Erfahrungen
Retirement Spend & Tax Optimizer Agentic AI App (Vibe Coding)
Persönliches Projekt
Selbstständige Erkundung von Methoden zur Entwicklung agentischer KI, von der Idee bis zu einer funktionierenden, öffentlich nutzbaren Anwendung
- Ein interaktives Planungstool zur Modellierung von Altersvorsorge-Entnahmen und Steuerstrategie mit einem agentischen KI-Entwicklungsansatz (Vibe Coding) gebaut – als Beispiel für die eigenständige Untersuchung neuer KI-gestützter Entwicklungsmethoden
- Live-Projektionen für Ausgaben unter Berücksichtigung von Steuern und anpassbare Nutzereingaben geliefert; als kostenlose Browser-Anwendung ohne Installation in Python umgesetzt, mit Fokus auf Nutzbarkeit für nicht-technische Anwender
SelfPower : Renewable Energy Analytics System
Neue-frisch GmbH
Eine vollständige, KI-gestützte Full-Stack-Anwendung gebaut und ausgeliefert, die Prognosen, Optimierung und automatisierte LLM-Berichte verbindet
- Einen Full-Stack-Prototypen (Streamlit) gebaut, der mehrere ML-Modelle, eine Optimierungs-Engine und automatisierte Berichte integriert – von der Idee zum funktionierenden, vorzeigbaren Produkt
- Automatisierte LLM-basierte Zusammenfassungen für mehrsprachige Berichte und unterschiedliche Zielgruppen implementiert, mit Prompt-Design und strukturierten Ausgabe-Techniken, um die Modelloutputs zuverlässig und konsistent zu machen
- Datenpipelines entwickelt, die REST-APIs und externe Datenquellen in ML-taugliche Repräsentationen mit Python überführen; ein Monte-Carlo-Simulationsframework für Output-Qualität und Robustheitsanalysen aufgebaut
- Das System mit Fokus auf Nutzwert und Vertrauenswürdigkeit für nicht-technische Endnutzer gestaltet, dabei Experimente mit disziplinierter Ingenieurpraxis ausbalanciert
Expert Task Author & Research Evaluator (AI Reasoning & Safety)
Aligned Labs
ML-Evaluation für Frontier-KI-Modelle angewendet – Messframeworks entworfen, Fehlermodi identifiziert und zuverlässige KI-Output-Qualität sichergestellt
- Forschungsreife Evaluationstasks und Prompts entworfen und validiert, getestet über GPT-5.5, Claude und Gemini; dabei strukturierte Prompt- und Evaluations-Workflows aufgebaut, ähnlich wie in produktiven KI-Qualitätspipelines
- Fehlermodi wie Halluzinationen, Denkfehler und unsichere Ausgaben identifiziert; strukturierte, reproduzierbare statistische Bewertungsframeworks angewendet, um den echten Modellnutzen statt nur Proxy-Metriken zu messen
- Über mehrere LLM-Anbieter und Modellgenerationen hinweg gearbeitet und dabei praxisnahes, unideologisches Wissen über Transformer-Architekturen, Prompt Engineering und LLM-Verhalten in produktiven Kontexten aufgebaut
Postdoktorand Computational Engineering
Helmut-Schmidt-Universität Hamburg
- Große HPC-Simulationsdaten verarbeitet; 3D-Simulations-Workflows (OpenFOAM/C++) mit Profiling und Benchmarking aufgebaut und validiert
Doktorand Scientific & Numerical Modelling
Universität Hamburg, CLICCS
- Ein mehrskalig aufgebautes C++/deal.II-Framework entwickelt, das feinskalige Physik mit dem Systemverhalten auf HPC-Clustern verbindet
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Bildung und Informationstechnologie (IT).
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Qualitätssicherung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Heena ist in Hamburg, Deutschland ansässig.
Heena spricht folgende Sprachen: Gujarati (Muttersprache), Englisch (Verhandlungssicher), Hindi (Verhandlungssicher), Deutsch (Fortgeschritten), Finnisch (Grundkenntnisse).
