Murad Ali - KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem

Q: Wo ist Murad ansässig?

Murad ist in Martinroda, Deutschland ansässig.

Q: Welche Sprachen spricht Murad?

Murad spricht folgende Sprachen: English (Verhandlungssicher), German (Grundkenntnisse) .

Q: Wie viele Jahre Erfahrung hat Murad?

Murad hat mindestens 4 Jahre Erfahrung. In dieser Zeit hat Murad in mindestens 7 verschiedenen Rollen und für 4 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 7 Monate . Beachten Sie, dass Murad möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Murad?

Die neueste Position von Murad ist KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem .

Q: Für welche Unternehmen hat Murad in den letzten Jahren gearbeitet?

In den letzten Jahren hat Murad für Eclevar Medtech , Friedrich-Schiller-Universität Jena , Incowia GmbH und Max-Planck-Institut gearbeitet.

Q: In welchen Industrien hat Murad die meiste Erfahrung?

Murad hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT) , Gesundheitswesen und Biotechnologie . Murad hat auch etwas Erfahrung in Bildung .

Q: In welchen Bereichen hat Murad die meiste Erfahrung?

Murad hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT) , Produktentwicklung und Forschung und Entwicklung (F&E) . Murad hat auch etwas Erfahrung in Buchhaltung und Betrieb .

Q: Was ist die Ausbildung von Murad?

Murad hat einen Master in Forschung im Bereich Computer- und Systemtechnik from Technische Universität Ilmenau und einen Bachelor in Computer- und Systemtechnik from UET Peshawar .

Q: Wie ist die Verfügbarkeit von Murad?

Murad ist sofort vollzeit verfügbar für passende Projekte.

Empfohlener Experte

Martinroda, Deutschland

Erfahrungen

Jan. 2025 - Dez. 2025

1 Jahr

KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem

Entwicklung eines Multi-Agenten-Systems, das LangChain ZeroShotAgent mit maßgeschneiderten Tools für Live-APIs und Aufgabenautomatisierung verbindet.
Aufbau eines FastAPI-Backends für die Erstellung, Triage und Zuweisung von Jira-Tickets, automatische Einstufung der Priorität, Duplikaterkennung, SLA-Konfiguration, Rufbereitschaftsplanung und bidirektionale Synchronisierung von Status und Kommentaren.
Hinzufügen von Slack-Benachrichtigungen und RAG-Wissensabfrage mit FAISS oder pgvector zur Fehlerbehebung, optional PagerDuty-Eskalation bei Richtlinienverstößen.
Orchestrierung der Agenten mit einem Router und einer Celery-Redis-Warteschlange, Wiederholungsversuche mit Backoff, Ratenbegrenzungen, Idempotenz-Schlüsseln und menschlichen Freigaben.
Implementierung von Schutzmaßnahmen und Observability, Prompt-Versionierung, Token- und Kostenbudgets, PII-Redaktion, Tool-Nutzungs-Whitelists, Timeouts, OpenTelemetry-Tracing, Dashboards für Genauigkeit und Latenz sowie Deployment auf Kubernetes mit Feature Flags und Canary-Rollouts.

Jan. 2025 - Dez. 2025

1 Jahr

Shift AI – LLM-gesteuerter Assistent zur Schichtplanung

Entwicklung eines KI-Planungsassistenten, der mit LangChain und Llama automatisch konfliktfreie Schichtpläne erstellt.
Entwurf einer semantischen Suche mit FAISS zur Auswertung von Vorgaben und Verknüpfung der Planungsdaten über Prisma/PostgreSQL für präzises Nutzerdatenmanagement.
Bereitstellung eines FastAPI-Backends, das die prädiktive Planung für Betriebsteams vereinfacht.

