Finden Sie in wenigen Minuten den perfekten KI-Lösungsarchitekten in Deutschland aus über 15.000 Lebensläufen – mit der Kraft von KI.

Azure AI Foundry, GitHub Copilot (Agent Mode), Model Context Protocol (MCP), Kubernetes, CloudFoundry, Terraform, GitHub Actions, Langfuse, Python, Grafana

Ziel: Beschleunigung des unternehmensweiten Developer Enablements und der Migration von GitLab/Jenkins zu GitHub durch sichere CI/CD-Standards und automatisierte, agentische Entwicklerunterstützung.

• Eine KI-Support-Agent-Lösung auf Enterprise-Niveau entworfen und bereitgestellt, integriert in GitHub Copilot via MCP, damit Entwickler kontextbezogen in alten Confluence-Dokumenten und Git-Repositories suchen können.
• Sichere, wiederverwendbare GitHub Actions-"Golden Path"-Templates entworfen und standardisiert, um das Onboarding zu beschleunigen und Compliance by Design für Delivery-Teams sicherzustellen.
• Robuste Data Pipelines aufgebaut und entwickelt, um ein DevOps Maturity Model zu etablieren und Plattformnutzung sowie Migrations-KPIs über Grafana und Azure Monitor zu überwachen.
• LLM-Observability- und Evaluierungsframeworks mit Langfuse und Azure Monitor etabliert, um Agent-Antworten zu optimieren und Token-Kosten zu kontrollieren.

Scope: Eingebettet als FP&A Data & AI Architect innerhalb der Finance-Funktion eines großen europäischen Kühlanlagenherstellers. Ich habe die Transformation von manuellem, fragmentiertem Finanzreporting hin zu einer automatisierten, governance-getriebenen Intelligence-Plattform geleitet. Der Schwerpunkt lag auf dem Wechsel von Excel-basiertem Controlling zu strukturierter Datenarchitektur, Power-BI-Analytics und AI-gestützter Finance-Operation.

Financial Data Integrity & ERP Governance

• GL- vs. Subledger-Abstimmungen angestoßen und geführt sowie strukturelle Abweichungen zwischen Hauptbuch- und Nebenbuchdaten identifiziert und behoben, die vor meinem Start unentdeckt geblieben waren
• Anlagenanalysen durchgeführt, um Posten ohne Buchung im Hauptbuch zu identifizieren und Lücken im Anlagevermögen sowie in der Periodenabgrenzung aufzudecken
• SAP-Reports validiert und damit Baseline-Standards für die Datenqualität der Finance-Nutzung etabliert
• Einen systematischen SAP-Datenvalidierungsrahmen aufgebaut, der die laufende Integrität zwischen ERP-Buchungen und nachgelagerten Reporting-Ergebnissen sicherstellt

Finance Reporting Transformation

• Einen strukturierten Transformationsansatz für die Umstellung manueller Finance-Reports in vollautomatisierte Prozesse entworfen und umgesetzt
• Das Data Reporting Audit Log erstellt und verantwortet; ein zentrales Tracking-System, das Report-Owner, Stakeholder, Datenquellen, manuellen Aufwand und Automatisierungspotenziale über die gesamte Finance-Funktion erfasst
• Die gesamte Reporting-Landschaft kartiert, um Quick-Win-Automatisierungen und strategische Power-BI-Migrationskandidaten zu identifizieren
• Den manuellen Excel- und PowerPoint-Einsatz in FP&A-Workflows aktiv reduziert; Punkt-zu-Zeitpunkt-Snapshots durch Live-Datenmodelle mit Governance ersetzt

Power BI & Analytics Enablement

• Power BI als strategische Reporting-Plattform gegenüber der Finance-Leitung eingeführt und präsentiert und damit intern Zustimmung für die BI-Transformationsroadmap aufgebaut
• Eine erste Power-BI-Architektur entworfen, abgestimmt auf SAP-, Salesforce- und Oracle-Datenstrukturen sowie auf FP&A-Reporting-Anforderungen
• Report-Ownership, Governance-Dokumentation und Standards für Data Lineage etabliert, um nachhaltige Self-Service-Analytics im Finance-Team zu ermöglichen

Transformation Infrastructure & Collaboration

• Jira als zentrales Projektmanagement-Hub für die Transformation konfiguriert und eingeführt, inklusive strukturierter Sprint-Workflows, Backlog-Management und transparenter Fortschrittssteuerung für Finance-IT-Initiativen
• Einen dedizierten FP&A Communication & Transformation Hub vorgeschlagen und angestoßen, ein strukturierter, bereichsübergreifender Austausch zur Ausrichtung von Finance, IT und Fachbereichen auf die Reporting-Transformationsroadmap
• Die Finance-Funktion als aktiven Treiber für Data Governance und digitale Transformation im Gesamtunternehmen positioniert