Heena hat mindestens 8 Jahre Erfahrung. In dieser Zeit hat Heena in mindestens 5 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 2 Jahre und 7 Monate. Beachten Sie, dass Heena möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Heena gut geeignet für Rollen wie: Retirement Spend & Tax Optimizer Agentic AI App (Vibe Coding), SelfPower : Renewable Energy Analytics System, Expert Task Author & Research Evaluator (AI Reasoning & Safety).
Die neueste Position von Heena ist Retirement Spend & Tax Optimizer Agentic AI App (Vibe Coding) bei Persönliches Projekt.
In den letzten Jahren hat Heena für Persönliches Projekt, Neue-frisch GmbH, Aligned Labs, Helmut-Schmidt-Universität Hamburg, Universität Hamburg und CLICCS gearbeitet.
Heena hat die meiste Erfahrung in Industrien wie Bildung, Informationstechnologie (IT) und Bank- und Finanzwesen. Heena hat auch etwas Erfahrung in Energie.
Heena hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Qualitätssicherung. Heena hat auch etwas Erfahrung in Finanzen, Business Intelligence und Produktentwicklung.
Heena hat kürzlich in Industrien wie Bildung, Informationstechnologie (IT) und Bank- und Finanzwesen gearbeitet.
Heena hat kürzlich in Bereichen wie Informationstechnologie (IT), Forschung und Entwicklung (F&E) und Qualitätssicherung gearbeitet.
Heena hat einen Doktor in Erdwissenschaften von Universität Hamburg und einen Master in Technomathematik von Lappeenranta University of Technology (LUT).
Heena ist sofort vollzeit verfügbar für passende Projekte.
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
Kiran Kumar K.
Letzte Position:
Angewandte NLP: Wortebenen-Kodierung für präzisere Ereignisprognosen bei University of Siegen
- Entwicklung von mehr als 12 Seq2Seq-Modellen (LSTMs/GRUs) zum Training eines KI-Modells, das die Arbeit als Analyst für die Bewertung von KI-Agenten und Online-Projekte in komplexen Systemen unterstützt.
- Durchführung von mehr als 15 Experimenten zur Steigerung der Prognosegenauigkeit um 28%, unter Anwendung analytischen Denkens und Tests der Modelle auf QA und Abdeckung von Grenzfällen.
- Recherche von mehr als 20 Fachartikeln als Berater, um das Design großer Sprachmodelle zu unterstützen und die Übereinstimmung mit logischen Schlussfolgerungen und dem Fachgebiet sicherzustellen.
- Einsparung von 40% Rechenzeit durch Modellkomprimierung mit einem wiederverwendbaren PyTorch-Framework, das Entwickler und Autoren dabei unterstützte, Verbesserungen vorzuschlagen und Richtlinien zu optimieren.
Chintan P.
Letzte Position:
Product Owner und Technical Product Lead bei Sustamize GmbH
LLM-basierte Funktionen zur automatisierten CO₂e-Datenextraktion aus unstrukturierten Dokumenten (70% Reduktion)
Agentische AI-Pipeline für die automatisierte Berechnung von Scope 3-Emissionen mit 150.000+ validierten Datensätzen
Intelligente API-Workflows für Echtzeit-Carbon-Footprint-Berechnungen in ERP- und ESG-Systemen
ML-Algorithmen zur Vorhersage von Emissionshotspots und zur Optimierung des Produktdesigns
Automatisierte Datenvalidierungs-Pipelines mit NLP zur Qualitätssicherung von CO₂e-Datensätzen
Leitung eines 15-köpfigen cross-funktionalen Teams zur Entwicklung von 10+ AI-Funktionen
Strategische Produktplanung und AI-Roadmap mit 35% kürzerer Time-to-Market
Stakeholder-Management mit DAX-Unternehmen (40% höhere Zufriedenheit, 95% Retention)
Termingerechte Projektumsetzung mit 95% Budget-Einhaltung durch datengetriebenes Backlog-Management
Agile Methoden (Scrum, Kanban) mit kontinuierlicher AI/ML-Integration (25% Team-Velocity-Steigerung)
Product-Market-Fit für AI-Funktionen durch A/B-Testing und Analytics (60% höhere Adoptionsrate)
Noushiq M.
