Generative KI Ingenieure in Deutschland

Manufacturing-Intelligence-Plattform mit Enterprise-Workflows, RAG, Echtzeit-Funktionen für AI-Assistenten und Backend-Architektur über mehrere Repositories.

• Entwickelte und erweiterte produktive AI-/Backend-Services mit Django, DRF, FastAPI, GraphQL, Celery, PostgreSQL, MySQL, Redis und WebSockets über eine modulare Plattform mit mehreren Repositories.
• Mitgewirkt an ARIS V2, einem Echtzeit-AI-Assistenten für die Fertigung mit LangChain, LangGraph, MCP-Tool-Orchestrierung, Planungs-/Ausführungs-Workflows, OpenAI, AWS Bedrock, Qdrant sowie Retrieval auf Basis von Elasticsearch/OpenSearch.
• Unterstützte die Rollout-Erweiterung von ARIS V1 in 4 von 17 Kunden-Produktionswerken auf ARIS V2, das aktuell in 13 von 17 Werken aktiv ist, und steigerte so die reale Abdeckung auf mehr als 50 % der Kundenumgebung.
• Arbeitete an dokumentengestützter RAG-Funktionalität inklusive Ingestion, OCR, Chunking, Embeddings, Indexing, Retrieval, Reranking und geerdeter Antwortgenerierung für industrielle Workflows.

Stack: Python, Django, DRF, FastAPI, LangChain, LangGraph, GraphQL, Celery, WebSockets, OpenAI, AWS Bedrock, Qdrant, Elasticsearch/OpenSearch, PostgreSQL, MySQL, Redis, Docker.

Erstellung einer KI-Console zur Integration in unterschiedliche Open-Source-Lösungen (ERP, CRM..)

Erstellung der Zielarchitektur Einbindung unterschiedlicher KI-Plattformen (ChatGPT, Anthropic, Perplexity) Workflow mit plattformübergreifender Nutzung der KI-Plattformen Spracheingabe und Sprachausgabe Verlauf Projektverwaltung auf Konsolen-Basis Generierung von individuellen Agenten (Crewai..) Einbindung der Agenten in den KI-Workflow

• Erstellte ein multi-agentisches System, unterstützt von einem Wissensgraphen, um das Verfassen von Forschungsarbeiten zu automatisieren
• Setzte mehrere Experten (OpenAI-Modelle) ein, die beim Verfassen zusammenarbeiteten
• Extrahierte nützliche Informationen aus dem Wissensgraphen
• Technologien: LangChain, LangGraph, Smolagents, LlamaIndex, dspy
• Infrastruktur: Terraform und GitHub Actions (CI/CD) auf AWS
• Stellte die erste Anwendung als Streamlit-App bereit

• Enterprise-Retrieval-Augmented-Generation-(RAG)-Anwendungen mit LangChain, LangGraph, Vektordatenbanken, Embeddings und Open-Source-LLMs entworfen und bereitgestellt, die über vLLM auf GCP-GPU-Infrastruktur betrieben wurden.
• Agentic-AI-Workflows mit LangGraph entwickelt, inklusive Planung, Schlussfolgern, Tool-Ausführung, persistenter Speicherung, Sitzungsverwaltung und Human-in-the-Loop-Freigabemechanismen.
• LLM-gestützte Automatisierungssysteme entwickelt, die BigQuery, SQL-Pipelines und externe Werbe-APIs wie Meta, TikTok, Amazon, Snapchat, Google und Pinterest integrieren und manuelle operative Abläufe reduzieren.
• Multi-Agent-AI-Systeme für Enterprise-Analytics- und Entscheidungsunterstützungs-Workflows entworfen, die autonome Aufgabenausführung und intelligente Dateninteraktionen ermöglichen.
• Retrieval-Optimierungsstrategien umgesetzt, darunter Multi-Retriever-Architekturen, semantische Suche, Kontextoptimierung und Query-Verbesserungstechniken, wodurch die Relevanz der Antworten um etwa 40 % verbessert wurde.
• Strukturierte Prompting-Strategien, Function-Calling-Schemata und Validierungs-Workflows entwickelt, um die Zuverlässigkeit von mehrstufigen LLM-Anwendungen zu verbessern.
• Skalierbare AI-Services mit Python, FastAPI, Cloud Run, Pub/Sub, BigQuery, Docker und cloud-nativen Bereitstellungsarchitekturen entworfen.