Sept. 2024 - Mai 2025

9 Monate

Paris, Frankreich

KI-Ingenieur

Eclevar Medtech

Aufbau eines klinischen Beratungsassistenten auf GCP (Vertex AI und Cloud Run), der während Patientengesprächen leitliniengestützte Antworten liefert. Pilotprojekte reduzierten die Suchzeit von Minuten auf Sekunden und verringerten die Nachbearbeitung der Dokumentation um etwa 25–35 %.
Produktivsetzung der medizinischen ASR durch Feintuning von Whisper und Wav2Vec2 auf anonymisierten Audiodaten mit VAD und domänenspezifischen Lexika. Die Wortfehlerrate bei lauter Klinik-Audio verbesserte sich um 6–8 Prozentpunkte und die Echtzeitlatenz wurde stabil.
Integration von LLMs (Gemini, GPT, Claude, Llama) für SOAP-ähnliche Zusammenfassungen, Extraktion von Medikamenten und Allergien sowie Risikohinweise. Einsatz von RAG auf einem geprüften Korpus, um Antworten mit Quellenangaben zu versehen.
Verwendung strukturierter Reasoning-Prompts wie Chain-of-Thought (COT) und Schritt-für-Schritt-Dekomposition während Entwicklung und Evaluation, um klinische Schlussfolgerungen und Extraktionsgenauigkeit zu verbessern. In der Produktion bleiben Begründungen knapp und Notizfelder werden verborgen, um Privatsphäre zu schützen und niedrige Latenz zu gewährleisten.
Implementierung von Schutzmaßnahmen wie Prompt-Checks, Zitationspflicht, PHI-Bereinigung und Ablehnungsrichtlinien. Protokollierung von Prompts und Ergebnissen mit PII-Hashing zur Erfüllung der DSGVO-Anforderungen.
Einrichtung von Evaluationen und Observability mit RAGAS, aufgabenspezifischen EM/F1-Metriken und einer einfachen Oberfläche für menschliche Bewertungen. Verhinderung von Regressionen und Ausrollen sicherer A/B-Tests. Die mittlere Latenz sank um etwa 30 % durch quantisierte Inferenz mit vLLM und Streaming-Ausgaben.
Überführung von Prototypen in die Produktion mit Containern, CI/CD, Canary-Releases und Drift-Monitoring. Dokumentation der Datenflüsse und DPIA-Materialien für Compliance.

März 2024 - Sept. 2024

7 Monate

Deutschland

Masterarbeit – Forschung im Bereich biomedizinisches NLP

Friedrich-Schiller-Universität Jena

Durchführung angewandter Forschung zur Retrieval-Augmented Generation (RAG) für biomedizinische Frage-Antwort-Anwendungen basierend auf über 100 wissenschaftlichen Publikationen.
Aufbau und Optimierung dichter Retrieval-Pipelines mit FAISS zur Steigerung von Präzision und Recall beim komplexen biomedizinischen Textverständnis.
Entwicklung von Bewertungsabläufen mit RAGAS und Erzielung starker Ergebnisse bei Treue und kontextueller Präzision der generierten Antworten.

Jan. 2024 - Dez. 2024

1 Jahr

KI-gestützte Früherkennung von Legasthenie

Entwurf einer End-to-End-KI-Pipeline zur Früherkennung von Legasthenie, die Handschriftanalyse (Gemini 1.5 Pro) und Sprachbewertung via ASR kombiniert.
Umsetzung kognitiver Gedächtnis- und Lesetests zur Erfassung multimodaler Verhaltensmerkmale für die Vorhersage.
Training eines CatBoost-Klassifikators zur Vorhersage der Legastheniewahrscheinlichkeit mit hoher Genauigkeit und Interpretierbarkeit.
Bereitstellung einer produktionsreifen Pipeline mit Python, LangChain und FastAPI zur Unterstützung von Echtzeit-Screening-Anwendungen.