Outcomes

• GL-/Subledger-Abweichungen identifiziert und ein Untersuchungsrahmen innerhalb der ersten zwei Wochen des Einsatzes aufgebaut
• Data Reporting Audit Log ausgerollt; das erste strukturierte Inventar der Finance-Reporting-Landschaft in der Unternehmensgeschichte
• Power-BI-Transformationsroadmap vorgestellt und von der Finance-Leitung freigegeben
• Jira-basierte Projektgovernance live; Finance-Transformation wird nun mit voller Sprint-Transparenz verfolgt

Technologies: SAP FI/CO · Power BI · DAX · SQL · Excel (advanced) · Power Query (M) · Power Automate · VBA · Jira · Microsoft 365 · SharePoint · Salesforce (Sales Data) · Oracle HCM · Python

• Technische Programmverantwortung für die IPv6-Migration bei der DRV RP und DRV BW, mit Fokus auf Migrationsplanung, Umsetzungsstruktur und bereichsübergreifende technische Koordination.
• Entwurf und Implementierung eines operativen Steuerungsmodells mit Dashboard, Aktionsboard, KPI-Portfolio, Risikoregister und Entscheidungsindex, um technische Themen in strukturierte Lieferartefakte umzusetzen.
• Koordination der technischen Basis für Architektur und Rollout in den Bereichen IPv6-Adressierung, Segmentierung, Dual-Stack-Zielgestaltung, Test-Lab-Planung und teamübergreifende Abhängigkeiten.
• Unterstützung von sicherheits- und compliancebezogenen Anforderungen im Kontext von BSI, NIS2 und kritischer Infrastruktur und deren Übersetzung in nachvollziehbare Nachweise, Risiken und Management-Reporting.
• Erfolg: Aufbau eines wiederverwendbaren Intake-to-Governance-Workflows zur systematischen Erfassung technischer Maßnahmen, Risiken, offener Punkte und Nachweisanforderungen.
• Erfolg: Schaffung einer operativen Basis für die Programmdurchführung mit messbaren KPIs, klarer Verantwortlichkeit und transparenter Entscheidungsunterstützung.

• Hatte direkte Linienverantwortung für ein Team von 4 Platform Engineers — inklusive Hiring, Performance Reviews und Karriereentwicklung — und habe dabei einen gemeinsamen Rahmen für Engineering-Standards sowie eine Coaching-Kultur aufgebaut, die die Delivery über Kundenprojekte hinweg beschleunigt hat.
• Habe ein Team von Engineers geführt, um ein cloud-natives Voice-AI-System für einen großen Inspektionskunden zu entwerfen. Damit konnten 2.500 Außendienst-Inspektoren ihre Arbeit komplett freihändig per Echtzeit-Transkription und AI Agents dokumentieren — manuelle Dateneingabe über 440.000 Inspektionen pro Monat wurde eliminiert und die Kosten pro Nutzer von 9 $ auf 1 $ gesenkt. Stack: AWS (DynamoDB, S3, Transcribe, CloudFront, API Gateway, Bedrock), ElevenLabs, Claude.
• Habe ein Team von Engineers geführt, um das Management von Kubernetes-Clustern über mehrere Regionen für einen globalen SaaS-Marktführer zu automatisieren. Dadurch sank die Bereitstellungszeit von 3 Wochen auf unter einen Tag und 90 % der Konfigurationsfehler wurden eliminiert. Stack: EKS, Terragrunt, Python, Bash, ArgoCD.
• Accelerator - Cloud-agnostische KI-Plattform: Ich habe eine cloud-agnostische, Kubernetes-native Plattform als Accelerator entworfen und ausgeliefert. Damit wurde das Multi-Tenant-Management von selbst gehosteten LLMs im Enterprise-Maßstab ermöglicht, inklusive gleichzeitiger Bereitstellung mehrerer Basismodelle und dynamischem Serving von LoRA-Adaptoren. Ich habe die Produktionsinfrastruktur mit Open-Source-Tools (ArgoCD, Karpenter, vLLM, SGLang) entworfen, inklusive automatisiertem Modell-Lifecycle-Management, API-Security (Keycloak + LiteLLM) und kostenoptimierter GPU-Bereitstellung.