Letzte Position:
Projekte bei Institute for Intelligent Systems
- Bewertung und Analyse eines kamerabasierten Systems zur Erkennung von Ampeln und Verkehrszeichen in verschiedenen LLM-basierten Systemen für autonomes Fahren (LMDrive, BEVDriver)
- Implementierung einer VLM-basierten Einheit zur Generierung von Anweisungen zu Verkehrshinweisen für ein autonomes Fahrsystem mit geschlossenem Regelkreis, die Fahrer bei unvorhergesehenen Verkehrssituationen warnt
- Entwicklung eines unabhängigen lokalen, LLM-basierten Chatbots mit Llama, DeepSeek und Qwen sowie eines MLflow-Bewertungsframeworks
Peter S.
Letzte Position:
Senior ML Engineer & KI-Forscher bei Kunde anonym
Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung
- Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
- Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
- Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.
Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision
Abhishek N.
Letzte Position:
Fullstack-Entwickler bei DAMALO GmbH
- Verantwortlich für die Full-Stack-Entwicklung einer AI-native Unternehmensplattform auf Basis von TypeScript, React, Vite, tRPC, Hono und PostgreSQL, die KI-gestützte Beratungs-Workflows für B2B-Kunden liefert.
- Entwarf und lieferte ein Multi-Agenten-KI-System mit dem ReAct-Framework und Claude-Skills-Workflow-Mustern, inklusive eines intelligenten PM-Assistenten mit umfangreichen System-Prompts, Slash-Befehlen, Tool-Integrationen und Streaming-Chat-Oberfläche.
- Entwickelte ein LLM-Bewertungs-Framework: rubrikbasierte LLM-als-Richter, Golden Datasets, Regressionstests und automatisierte Qualitätssicherung — für konsistente KI-Ausgabequalität in großem Maßstab.
- Integrierte LangFuse für durchgehendes LLM-Tracking, Konversations-Wiedergaben und Bewertungs-Pipelines, was datengetriebene Prompt-Optimierung ermöglichte und Token-Kosten sowie Antwort-Varianz reduzierte.
- Implementierte Drizzle ORM, pgvector und Knowledge Graphs für strukturierten Datenzugriff, semantische Suche und beziehungsorientiertes KI-Schlussfolgern über die gesamte Plattform.
- Führte die TanStack React Query-Migration in der gesamten Anwendung durch — ersetzte manuelles State-Management durch zentrales Caching und automatisches Refetching, was den Boilerplate-Aufwand für Datenabrufe deutlich reduzierte.
- Setzte AI-native Entwicklung durchgehend ein: Claude Code, Codex, Perplexity SDK und LLM-unterstütztes Testing im gesamten Entwicklungszyklus. Deployment auf Vercel + Azure ACA mit Biome für Linting/Formatting.
Ekaansh K.
Letzte Position:
Masterarbeit – LLM-gestütztes RAG-System bei Friedrich-Alexander-Universität Erlangen-Nürnberg
- Entwicklung eines RAG-Systems zur Automatisierung von Studierendenanfragen mit 96 % Genauigkeit, erstellt mit FastAPI und LangChain und auf dem Universitätsserver mit Docker bereitgestellt.
- Bewertung der Leistung mit RAGAS durch den Vergleich von LLMs (Llama3.3, Llama3.1, GPT-4o-mini), Vektor-Embeddings und verschiedenen Retrieval-Techniken innerhalb der RAG-Pipeline.
- Technische Skills: Python, FastAPI, Docker, AWS, LangChain, LangSmith, NLP, HTML, CSS
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Retirement Spend & Tax Optimizer Agentic AI App (Vibe Coding)
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Hamburg, Deutschland arbeiten
