Mukund Biradar - Senior AI Engineer für RAG-Systeme

🚀 FRATCH GPT 2.0 - Finden Sie Freelancer mit einem Prompt. Jetzt mit Preis-Benchmark.

Empfohlener Experte

Verfügbar

Berlin, Deutschland

Tagessatz prüfen

Erfahrungen

März 2026 - März 2026

1 Monat

Voice-KI-Chatbot – Echtzeit-Audioassistent

▶ Echtzeit-Sprachassistenten entwickelt (STT → LLM → TTS-Pipeline), mehrere STT-Anbieter einschließlich faster-whisper und Azure Speech getestet und bewertet. Latenz von unter 3 Sekunden erreicht, Groq API (Llama 3) mit Multi-Turn-Speicher eingesetzt – einschließlich direkter Behandlung von Sonderfällen bei Diktaten sowie der Erkennung von Namen und Zugangscodes.

Okt. 2025 - Jan. 2026

4 Monate

Frankfurt, Deutschland

Senior AI Engineer / LLM Developer

Deloitte

Multi-Agenten-KI-Workflows auf Azure AI Foundry konzipiert und umgesetzt, mit einer Hierarchie aus Planer → Manager → Domänenagent für die Unternehmensautomatisierung in den Bereichen Finance Agent, Comparison Agent und Operations.
Auf den Aufbau KI-gestützter kundenorientierter Oberflächen und dialogbasierter Chatbots spezialisiert; Integration von LLMs, RAG-Architekturen, agentenbasierten Pipelines, Celeryworker-Skalierung, Pydantic, Typannotationen, Azure Blob Storage, RabbitMQ und Backend-APIs zur Umsetzung durchgängiger digitaler Lösungen für Unternehmenskunden.
40% Verbesserung der Abrufgenauigkeit erreicht
Produktionsreife, versionierte öffentliche FastAPI-APIs (v1/v2) mit OpenAPI/Swagger-Dokumentation, Rate Limiting und einer Latenz von unter 100 ms entwickelt und verantwortet – mit Integration von LLM-Agenten, Event-Triggern und Vektordatenbanken für die semantische Dokumentensuche.
Datenbanklast durch Redis-Caching, Abfrageoptimierung und horizontale Skalierung um 70% reduziert – bei einer SLA von 99.9% für Datendienste.
OAuth2/JWT-Authentifizierung, rollenbasierte Zugriffskontrolle (RBAC), Redis-Caching und pytest-Automatisierung implementiert. Containerisierte Services über Docker sowie CI/CD-Pipelines auf Azure/AWS bereitgestellt.
Generative KI & LLM Multi-Agenten-LLM-Workflows auf Azure AI Foundry mit LangChain, RAG-Pipelines und Vektordatenbanken für die Dokumentensuche in Unternehmen entwickelt. Dialogbasierte KI-Oberflächen mit Prompt Engineering und LLMOps-Praktiken umgesetzt und eine Verbesserung der Abrufgenauigkeit um 40% erreicht.
Verteilte Celery-Aufgabenwarteschlangen mit Redis- und RabbitMQ-Brokern für asynchrone Hintergrundverarbeitung, Worker-Skalierung und Strategien zur Wiederholung fehlgeschlagener Aufgaben in mandantenfähigen KI-Workflows konzipiert und betrieben.
Durchgängige LLM-Lösungen über den gesamten Stack entwickelt: Python, LangChain, LangGraph, Azure OpenAI, RAG, FastAPI, Docker und Kubernetes – von Embedding-Pipelines bis zu bereitgestellten agentenbasierten Workflows.
Tools des Model Context Protocol (MCP) integriert und Workflows mit mehreren KI-Agenten orchestriert.
KI-Evaluierung und Observability für RAG-/LLM-Systeme implementiert, einschließlich der Erfassung von Antwortqualität, Abrufgenauigkeit, Latenz, Fehlern und Leistung zur kontinuierlichen Verbesserung.
Claude LLMs in der Dokumentenverarbeitung und in RAG-Pipelines für Dokumentenverständnis, Zusammenfassungen sowie die Erstellung von Fragen und Antworten eingesetzt.
Hochverfügbare, zuverlässige und skalierbare KI-Systeme konzipiert und entwickelt.

Jan. 2025 - Mai 2025

5 Monate

PDF-RAG-LLM-System

▶ Durchgängiges RAG-System entwickelt: PDF-Aufnahme → Textextraktion → semantische Aufteilung → Vektor-Embeddings → Fragen und Antworten in natürlicher Sprache über individuelle Wissensdatenbanken.
▶ Vollständigen LLM-Stack mit versionierter REST-API-Schicht (FastAPI + OpenAPI/Swagger), LangChain-Orchestrierung und AWS-kompatiblem Vektorspeicher aufgebaut – für die Integration durch Entwickler und die externe Nutzung konzipiert.
Automatisierte Aufnahmeprozesse und Testabdeckung für die Dokumentenverarbeitung, Suche sowie Fragen und Antworten über PDF-Dokumente entwickelt.

