Erfahrungen
Senior AI Engineer & Technical Lead
Independent / Freelance
- TrendReel, Produktions-LLM-Agenten- und RAG-System (Python, LangChain, OpenAI, Groq/Llama 3, Claude, FastAPI, Kubernetes, PostgreSQL).
- Entwarf und baute ein produktives mehrstufiges LLM-Agentensystem: einen Script-Generierungs-Agenten mit einer plattformbezogenen Psychologie-Datenbank, 7 viralen Narrativ-Frameworks und strukturierter Qualitätsbewertung, der in Echtzeit je nach Ausgabemetriken zwischen Claude- und Groq-Backends wechselte.
- Implementierte Multi-Provider-LLM-Routing (Claude primär, Groq/Llama 3 Fallback) mit Priority-Chain-Failover und qualitätsbasiertem Provider-Wechsel und erreichte dabei eine Senkung der Inferenzkosten um 95 %, während messbare Qualitätsgrenzen eingehalten wurden.
- Aufbau einer fortschrittlichen RAG-artigen Retrieval-Pipeline mit Wissensbasen pro Plattform, semantischem Content-Matching und strukturierter Ausgabeevaluation über 7 Entscheidungs-Frameworks, direkt vergleichbar mit kontextbasiertem Reasoning in Multi-Tenant-Enterprise-Dokumenten-Workflows.
- BrainyAI, adaptive KI-Lernplattform (Python, LangChain, Groq Llama 3.3-70B, OpenAI, Next.js, Supabase, Redis).
- Integrierte Groq Llama 3.3-70B mit einem auf Bildungsniveau abgestimmten Prompting, wobei Wortschatz-Tiefe, Zitierkomplexität und Denkstil dynamisch über vier Leistungsstufen von Lernenden angepasst wurden.
- Nexus Prime, Multi-Tenant-SaaS-Plattform für Marketing- und Wachstumsautomatisierung (25 Module, 99 Backend-Router, 153 Frontend-Dateien).
- Aufbau einer 25-Modul-, 99-Router-Multi-Tenant-SaaS-Plattform für Ad-Remix, Affiliates, WhatsApp-Inbox, E-Mail und Warenkorbwiederherstellung, die vier Abo-Stufen von $199 bis $1,999 pro Monat mit integrierter Stripe-, Paystack- und Flutterwave-Abrechnung bedient.
- KI-Videoüberwachungsplattform, Multi-Tenant-Edge- und Cloud-Computer-Vision-System derzeit aktiv im Kundengespräch.
- Entwarf eine Multi-Tenant-KI-Videoüberwachungsplattform, die Edge-YOLO26-Inferenz auf NVIDIA Jetson Orin NX Boxen mit einer zentralen GKE-Cloud-Schicht (Postgres, Pub/Sub, ClickHouse, R2, Keycloak) für Ereignisspeicherung, Dashboards, Alarme und Multi-Tenancy kombiniert.
Senior AI / Machine Learning Engineer
KoloXO
- Architektur und Umsetzung einer einheitlichen Planungs- und Content-Automation-Plattform zur Unterstützung von Multi-Brand-, Multi-Tier-Operationen (Basic, Premium, Enterprise), die ein reibungsloses Onboarding und Management von Marken für skalierbare Newsletter- und Social-Media-Kampagnen ermöglicht.
- Entwickelte ETL-Pipelines und Echtzeit-Datenaufnahme aus über 10 heterogenen Quellen mit über 95 % Datenkonsistenz, was die Zuverlässigkeit der KI-Modelle und die nachgelagerte Analyse deutlich verbessert hat.
- Einsatz transformerbasierter NLP-Modelle (Google Gemini, benutzerdefinierte LLMs) für die Content-Erstellung, wodurch die Erstellungszeit um 70 % reduziert wurde und auch nicht-technische Nutzer Kampagnen in wenigen Minuten starten konnten.
- Standardisierte End-to-End-Workflows für Content-Planung, plattformübergreifendes Publishing und Markenmanagement und beseitigte durch intelligente Automatisierung über 8 Stunden manueller Arbeit pro Woche.
Senior ML Engineer
Nabafat.AI
- Architektur einer End-to-End-MLOps-Infrastruktur mit Jenkins, Docker, Kubernetes und Terraform, wodurch die Bereitstellungszuverlässigkeit um 40 % gesteigert und manuelle Übergaben zwischen Entwicklungs- und Produktionsumgebungen eliminiert wurden.