KI-gestützte Plattform für automatisierte UX-Validierung und Designer-Unterstützung

• Konzeption und technische Leitung einer unternehmensweiten KI-Lösung zur automatisierten UX-Überprüfung, die die Designqualität verbessert und manuelle Review-Prozesse in den Teams deutlich reduziert
• Entwicklung eines automatischen UX-Validierungstools als Figma-Plugin und Web-Anwendung, das auf Basis interner Richtlinien Testfälle generiert und aktuelle Designs zuverlässig auf Konsistenz und Standardkonformität prüft
• Umsetzung eines interaktiven Designer-Chats auf RAG-Basis, der Fragen zum aktuellen Design sowie zu den UX-Richtlinien des Unternehmens beantwortet sowie Konzeption der Deployment-Architektur auf Basis containerisierter Services
• Python, Azure OpenAI, PostgreSQL, REST API, Docker, OpenShift, Helm, CI/CD, Figma MCP, LLM, RAG, Prompt Engineering, GenAI, XAI, KI-Architektur, KI-Strategie

• Entwicklung einer SaaS-Anwendung zur automatisierten Schadenbearbeitung mit KI-Agenten (LLM) als primäres Entwicklungsteam
• Design & Test von effizienten und sicheren Context-Management-Setups im Entwicklungsprozess (u. a. Einsatz von Multi-Subagenten, Speichersystemen, Caching)
• Definition und Umsetzung von LLMOps-Pipelines mit Azure AI Foundry für KI-Agenten im Kundenkontakt (inkl. Versionierung, Logging, Audit-Trail, Sicherheitstests)
• Infrastrukturbereitstellung über IaC (Bicep), Anwendungskonfiguration über GitOps-basierte CI/CD-Pipelines (Rules Engine, Workflow Engine)
• Entwicklung integrierter Sicherheitsarchitektur-Designs zwischen KI-basierten und klassischen Anwendungen mit besonderem Fokus auf regulatorische Anforderungen
• Integration von Workflow- und Rules-Engine in einer NestJS-Servicearchitektur — zur automatisierten, regelbasierten Steuerung von Schadensprozessen
• Probabilistische Extraktion und Aufbereitung von Schadendaten als Grundlage für regelbasierte, deterministische Entscheidungslogik — nachvollziehbar, auditierbar und regulatorisch konform

Bewertung, Strukturierung und Bearbeitung komplexer Ausschreibungen für Sogeti sowie als Teil größerer Capgemini-Angebote. Schwerpunkt auf der Analyse anspruchsvoller Kundenanforderungen, der Ableitung tragfähiger Lösungskonzepte und der Übersetzung technischer, fachlicher und kommerzieller Aspekte in überzeugende Angebots-Storylines. In enger Abstimmung mit Delivery-, Sales-, Account- und Angebots-Teams wurden skalierbare und umsetzbare Quality-Engineering-Lösungen konzipiert, bewertet und für Kundenentscheidungen aufbereitet. Dazu gehörten die Auswahl geeigneter Rollenprofile und Right-Shore-Staffing-Optionen, die Bewertung verfügbarer Skills und Kapazitäten sowie die kommerzielle Ausarbeitung belastbarer Preis- und Aufwandskalkulationen.

Besonderer Fokus lag auf dem Bid Management und der Bearbeitung von Service-Angeboten (RfP-/Rfl-Analyse), Solution Design, Präsentations- und Management-Unterlagen sowie der fachlich-technischen Bewertung von Kundenanforderungen im Kontext von Quality Engineering & Testing, agentischer KI-gestützter Testautomatisierung mittels moderner Quality-Assurance-Ansätze.

Projekte SOGETI:

• BMW: Ausarbeitung einer Teststrategie inklusive Testmanagement, Testautomatisierung und Bereitstellung eines Rightshore-Delivery-Modells.
• GEA: SAP Business Assurance und Quality Engineering für einen SAP-Rollout inklusive Test-Governance, Test-Automatisierung, AI-Agent-Layer und Hypercare-Konzept.
• AIXTRON: SAP S/4HANA Cloud Migration Explore Phase mit QA-Assessment, testbarer Blueprint-Struktur, Staffing und skalierbarem Sogeti Delivery Approach.
• Deutsche Glasfaser: Quality Engineering & Testing für DG Development Squads u. a. für den Bereich ServiceNow und Salesforce, Testautomatisierung und -Governance.
• ERGO: RfP-/Angebotsunterstützung für Managed Service Test Data Provisioning sowie eine Jira-/Atlassian-Einführung mit Assessment, Zielbild, MVP, Rollout und Governance.
• Münchener Rück: Angebots- und Lösungskonzeption im Versicherungsumfeld mit Fokus auf Testdatenbereitstellung, Prozessanalyse, Compliance, Automatisierung.
• BWI: Projekt-/Angebotskontext im Public-/IT-Service-Umfeld mit Bezug zu Quality Engineering, Test Factory und digitaler Transformationsunterstützung.
• Rolls-Royce: Angebots-/Projektunterstützung im Sogeti-Kontext mit Fokus auf strukturierte RfP-Analyse, Lösungskonzeption und kundenorientierte Angebotsaufbereitung.

• Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
• On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
• Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
• Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
• Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.

• 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

Als Solution-Architekt für Agentic AI in der KFZ-Schadensabwicklung leitete ich weltweite Kundenimplementierungen, einschließlich Lösungsdesign und -detaillierung, Mandantenfähigkeit, Prozessabläufe, Integration mit Drittanbieterlösungen und Lokalisierungsanforderungen.

• Architekturanalyse: Durchführung einer detaillierten Analyse der Geschäftsanforderungen, Verwaltung der Anforderungen und Erstellung ausführlicher Spezifikationen.
• Definition von Services: Entwicklung umfassender technischer Definitionen für Services und Integrationsverträge.
• KI-Prozessmanagement: Automatisierung des KI-Prozessmanagements mit Fokus auf Analyse, Optimierung und kontinuierliche Verbesserung.
• Anforderungsaufnahme: Durchführung von Sessions zur Anforderungsaufnahme und Analyse von Geschäftsprozessen zur Identifizierung von Optimierungspotenzialen.
• Agile Zusammenarbeit: Einsatz agiler Methoden und enge Abstimmung mit Stakeholdern zur Gewährleistung von Ausrichtung und Flexibilität.
• Technischer Support: Unterstützung des Senior Managements bei technischen Analysen und Beurteilungen der Umsetzbarkeit.

• Integration der LangChain-Middleware zwischen AEM und SAP-PIM-System
• Entwicklung einer FastAPI-Schnittstelle für die Systemkommunikation
• Implementierung von Vektor-Embeddings für die semantische Produktsuche
• Evaluation von LLM-Modellen (Vertex AI/Gemini, LM Studio, Hugging Face, OpenAI) für Produktanalysen
• Entwicklung einer AEM-Komponente zur Anzeige von Produktempfehlungen und Integration der Empfehlungs-API in den AEM-Authoring-Prozess
• Konzeption und Implementierung einer Pinecone-Vektordatenbank für Produkt-Embeddings
• Optimierung von Antwortzeiten und Caching-Strategien
• Evaluation von Vertex AI Studio für LLM-Tests und Prompt-Workflows
• Umsetzung sicherer API-Routing- und Zugriffskontrollen für KI-Komponenten per FastAPI und Gateway-Validierung

• Allgemeine CTO-Verantwortlichkeiten (Architekturdesign, operative Einrichtung, externe Laufzeitanalyse des Produkts, Investorenbeteiligung, regulatorische Compliance)
• Aufsicht der Softwareentwicklung (tiefgehende Implementierungsarbeit) sowie Workflow-Design
• Produkt-Mitinhaberschaft
• Technik/Tools/Frameworks: proprietäre Software (Java, JavaScript), Kubernetes, Postgres, MinIO, Ollama (intern), mehrere xAI-APIs (extern), OpenTofu (Terraform), Keycloak, Kafka, Prometheus, ELK Stack, GitHub, GitHub Workflows, Argo CD, ISO 27001, BSI-ISM, EU AI Act

• Klärung von Projektzielen, Umfang und fachlichem Zielbild für den Aufbau der KI-basierten Wissensdatenbank.
• Ableitung der initialen Architektur- und Umsetzungsstrategie für den Zasterbot-Chatbot inklusive Abgrenzung von minimal funktionsfähigem Produkt (MVP) und Ausbaustufen.
• Erarbeitung eines fachlichen Zielbilds für den Aufbau einer strukturierten Wissensdatenbank und die Integration eines zukünftigen Chatbots.
• Ableitung und Priorisierung von Anwendungsfällen für die Informationsbeschaffung und -bereitstellung durch den Chatbot.
• Modellierung von Datenstrukturen und -flüssen zur effektiven Organisation der Wissensdatenbank auf der Base44-Plattform.
• Konzeption und Implementierung der Datenmodelle zur Speicherung und Verknüpfung relevanter Informationen.
• Entwicklung von Prozessen zur Extraktion, Analyse und Aufbereitung von Rohdaten für die Wissensdatenbank.
• Sicherstellung der Datenkonsistenz und -qualität als Grundlage für den zukünftigen Chatbot.
• Planung der Integration großer Sprachmodelle (LLMs) und Retrieval-Augmented Generation (RAG) für präzise und kontextbezogene Antworten.
• Implementierung von Funktionen zur Analyse und Darstellung von Daten aus der Wissensdatenbank.
• Nutzung der Base44-Plattform mit JSON-Schema-basierten Entitäten und flexiblem Berechtigungskonzept.
• Implementierung von Deno-Funktionen für Backend-Logik, Eventverarbeitung und Anbindung externer APIs.
• Integration von OpenAI-Services für die initiale Datenanalyse.