März 2023 - Aug. 2024

1 Jahr 6 Monate

Deutschland

KI-Ingenieur (NLP/LLMs)

Incowia GmbH

Realisierte eine Pipeline zur Rechnungsextraktion, die gescannte PDFs mit OCR, LayoutLMv3 und einem LLM-Fallback für Ausreißer in normalisierte Einzelposten-Datensätze umwandelt, um die manuelle Prüfung zu reduzieren und die Buchung zu beschleunigen.
Feinjustiertes NER-Modell im BERT-Stil für Lieferanten, Adressen, Mehrwertsteuer, IBAN und Summen. Erreichte über 90% F1 auf einem versionierten Goldstandard und verringerte Formatierungsfehler durch regelbasierte Nachbearbeitung.
Extrahierte Tabellen und Einzelposten mit strukturbewussten Modellen und Konfidenzfilter. Setzte Llama oder Mistral als Fallback-Parser für herausfordernde mehrseitige Rechnungen ein und verbesserte die Erfassungsrate, ohne die Fehlalarmrate zu erhöhen.
Senkte Kosten und Latenz mit dynamischem Batching, Mixed Precision, sicherer 4-Bit-Quantisierung und Dokument-Caching. Hielt die p95-Latenz unter Last stabil und reduzierte GPU-Stunden.
Standardisierte Daten- und Evaluierungsvorgaben mit klaren Annotationsrichtlinien, Übereinstimmungsprüfungen zwischen Annotatoren und CI-Tests für EM/F1, um Qualitätsrückschritte zu verhindern.
Arbeitete eng mit Produkt- und Betriebsteams zusammen, um Fehlerfälle wie schiefe Scans, Stempelüberlagerungen und unvollständige Tabellen zu priorisieren. Führte Korrekturen zurück ins Training und in Heuristiken für stetige Qualitätssteigerungen.

Jan. 2022 - Feb. 2023

1 Jahr 2 Monate

Deutschland

Deep-Learning-Ingenieur (HiWi)

Max-Planck-Institut

Entwickelte eine Objekterkennungs-Pipeline mit SAM und GroundingDINO und verbesserte die Klassifikation biologischer Proben auf über 90% Präzision.
Verbesserte die Erkennung von Pflanzenarten mithilfe von ResNet-50, steigerte die Leistung von 85% auf 93% und beschleunigte experimentelle Abläufe.

Branchenerfahrung

Sehen Sie, in welchen Branchen dieser Freiberufler den Großteil seiner beruflichen Laufbahn verbracht hat.

Erfahren in Informationstechnologie (IT), Gesundheitswesen, Biotechnologie und Bildung.

Informationstechnologie (IT)

Gesundheitswesen

Biotechnologie

Bildung

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), Buchhaltung und Betrieb.

Informationstechnologie (IT)

Produktentwicklung

Forschung und Entwicklung (F&E)

Buchhaltung

Betrieb

Zusammenfassung

KI-Ingenieur, spezialisiert auf große Sprachmodelle (LLMs) und Konversations-KI. Erfahren im Aufbau KI-gesteuerter Self-Service-Systeme, in der Automatisierung kundenorientierter Arbeitsabläufe und bei der Bereitstellung produktionsreifer NLP-Lösungen auf Cloud-Plattformen. Versiert darin, Technologie und Geschäftsergebnisse zu verbinden, mit nachgewiesener Effizienzsteigerung, Reduzierung manueller Arbeit und Verbesserung der Nutzererfahrung.

Fähigkeiten

Programmierung: Python, C++, C
Llms & Schlussfolgerung: Transformers, Hugging Face, Gemini / Gpt / Claude / Llama, Langchain / Langgraph / Llamaindex, Strukturierte Reasoning-prompts (Chain-of-thought Während Der Entwicklung), Tool-calling
Retrieval & Vektoren: Faiss, Pgvector, Hybrides Bm25 + Dense Retrieval, Reranker, Schema-bewusstes Chunking
Serving & Mlops: Fastapi, Docker, Ci/cd, Vllm, Quantisierung, Dynamisches Batching, Caching, Streaming, Observability, Ragas, Gold-sets, Em/f1, A/b-tests, Drift-monitoring
Speech & Dokumenten-ki: Whisper, Wav2vec2, Vad, Tesseract, Doctr, Layoutlmv3, Donut, Tabellen- Und Einzelpostenextraktion
Cloud & Daten: Gcp / Vertex Ai, Sql, Postgresql, Rest-apis
Arbeitsweise: Git, Jira, Confluence, Agile/scrum