- Fine-Tuning und Bereitstellung von State-of-the-Art-LLMs (Mistral, Llama 3) auf proprietären Datensätzen, wodurch die Relevanz der Antworten um 35 % verbessert und die Inferenzlatenz durch systematisches Benchmarking von Checkpoints und optimiertes containerisiertes Serving um 20 % reduziert wurde.
- Entwurf und Bereitstellung eines Multi-LLM-Konversationsassistenten mit LangChain, der mehrstufiges Reasoning, Tool-Nutzung und Kontextmanagement orchestriert, um die Interaktionen von Sales Engineers und die Effizienz der Lead-Erfassung in der Produktion zu verbessern.
- Aufbau von kollaborativen Filter-Empfehlungspipelines, die die Trainingszeit halbierten und die Empfehlungspräzision durch sorgfältiges Feature Engineering und Model-Evaluation um 20 % steigerten.
- Implementierung von End-to-End-Experiment-Tracking und Modell-Lifecycle-Management mit MLflow und ZenML, wodurch die Reproduzierbarkeit um 50 % verbessert wurde durch strukturierte Evaluationskriterien, versionierte Artefakte und vollständige Nachverfolgbarkeit vom Training bis zur Bereitstellung.
Computer Vision Engineer
Roc4Tech
- Entwicklung und Bereitstellung von YOLOv8- (Waffenerkennung) und Mask R-CNN- (Instance Segmentation) Modellen für sicherheitsrelevante Drohnen am Edge, mit einem mAP@0.5 von 0.94 und einer Reduktion der False Negatives um 15 %. Einsatz von Transfer Learning (ResNet-50, VGG-16), wodurch die Genauigkeit von 78 % auf 94 % auf einem Datensatz mit 50K Bildern gesteigert wurde.
- Automatisierung von TensorFlow-Trainings- und Evaluations-Workflows auf Azure, wodurch die Trainingsdauer um 50 % verkürzt und die Modellleistung durch parallelisierte Pipeline-Optimierung um 20 % verbessert wurde.
Software Developer
Sentient LTD
- Entwickelte ein Echtzeit-CNN-Drohnenüberwachungssystem (25 FPS, 97 % Zeichen-Erkennungsgenauigkeit) und setzte Ensemble-Fraud-Detection-Modelle ein, beide als produktive Systeme mit messbarem operativem Nutzen.
- Aufbau und Bereitstellung von Fraud-Detection-Modellen mit Ensemble-Klassifikatoren, wodurch die Systemsicherheit verbessert und Betrugsfälle in der Produktion messbar reduziert wurden.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Luft- und Raumfahrt und Verteidigung, Werbung, Bildung und Einzelhandel.
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) und Marketing.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Stanley spricht folgende Sprachen: Englisch (Muttersprache), Deutsch (Grundkenntnisse).
Stanley hat mindestens 5 Jahre Erfahrung. In dieser Zeit hat Stanley in mindestens 5 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 1 Monat. Beachten Sie, dass Stanley möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Stanley gut geeignet für Rollen wie: Senior AI Engineer & Technical Lead, Senior AI / Machine Learning Engineer, Senior ML Engineer.
Die neueste Position von Stanley ist Senior AI Engineer & Technical Lead bei Independent / Freelance.
In den letzten Jahren hat Stanley für Independent / Freelance, KoloXO, Nabafat.AI, Roc4Tech und Sentient LTD gearbeitet.
Stanley hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Luft- und Raumfahrt und Verteidigung und Werbung. Stanley hat auch etwas Erfahrung in Bildung und Einzelhandel.
Stanley hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E). Stanley hat auch etwas Erfahrung in Marketing.
Stanley hat einen Bachelor in Mechanical and Production Engineering von Enugu State University of Science and Technology.
Stanley hat 4 Zertifikate. Darunter sind: Complete Machine Learning & Data Science Bootcamp, Artificial Intelligence & Machine Learning, Professional Certificate und Deep Learning with TensorFlow.
Die Verfügbarkeit von Stanley muss bestätigt werden.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Mathias W.
Letzte Position:
Umsetzung einer On-Premise-OCR-Lösung mit Informationsextraktion bei Mindhopper GmbH
- Versicherungsdienstleister*
Herausforderung: Geschäftskritische Dokumente liefen über externe OCR-Dienstleister mit laufenden Kosten, Abhängigkeit und Datenschutzrisiken bei sensiblen Versicherungsdaten.