Apr. 2023 - Juni 2024

1 Jahr 3 Monate

München, Deutschland

Senior Python Developer

Leibniz-Rechenzentrum (LRZ)

Leistungsstarke ETL/ELT-Datenpipelines für die Aufnahme, Transformation und Validierung strukturierter und unstrukturierter Daten in PostgreSQL und AWS S3 konzipiert und gewartet.
5TB+ Forschungsdaten in S3-kompatiblem Objektspeicher (Minio/AWS S3) verwaltet und mit automatisierter Pipeline-Überwachung und Alarmierung eine Verfügbarkeit von 99.9% gewährleistet.
Ansible: Ansible-Playbooks zur Automatisierung der Sammlung und Rotation von Logs auf 20+ verteilten Forschungsservern bereitgestellt und verwaltet, wodurch der manuelle SSH-basierte Log-Abruf entfiel und eine zentrale Log-Analyse ermöglicht wurde – mit einer Reduzierung des Betriebsaufwands um 60%.
Ansible zur Orchestrierung von Paketaktualisierungen und Konfigurationsänderungen im gesamten Serverbestand eingesetzt, um einen konsistenten Umgebungszustand sicherzustellen und Konfigurationsabweichungen zu reduzieren.
Zu Bereitstellungs- und Staging-Strategien (Dev → Staging → Prod) beraten, Standards für die Umgebungsgleichheit und Rollback-Verfahren für containerisierte KI-Services definiert.
Containerisierte Python-Microservices mit FastAPI und asyncio entwickelt und über Docker für skalierbare Backend-Systeme bereitgestellt.
↓ Datenbanklast um 70% reduziert
TDD-Kultur mit pytest und Robot Framework vorangetrieben – vollständige Unit-, Integrations- und Regressionstestsuiten für REST-APIs und ETL-Pipelines erstellt.
Bei der Dokumentenverarbeitung mit OCR zur Textextraktion aus PDF-Scans und Bildern mitgewirkt, gefolgt von Validierung und Bereinigung für RAG- und Suchpipelines.

Juli 2022 - Feb. 2023

8 Monate

Bengaluru, Indien

Python Lead

IBM

Python-Entwicklungsteams bei der Bereitstellung von Backend-Lösungen und REST-API-Integrationen geleitet; Architekturentwürfe und technische Spezifikationen erstellt.
↑ Manuelle Arbeit um 80% reduziert
CI/CD-Pipelines mit GitHub Actions für automatisierte Builds und Bereitstellungen eingerichtet; OAuth2- und JWT-Authentifizierung für sicheren API-Zugriff implementiert.
Services mit Docker und Kubernetes containerisiert und orchestriert.

Sept. 2021 - Juni 2022

10 Monate

Bengaluru, Indien

Python-Berater (Suche & Daten)

Intel

Coveo Search konfiguriert und XML, Datenbanken, Salesforce sowie AWS S3 für Content-Indizierungs- und Abrufpipelines integriert, die monatlich mehr als 500,000 Datensätze verarbeiten.
Produktionsfehler analysiert und behoben sowie Ursachenanalysen über Backend-, Datenbank- und Integrationsebenen hinweg durchgeführt.
↑ Suchgenauigkeit um 40% verbessert
Durch strukturierte Prozessanalyse, Abfrageoptimierung und Feinabstimmung eine Verbesserung der Genauigkeit um 40% erreicht.

Mai 2015 - Aug. 2020

5 Jahre 4 Monate

Beijing, China

Senior Software Engineer

Sinomonitor International

Die Entwicklung einer Lehrplattform und einer E-Commerce-Website mit Django und PostgreSQL über den gesamten Lebenszyklus geleitet.
APIs für interne Teams und Drittanbieter erstellt und abgesichert, mit Unterstützung mehrerer RDBMS-Backends (PostgreSQL, Oracle, MS SQL Server).
Mit Datenbankentwicklungsteams zusammengearbeitet, um Schemaänderungen, gespeicherte Prozeduren und Standards für die Datenqualität abzustimmen.
ETL-Pipelines mit Pandas und NumPy für Datenvorverarbeitung, Feature Engineering und ML-basierte Videoanalyse über mehr als 5 Quellsysteme hinweg erstellt (Excel, MySQL, Oracle 11G/12 C, SQL Server).
Eine skalierbare ETL-Architektur entworfen, die die Berichtszeit von Stunden auf Minuten reduzierte; Tableau- und Power-BI-Dashboards für Business Intelligence erstellt.
Interne Tools für Build und Release sowie abgesicherte REST-APIs für interne und externe Nutzer entwickelt.

