Marcel Steger-Senior KI-Ingenieur
Tagessatz prüfen
Erfahrungen
Senior KI-Ingenieur - Python
Versicherungsgesellschaft
Tech-Stack des Projekts: Python, AWS, Azure, FastAPI, openai, pandas, unittest/pymock
Erfolge:
- Automatisierte Datenextraktions-Pipelines entwickelt, um komplexe Excel-Datensätze über LLM-gesteuerte Workflows in strukturierte Formate zu überführen.
- Eine generative Slide-Deck-Engine entworfen, die natürliche Spracheingaben in formatierte Präsentationsinhalte umwandelt.
- Erweiterte LLM-Funktionen mit der OpenAI Response API integriert und dabei anspruchsvolle Tool-Calling- und Structured-Output-Logik implementiert.
- Einen skalierbaren Backend-Mikroservice mit FastAPI, Docker und OpenShift entwickelt und containerisiert, um agentische Skills zu hosten und bereitzustellen.
Senior Data Scientist
Europäische Zentralbank
Tech-Stack des Projekts: R, AWS, Docker, Kubernetes, DataDog, PostgreSQL, GitLab, Shiny
Erfolge:
- Verantwortung für Datenpipelines und Infrastruktur
- Fullstack-Entwicklung einer Shiny-Anwendung
- Deployments/Skalierung in Kubernetes auf AWS
- CI/CD-Pipelines
- Agile Arbeitsweise
Senior KI-Ingenieur - Python
Stealth Startup
Tech-Stack des Projekts: Agentic AI, FastMCP, Kafka, unique-sdk, Agents, openshift
Erfolge:
- Ein autonomes agentisches System für die Extraktion von Versicherungsdokumenten mit fortgeschrittener LLM-Orchestrierung entworfen.
- Einen eigenen MCP-Server (Model Context Protocol) entwickelt, um interne Backend-Tools mit LLM-gesteuerten Oberflächen zu verbinden und nahtlose Tool-Nutzung sowie agentische Autonomie zu ermöglichen.
- Hochzuverlässige Datenextraktions-Pipelines mit OpenAI Structured Outputs entwickelt und dabei durch Pydantic eine 100%ige Schema-Einhaltung sichergestellt.
- Automatisierte Geschäftsprozesse (Agentic Tool Use) für die komplexe Verarbeitung von Rechnungen und Verträgen aufgebaut.
Senior KI-Ingenieur
Stealth Startup
KI-Engineering, Entwicklung multimodaler agentischer RAG-Systeme
Tech-Stack des Projekts: Agentic RAG, Python, Docker, GPT4, Azure Video Indexer, LangChain, LangGraph, QDrant, postgres, ffmpeg, Airflow
Erfolge:
- Aufbau und Integration von Vektorspeichern mit QDrant
- Abruf aus Vektorspeichern mit semantischer Suche
- KI-basierte Texterkennung aus Bildern
- Prompt Engineering, Analyse und Optimierung multimodaler Eingabedaten für RAGs (Videos)
- Tuning von Retrieval-Systemen (Vektorspeicher-Abfragen, Prompt-Strategien)
- Vermeidung von Output-Parsing durch Nutzung der StructuredOutput-API und pydantic BaseModels
- Validierung von LLM-Ausgaben mit DeepEval
- Implementierung von RAG mit LangChain und LangGraph
- Entwicklung einer PoC-App mit Streamlit
- Verbesserung der Pipeline zur Video-Szenenerkennung
- Keyframe-Extraktion auf Basis signifikanter Ereignisse und Erkennung von Personen
- Recherche zu Best Practices für Szenensegmentierung und Videoverständnis
- Agile Arbeitsweise
Senior KI-Ingenieur - Machine Learning
GLS
KI-Engineering, Data Science und Softwareentwicklung
Tech-Stack des Projekts: Transformers, mflow, CUDA, Python, Pytorch, Label Studio
Erfolge:
- Vergleichstests von State-of-the-Art-Computer-Vision-KI-Modellen
- Umfangreiche Modelltests
- GPU-beschleunigtes Modelltraining
- Forschung und Konzeption von CNN-Architekturen
- Verantwortung für Bildverarbeitungs-Pipelines und Infrastruktur
- Entwicklung einer End-to-End-Computer-Vision-Lösung in Python
- Agile Arbeitsweise
Senior Data Scientist