Sprachen

Englisch

Verhandlungssicher

Deutsch

Grundkenntnisse

Ausbildung

Okt. 2020 - Juni 2024

Technische Universität Ilmenau

M.Sc. Forschung im Bereich Computer- und Systemtechnik · Forschung im Bereich Computer- und Systemtechnik · Ilmenau, Deutschland

Okt. 2014 - Juni 2018

UET Peshawar

B.Sc. Computer- und Systemtechnik · Computer- und Systemtechnik · Peshawar, Pakistan

Statistiken

Erfahrung

Positionen gesamt 7

Erfahrung in Informationstechnologie (IT) 2.5 J.

Durchschn. Dauer 11 M.

Längste Erfahrung 1 J. 5 M.

Globale Erfahrung

Länder gearbeitet 2 (Deutschland, Frankreich)

Hauptland Deutschland

Fachkenntnisse

Aktuelle Rollen KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem, Shift AI – LLM-gesteuerter Assistent zur Schichtplanung, KI-Ingenieur

Hauptbranchen Informationstechnologie (IT), Gesundheitswesen, Biotechnologie

Hauptfachbereiche Informationstechnologie (IT), Produktentwicklung, Forschung und Entwicklung (F&E)

Qualifikationen

Höchster Abschluss Master

Profil

Erstellt

Oktober 2025

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently Asked Questions

Sie haben Fragen? Hier finden Sie weitere Informationen

Wo ist Murad ansässig?

Murad ist in Martinroda, Deutschland ansässig.

Welche Sprachen spricht Murad?

Murad spricht folgende Sprachen: English (Verhandlungssicher), German (Grundkenntnisse).

Wie viele Jahre Erfahrung hat Murad?

Murad hat mindestens 4 Jahre Erfahrung. In dieser Zeit hat Murad in mindestens 7 verschiedenen Rollen und für 4 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 7 Monate. Beachten Sie, dass Murad möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Murad am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Murad gut geeignet für Rollen wie: KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem, Shift AI – LLM-gesteuerter Assistent zur Schichtplanung, KI-Ingenieur.

Was ist das neueste Projekt von Murad?

Die neueste Position von Murad ist KI-Agenten-Automatisierung – LLM-gesteuertes Agentensystem.

Für welche Unternehmen hat Murad in den letzten Jahren gearbeitet?

In den letzten Jahren hat Murad für Eclevar Medtech, Friedrich-Schiller-Universität Jena, Incowia GmbH und Max-Planck-Institut gearbeitet.

In welchen Industrien hat Murad die meiste Erfahrung?

Murad hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Gesundheitswesen und Biotechnologie. Murad hat auch etwas Erfahrung in Bildung.

In welchen Bereichen hat Murad die meiste Erfahrung?

Murad hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E). Murad hat auch etwas Erfahrung in Buchhaltung und Betrieb.

Was ist die Ausbildung von Murad?

Murad hat einen Master in Forschung im Bereich Computer- und Systemtechnik from Technische Universität Ilmenau und einen Bachelor in Computer- und Systemtechnik from UET Peshawar.

Wie ist die Verfügbarkeit von Murad?

Murad ist sofort vollzeit verfügbar für passende Projekte.

Wie hoch ist der Stundensatz von Murad?

Der Stundensatz von Murad hängt von den spezifischen Projektanforderungen ab. Bitte verwenden Sie die Meet-Schaltfläche im Profil, um ein Meeting zu planen und die Details zu besprechen.

Wie kann man Murad beauftragen?

Um Murad zu beauftragen, klicken Sie auf die Meet-Schaltfläche im Profil, um ein Meeting anzufragen und Ihre Projektanforderungen zu besprechen.

Durchschnittlicher Tagessatz für ähnliche Positionen

Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.

1000

750

500

250

⌀ Markt: 750-910 €

Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freiberufler in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.

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