Feb. 2014 - Apr. 2015

1 Jahr 3 Monate

Pune, Indien

Datenbankadministrator

Develop Dreamz Industries

Oracle- und MS-SQL-Server-Datenbanken verwaltet – Abfrageoptimierung, Schemadesign und Datenintegrität über Unternehmenssysteme hinweg.
Anwendungsmodule auf Grundlage funktionaler Spezifikationen und architektonischer Vorgaben entworfen und entwickelt.

Mai 2012 - Jan. 2014

1 Jahr 9 Monate

Pune, Indien

Datenbankingenieur

Psystems IT Services

Datenbankschemata, gespeicherte Prozeduren und ETL-Skripte für Datenmigration und Reporting entworfen und gepflegt.
Oracle 11 G R1/R2 /12 C/ RAC- und Data-Guard-Umgebungen verwaltet, einschließlich Clusterware, RMAN-Backup und -Wiederherstellung, DB-Tuning und Tablespace-Optimierung, um Stabilität und hohe Verfügbarkeit auf Unternehmensniveau sicherzustellen.

DocsAI – Produktionsreifes Dokument-RAG-System

Eine durchgängige lokale RAG-Pipeline mit FastAPI und React entwickelt, um semantische Indizierung und kontextbasierte Fragen und Antworten in umfangreichen PDFs und Textdateien zu ermöglichen.
Satzbewusstes Text-Chunking mit lokalen 'all-MiniLM-L6-v2'-Embeddings und selbst gehostetem ChromaDB-Vektorspeicher in Docker-Volumes implementiert, um externe Cloud-Kosten zu vermeiden.
Die Groq API (Llama 3) mit typisierten Systemleitplanken integriert, um die Genauigkeit von Quellenangaben sicherzustellen und das Risiko von Halluzinationen durch LLMs zu verringern.
Eine containerisierte Bereitstellung mehrerer Services mit Docker Compose konfiguriert und eine Roadmap für die Migration in eine produktive Unternehmensumgebung entworfen (AWS S3, pgvector/RDS, ECS Fargate und ALB).
Eine testbare durchgängige FastAPI- und React-Anwendung entwickelt und containerisiert, mit automatisierten Prüfungen der Quellenangaben.

Branchenerfahrung

Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.

Erfahren in Informationstechnologie (IT), Bildung und Einzelhandel.

Informationstechnologie (IT)

Bildung

Einzelhandel

Erfahrung nach Fachbereich

Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.

Erfahren in Informationstechnologie (IT), Produktentwicklung, Business Intelligence und Qualitätssicherung.

Informationstechnologie (IT)

Produktentwicklung

Business Intelligence

Qualitätssicherung

Zusammenfassung

Senior AI Engineer und Python-Backend-Spezialist mit 12+ Jahren Erfahrung beim Aufbau von Produktionssystemen im großen Maßstab. Derzeit entwickle ich Multi-Agenten-KI-Workflows und RAG-Pipelines für Deloitte auf Azure AI Foundry und erreiche eine Verbesserung der Abrufgenauigkeit um 40% sowie eine Reduzierung der manuellen Bearbeitungszeit um 70%. Fundierte Kenntnisse in verteilten Microservices, ETL-Pipelines, cloudnativen Bereitstellungen (Azure, AWS) und Infrastrukturautomatisierung mit Ansible. Erfahrung mit dem gesamten ML/LLM-Stack – von Embedding-Pipelines und Vektordatenbanken bis hin zu Agenten-Orchestrierung und LLMOps, mit einer nachweislichen Erfolgsbilanz bei der Umsetzung messbarer Geschäftsergebnisse in Unternehmensumgebungen.