European Central Bank
Data Science und Softwareentwicklung
Projekt Tech Stack: R, AWS, Kubernetes, DataDog, PostgreSQL, GitLab, Shiny
Erfolge:
- Verantwortung für Datenpipelines und Infrastruktur
- Architektur, Design und Implementierung einer ETL-Pipeline mit mehreren Datenquellen
- Entwicklung von Backend-Code für die Datenverarbeitung
- Deployments/Skalierung in Kubernetes auf AWS
- Kosten- und Infrastrukturoptimierung durch Code-Optimierung und Modularisierung
- CI/CD-Pipelines
- Agile Arbeitsweisen
Data Lead
Temedica GmbH
Data Science und Data Engineering
Projekt Tech Stack: Python, AWS RDS, AWS MWAA, Airflow, PostgreSQL, dbt, GitHub, Plotly & Dash
Erfolge:
- Verantwortung für Datenpipelines mit Airflow MWAA
- Entwicklung von Anwendungs-Code für Data Dashboards
- Modularisierung der bestehenden Codebasis
- Dashboard-Entwicklung
- Zeitkritische Lieferungen an Kunden
- CI/CD-Pipelines
- Agile Arbeitsweisen
Data Scientist
Utopia Music AG
Datenstrategie und Produktentwicklung
- Entwicklung einer langfristigen Datenstrategie
- Datengetriebene Feature-Entwicklung und Verbesserungen
- Etablierung von Coding-Standards und Best Practices für das Data-Team
- CI/CD-Pipelines
- Agile Arbeitsweisen
Senior Consultant
Vorwerk via Machine Learning Reply GmbH
Projekt Tech Stack: GCP Compute Engine, Docker, BigQuery, Google Data Studio, GCP IAM, AWS Sagemaker, AWS VPC, AWS RDS, OpenVPN, PostgreSQL, JavaScript
Erfolge:
- Aufbau und Pflege einer Cross-Cloud-Datenpipeline für Bluetooth-Gerätekommunikationsdaten
- Entwicklung, Lieferung und Deployment der Lösung in einem Docker-Image
- Erstellung eines neuen Google Looker Studio Community-Visualisierungstools in JavaScript: Sankey-Diagramm
- Analyse des Kundenverhaltens für Marketing-Empfehlungen
- Parallelisierung von Algorithmen
- CI/CD mit Jenkins
NLP AI Engineer
ITSP Services GmbH
Projekt Tech Stack: BERT, Python, Pandas, GitHub, Huggingface, Random Forest
Erfolge:
- Textvorverarbeitung
- Feature Engineering aus verarbeitetem Text (Lemmatisierung, Stemming, Häufigkeiten, Template-Abgleiche, Erstellung von Meta-Features)
- Random Forest für die Klassifizierung von einfachen und komplexen Chats trainiert
- BERT-Modell für die Sentiment-Klassifikation von Kunden und Support-Mitarbeitern, zeitliche Aggregation und Visualisierung des Sentiments
Computer Vision Engineer
Dental Manufacturing Unit GmbH
Projekt-Tech-Stack: OpenCV, Python, Flask, Linux, RaspberryPi, CI/CD, Docker, PyTorch, scipy
Erfolge:
- Entwicklung einer stabilen Computer-Vision-Lösung von R&D bis zum Go-to-Market
- Implementierung eines robusten, effizienten und zuverlässigen Algorithmus zur Bestimmung der optimalen affinen Transformationsmatrix
- Implementierung eines schnellen und zuverlässigen Bildsegmentierungsalgorithmus
- Bestimmung optimaler Lichtbedingungen für die Bilderfassung
- Entwicklung einer umfangreichen Test-Suite zur Qualitätskontrolle
- Betreuung der CI/CD-Pipeline
- Objektorientierte Programmierung während des gesamten Projekts
- Kundenbetreuung vor Ort nach dem Launch für das Bildverarbeitungssystem und die Netzwerkkommunikation
- Agile Arbeitsweise
Deep Learning Engineer
Dental Manufacturing Unit GmbH
Projekt-Tech-Stack: Python, TensorFlow, mlflow, OpenCV, ONNX, CUDA, .NET, C
Erfolge:
- Erfolgreiche Implementierung einer CNN-Architektur mit geringer Latenz und hoher Genauigkeit
- Bereitstellung des TensorFlow-Modells über ONNX in der C-Codebasis
