestrierung und Modell-/API-Integration
• Transformer & Natural Language Processing — Praktische Erfahrung mit dem Transformer-Ökosystem und Hugging-Face-Tools, einschließlich transformerbasierter Modelle, Tokenisierung, Embedding-Erstellung und nachgelagerter NLP-Workflows. Anwendung von NLP-Techniken für semantische Repräsentation, Textklassifizierung, Informationsextraktion, Ähnlichkeitsanalyse und sprachbasierte Automatisierung
• Embeddings, semantische Suche & Matching: Entwicklung von Systemen auf Basis von Vektor-Embeddings, Kosinus-Ähnlichkeit und semantischen Repräsentationen für Anwendungsfälle wie Matching, Ranking, Retrieval und Empfehlungen; Integration embedding-basierter Logik in umfassendere Ingestion-, Anreicherungs- und Entscheidungspipelines.
• Data Engineering & KI-Datenpipelines: Entwicklung von Pipelines zur Datenaufnahme, Vorverarbeitung, Normalisierung, Anreicherung, Ableitung von Attributen und Transformation strukturierter und unstrukturierter Daten für nachgelagerte ML- und LLM-Systeme. Erfahrung in der Anbindung von KI-Verarbeitung an relationale, dokumentenorientierte und anwendungsbezogene Datenquellen
• Machine Learning & angewandte ML-Systeme: Anwendung von Machine-Learning-Techniken für Klassifizierung, Ähnlichkeit, Ranking, Matching, Scoring und automatisierte Bewertung, wobei herkömmliche ML-/Datenverarbeitungsansätze je nach Bedarf mit Transformer- und LLM-basierten Komponenten kombiniert werden
• Agentische & autonome Workflows: Entwicklung zustandsbehafteter, mehrstufiger KI-Workflows mit bedingtem Routing, Modellauswahl, Tool-/API-Interaktion, iterativer Verarbeitung und deterministischer Anwendungslogik rund um nicht deterministische Modellausgaben
• KI-Evaluierung & Produktionsengineering: Bewertung und Weiterentwicklung von KI-Systemen hinsichtlich Ausgabequalität, Korrektheit, Latenz, Zuverlässigkeit und Wartbarkeit, einschließlich Modell-/Prompt-Vergleichen, Fehlerbehandlung, Wiederholungsversuchen, Fallback-Strategien und Integration von KI-Komponenten in herkömmliche Produktionsarchitekturen
• Multimodale & generative Medien: Praktische Erfahrung mit generativen Bildpipelines und Diffusionsmodellen, einschließlich Stable Diffusion/SDXL, ComfyUI, LoRA, ControlNet, Image-to-Image, Inpainting und strukturierten Generierungsworkflows sowie der KI-gestützten Erstellung von Assets für interaktive und 3D-Anwendungen
• KI-gestützte Anwendungsarchitektur: Integration von KI/ML-Funktionen in vollständige Produkte mit Python, TypeScript, Node.js und Go sowie Frontend-Entwicklung mit React, Next.js, Vue und Svelte, anstatt Modellfunktionen als isolierte Prototypen zu behandeln
• Produktionsdaten & Backend-Engineering: Entwicklung unterstützender Services und Datenarchitekturen mit PostgreSQL, MongoDB, Redis, REST, GraphQL, WebSockets und asynchroner Verarbeitung, damit KI-Systeme in skalierbaren und wartbaren Anwendungsumgebungen betrieben werden können
• Technische Beratung & End-to-End-Verantwortung: Direkte Zusammenarbeit mit Stakeholdern zur Identifizierung geeigneter KI-Anwendungsfälle, Übersetzung unklarer Geschäftsanforderungen in technische Systeme und Verantwortung für die Umsetzung von Konzept und Architektur über Implementierung und Integration bis zum Release.