Fähigkeiten

Sprachen: Python (PrimäR), Java, Typescript, Javascript, Node.Js, Sql, Pl/Sql
Ki / Llm: Langchain, Langgraph, Azure Openai, Rag-Pipelines, Prompt Engineering, Llmops, Vektordatenbanken, Semantische Suche, Multi-Agenten-Orchestrierung, Nlp, Speech-To-Text (Stt), Whisper, Audioverarbeitung
Cloud & Devops: Azure Ai Foundry, Azure Devops, Aws, Docker, Kubernetes, Ansible, Aks (Azure Kubernetes Service), Docker Compose, Ci/Cd, Google Cloud Platform (Gcp)
Frameworks: Fastapi, Django, Flask, React, Sqlalchemy, Sqlmodel, Asyncio (Async/Await), Typannotationen, Pydantic
Agentic-Entwicklungstools: Claude Code, Cursor, Github Copilot
Datenbanken: Cosmosdb, Postgresql, Oracle, Ms Sql Server, Redis, Minio S3
Data Engineering: Etl/Elt-Pipelines, Pandas, Numpy, Hadoop, Reverse Engineering
Apis & Sicherheit: Restful Apis, öFfentliches Api-Design, Api-Versionierung, Openapi/Swagger, Rate Limiting, Microservices, Oauth2, Jwt, Postman
Testing: Tdd, Pytest, Robot Framework, Erstellung Von Unit-/Integrations-/TestpläNen, Selenium
Automatisierung: Ansible, Shell-Scripting
Monitoring: Logging, Observability, Performance-Monitoring, Debugging
Bi & Reporting: Tableau, Power Bi, Deepinsight, Interaktive Datenvisualisierung, Event-Tracking, Webanalyse
Methodik: Agile (Scrum/Kanban), Jira, Azure Boards, Technische Dokumentation
Ki & Agentenbasierte Ki: Genai, Model Context Protocol (Mcp), Llm-Routing, Tool Calling, Schutz Vor Prompt Injection, Ki-Evaluierung
Ki- & Cloud-Services: Azure Ai Search, Azure Cognitive Services, Azure Service Bus, Aws S3, Aws Ecs
Cloud & Infrastruktur: Github Actions, Gitlab Ci/Cd, Terraform
Sicherheit: Verwaltete IdentitäTen, Sichere Api-Entwicklung
Engineering & Zusammenarbeit: Code-Reviews, FunktionsüBergreifende Zusammenarbeit, Technisches Mentoring

Sprachen

Englisch

Verhandlungssicher

Deutsch

Grundkenntnisse

Ausbildung

Okt. 2009 - Juni 2011

University of Pune

Master of Computer Science · Computer Science · Pune, Indien

Zertifikate & Bescheinigungen

ChatGPT Masters: AI Prompt Engineering - 16 Hours

Azure AI Foundry - hands-on enterprise deployments

Machine Learning: Generative AI, Data Analysis with Pandas

Statistiken

Erfahrung

Positionen gesamt 10

Erfahrung in Informationstechnologie (IT) 6 J.

Durchschn. Dauer 1 J. 1 M.

Längste Erfahrung 5 J. 3 M.

Globale Erfahrung

Länder gearbeitet 3 (Indien, Deutschland, China)

Hauptland Indien

Fachkenntnisse

Aktuelle Rollen Voice-KI-Chatbot – Echtzeit-Audioassistent, Senior AI Engineer / LLM Developer, PDF-RAG-LLM-System

Hauptbranchen Informationstechnologie (IT), Bildung, Einzelhandel

Hauptfachbereiche Informationstechnologie (IT), Produktentwicklung, Business Intelligence

Qualifikationen

Höchster Abschluss Master

Zertifikate erworben 3

Profil

Mitglied seit

August 2026

Stand

September 2026

Du suchst Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Häufig gestellte Fragen

Du hast Fragen? Hier findest du mehr.

Mukund ist in Berlin, Deutschland ansässig.

Mukund spricht folgende Sprachen: Englisch (Verhandlungssicher), Deutsch (Grundkenntnisse).

Mukund hat mindestens 11 Jahre Erfahrung. In dieser Zeit hat Mukund in mindestens 9 verschiedenen Rollen und für 7 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 3 Monate. Beachten Sie, dass Mukund möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Basierend auf der jüngsten Erfahrung wäre Mukund gut geeignet für Rollen wie: Voice-KI-Chatbot – Echtzeit-Audioassistent, Senior AI Engineer / LLM Developer, PDF-RAG-LLM-System.

Die neueste Position von Mukund ist Voice-KI-Chatbot – Echtzeit-Audioassistent.

In den letzten Jahren hat Mukund für Deloitte, Leibniz-Rechenzentrum (LRZ), IBM und Intel gearbeitet.

Mukund hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Bildung und Einzelhandel.

Mukund hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Business Intelligence. Mukund hat auch etwas Erfahrung in Qualitätssicherung.

Mukund hat kürzlich in Industrien wie Informationstechnologie (IT) gearbeitet.

Mukund hat kürzlich in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Qualitätssicherung gearbeitet.

Mukund hat einen Master in Computer Science von University of Pune.

Mukund hat 3 Zertifikate. U.a: ChatGPT Masters: AI Prompt Engineering - 16 Hours, Azure AI Foundry - hands-on enterprise deployments, Machine Learning: Generative AI und Data Analysis with Pandas.

Mukund ist sofort vollzeit verfügbar für passende Projekte.

Tagessatzverteilung

0% 25% 50% 75% 100%

<€800 €800-1200 €1200-1600 €1600+

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.

1000

750

500

250

Ø Tagessatz 950 €

Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.

1000

750

500

250

Median-Tagessatz 980 €

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 24 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.