Umsetzung:
- Architektur und produktive Umsetzung einer On-Premise-OCR-Lösung mit vollständiger Datenhoheit
- Verfahren zur Erkennung von Dokumentstrukturen als Basis der automatisierten Weiterverarbeitung
- ML-, NLP- und LLM/VLM-basierte Informationsextraktion, insbesondere aus Rechnungen und Angeboten
Erfolg: Ablösung der externen Dienstleister: volle Datenhoheit, DSGVO-konforme Verarbeitung und 75 % geringere laufende OCR-Kosten p. a.
Verwendete Technologien: Python, Docker, Microservices, FastAPI, PyTorch, Torchvision, MongoDB, MySQL
Martin M.
Letzte Position:
Product Owner AI-Lernplattform bei B2B Tech Scale-Up
- Agiler Aufbau einer multimodalen Analyseplattform für Trainingsmaterial (Video, Audio, Dokumente) nach Scrum
- Extraktion kontextrelevanter Inhalte basierend auf Nutzerprofilen & Kompetenzdimensionen
- Personalisierte Ausspielung von Lerninhalten zur Steigerung der Vertriebsperformance
- Enge Abstimmung mit Sales-Teams & Stakeholdern zur Validierung der Features
- Einsatz von Gemini, Whisper, Python & JavaScript, Deployment auf AWS, Perl für Skripte zum Datenimport
- Integration in bestehende Tools & CRM-Systeme zur reibungslosen Einführung
- Genutzte Technologien: Python, OpenAI, Datenbanktechnologien wie PostgreSQL, CI/CD für AirFlow-DAGs, FastAPI
Samuel K.
Letzte Position:
Gründer & Agentic-AI-Ingenieur bei Agentakt LLC
Unabhängige Engineering-Praxis mit Schwerpunkt auf kundenspezifischen KI-Systemen, produktiver Umsetzung und anteiliger technischer Leitung.
Ausgewähltes Kundenprojekt: Scalutions
Rolle: Tätigkeit als anteiliger CTO und technischer Leiter mit direkter Entwicklungsverantwortung; verantwortlich für die Architektur und die agentische Infrastruktur hinter dem betreuten B2B-Outbound-Betrieb.
Produkt: OutboundLoop entworfen und entwickelt, ein agentisches SDR-Betriebssystem für Recherche, Qualifizierung, personalisierte Ansprache, Kampagnenmanagement, menschliche Freigaben, Messung und kontinuierliche Verbesserung.
Umfang: Verantwortung für den gesamten Systemlebenszyklus – von Geschäftsprozessen und Agentenverhalten über Kontextdesign, Modell-Routing, Integrationen, Evaluierung, Telemetrie, Zuverlässigkeit und Kostenkontrolle bis hin zum Produktivbetrieb.
Patrik G.
Letzte Position:
Technical Lead Conversational AI bei CANCOM
- Technische Leitung eines Teams zur Entwicklung agentischer Chatbot-Lösungen (React, TypeScript, Python, FastAPI)
- Architekturdesign für Multi-LLM-Dialogsysteme – Fokus auf Wartbarkeit, UX und autonome Ausführung
- Abstimmung mit Stakeholdern, CI/CD-Prozesse und AI-Integration auf Enterprise-Niveau
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Eine generische, universelle Systemplattform für XR-Anwendungsfälle (AR, VR) im Rahmen der europäischen IPCEI-Initiative definiert
- Verfügbare Optionen für Backend-, Streaming- und Client-Implementierungen bewertet
- PoC-Implementierungen entwickelt und potenzielle Komponenten technisch bewertet
- Das Entwicklungsteam geleitet und die Ziel-Systemarchitektur für eine vollständige End-to-End-Lösung definiert
- GenAI-PoCs entworfen und integriert (LLM, Zeitreihen, Vorhersagen, Agents)
- NeRFs und Gaussian Splatting für die Erstellung von XR-Inhalten erforscht und Methoden zur Messung und Reduzierung von Systemlatenzen analysiert
- An GPU-Scheduling, CUDA und verwandten Themen gearbeitet
- Backoffice- und Endbenutzer-Dashboards mit Grafana und Superset definiert und implementiert
- Jaeger-Tracing zur Analyse bestimmter Ereignisse verwendet
- Eine GenAI-basierte automatische Alarmierungsfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten definiert
- AR/VR/XR-IoT-Geräte integriert
- Mit Business-Development- und UX-Teams in einem parallel laufenden Design-Thinking-Prozess zusammengearbeitet, um technische Anforderungen und den Customer-Journey-Umfang abzustimmen
- Die neuen Services und die Plattform in bestehende Telekommunikationsumgebungen integriert und Tools wie Camara für teilweise Integrations- und Übergabeszenarien analysiert
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
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Senior AI Engineer & Technical Lead