- Modellexperimente mit mlflow
- Entwicklung und Durchführung von Unit-, Regression- und End-to-End-Tests
- Agile Arbeitsweise
Master's Thesis
Porsche Informatik GmbH
Feature-Selection-Methoden für Big Data
Projekt-Tech-Stack: R, Python, PySpark, Bash
Erfolge:
- Erfolgreiche Implementierung eines Python-Moduls für Feature Selection bei Big Data in PySpark
- Dokumentation der implementierten Funktionen und Erstellung eines Benutzerhandbuchs
- Gründliche Recherche und Verständnis von Feature-Selection-Methoden
- Datenumstrukturierung, -verarbeitung und -aufbereitung, explorative Datenanalyse
- Code-Parallelisierung in R
Data Scientist
AB Mikroelektronik
Projekt-Tech-Stack: R, R Shiny, SQL
- Visualisierung von KPIs
- Performance-Optimierung der bestehenden Shiny-App
- Erstellung automatisierter Berichte zu Produktionsdaten
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Fertigung, Bank- und Finanzwesen, Regierung und öffentliche Verwaltung, Versicherung und Transport und Logistik.
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), Business Intelligence, Kundendienst und Qualitätssicherung.
Fähigkeiten
Ki-Engineering
Entwicklung Und Bereitstellung Agentischer Systeme
Claude/Openai-FäHigkeiten üBer Api
Llm-Orchestrierung (Langchain, Langgraph)
Claude- Und Openai-Api-Integration
Mcp-Entwicklung (Model Context Protocol)
Multimodales Rag
Vektordatenbanken (Qdrant)
Strukturierte Ausgaben (Pydantic)
Prompt Engineering & Analyse
Backend & Programmierung
Python (Experte)
Fastapi
Flask
Pydantic
Restful Apis
Linux
C
Javascript
Cloud & Devops
Aws (Ec2, Lambda, S3, Rds, Vpc, Sagemaker)
Docker
Kubernetes
Terraform
Ci/Cd (Jenkins, Gitlab Ci, Github Actions)
Git
Bitbucket
Data Engineering
Pandas
Numpy
Pyspark
Sql (Postgresql, Mssql)
Airflow
Vektordatenbanken (Qdrant, Postgres)
Entwicklung Von Etl-Pipelines
Aws Mwaa
Snowflake
Hive
Impala
Testing & QualitäT
Pytest
Mocking (Unittest/Pymock)
Deepeval
Automatisierte Test-Pipelines
Code-Review-Standards
Tools & Orchestrierung
Jira
Confluence
Docker Compose
Linux-Shell-Scripting
Gitflow
Sprachen
Ausbildung
Universität Salzburg
M.Sc. in Data Science mit Auszeichnung · Data Science · Österreich · 1,63
Universität Salzburg
B.Sc. Psychologie · Psychologie · Österreich · 1,53
Zertifikate & Bescheinigungen
Natural Language Processing
Coursera - deeplearning.ai
Deep Learning Specialization
Coursera - deeplearning.ai
Statistiken
Erfahrung
Globale Erfahrung
Fachkenntnisse
Qualifikationen
Profil
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Gehalts- / Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
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.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Manuel Pasieka
Martin Wimmer
Julien Look
Tungi Dang
Daniel Schlager
Mathias Wilhelm
Jürgen Fey
Martin Musiol
Oliver Köhn
Stephan Baier
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Senior KI-Ingenieur - Python
Manuel Pasieka
Martin Wimmer
Daniel Schlager
Martin Musiol
Christian Schulz
Thomas Hoefkens
Hüseyin Korkut
Stephan Baier
Jürgen Fey
Julien Look
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Wien, Österreich arbeiten
Manuel Pasieka
Thomas Pacal
Marko Agrez
Shahram Fallahdoust
Christina Dulnigg
Plamen Mirchev
Michail Matjuchin
Alexander Lechner
Damir Dudakovic
Alexander Vasilenko
Aktuellste Projekte
FRATCH arbeitet mit vielen Unternehmen und Personalvermittlungen zusammen. Hier findest du unsere zuletzt veröffentlichten Projekte und Möglichkeiten.