Projekt: Neura Belden BHVA (Belden HI Vision Virtual Assistance)

• Übersetzte KI-Agenten-Konzepte in 4 verschiedene User Workflows (General, Redundancy, Network, VLAN Agents).
• Entwickelte 6 wegweisende Features mit technischen Spezifikationen: Predictive Issue Resolution, Cost Optimization Engine, Compliance Automation, Cross-Agent Orchestration, Knowledge Transfer Mode, Root Cause Analysis 2.0.
• Erarbeitete wiederverwendbare UX-Patterns und leichtgewichtige Standards für eine Experiment-First-KI-Umgebung: HTML/CSS/JS-Prototypen in einer Datei, semantische Barrierefreiheit, responsive Grid-Layouts und eine klare Komponentenstruktur für schnelle zukünftige POC-Iterationen.
• Übersetzte frühe KI-Konzepte in intuitive User Workflows und Interaktionsmodelle für 4 spezialisierte Agents, mit Fokus auf Klarheit, Vertrauensaufbau und progressive Offenlegung, um komplexe KI-Funktionen sichtbar zu machen.
• Dokumentierte Design-Entscheidungen und -Abwägungen in verständlicher Sprache für Nicht-Designer.

• ▶ Einen Echtzeit-Sprachassistenten gebaut (STT → LLM → TTS-Pipeline), mehrere STT-Anbieter wie faster-whisper und Azure Speech gebenchmarkt und bewertet. Sub-3s-Latenz erreicht, Groq API (Llama 3) mit Multi-Turn-Memory genutzt - mit direkter Behandlung von Edge Cases bei Diktat, Namen und Passcode-Erkennung.

Enterprise-KI-Inhaltskategorisierung und KI-gestützte Web-Recherche.

• Multi-LLM-Evaluierungs-Framework mit annotierten Daten aufgebaut
• LLM-Fehlerraten anhand annotierter Datensätze iteriert
• KI-gestützte Web-Recherche-Pipeline implementiert Technologie-Stack: LLM, evals, OpenRouter, Python, Node.js, TypeScript, React

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.

Konzeption, Planung und Produktionseinführung von zwei KI-Plattformen für industrielle Forschungs- und Engineering-Workflows, von der Use-Case-Identifikation und Anforderungsanalyse über Architekturentscheidungen und Build-vs-Buy-Abwägungen bis zum Go-Live.

• awRAG.io: Identifizierung des Anwendungsfalls (fragmentierte Wissensbasis über verteilte KI-Tools), Definition der Datenanforderungen, Architekturentscheidung für eine mandantenfähige RAG-as-a-Service-Plattform mit DSGVO-konformer EU-Infrastruktur und produktionsreifer Retrieval-Pipeline

• LAIERS.ai: Use-Case-Definition (Kontextverlust in linearen KI-Workflows), strategische Produktentscheidungen zu UX, Kostenstruktur und Multi-LLM-Orchestrierung, Rollout einer räumlichen KI-Konversationsplattform mit proprietärem Kontextmanagementsystem LAICS

• LLMOps-Verantwortung: Qualitätssicherung, Pipelineoptimierung, Sicherheitsarchitektur (OAuth 2.0, SOC 2) und Performance-Monitoring beider Plattformen im Live-Betrieb

• Kernthemen: LLM, RAG, Vektor-Datenbanken, LLMOps, KI-Architekturstrategie, Cloud-Infrastruktur, Datensouveränität

• Mitgegründet ein KI-Startup mit Fokus auf die Entwicklung produktionsreifer LLM-Anwendungen und Agentensysteme
• Entworfen und implementiert Multi-Agent-KI-Workflows für Finanz- und Handelsanwendungen
• Entwickelt LLM-basierte Copilot-Architekturen für Portfolioanalyse, Handelsverwaltung und personalisiertes Nutzercoaching
• Entwickelt On-Device- und Edge-Inferenzanwendungen, optimierte Modelle für geringe Latenz, Datenschutz und ressourcenbeschränkte Umgebungen
• Geleitet Architekturentscheidungen zur Modellauswahl, Orchestrierung, Zustandsverwaltung und Bereitstellung

• Durchführung von Marktanalysen zu GenAI-Lösungen
• Entwicklung der Go-to-Market-Strategie für eine internationale GenAI/RAG-Lösung
• Unterstützung bei der Rekrutierung von Offshore-Spezialisten in Indien
• Unterstützung des Sales-Teams

• Gestaltete die langfristige Strategie des Unternehmens neu, definierte Purpose, Vision und Mission und schuf so eine sinnorientierte Leistungskultur
• Erreichte den nächsten wichtigen Meilenstein bei der NextGen-Flugzeugentwicklung, indem ich das Programmmanagement leitete, die Zusammenarbeit eines funktionsübergreifenden Teams förderte und Anforderungen in einem Kundenbeirat validierte
• Führte den M&A-Prozess für den Verkauf einer Geschäftseinheit, einschließlich Due Diligence, Bewertung und Verhandlungen mit Käufern
• Steigerte das Umsatzwachstumspotenzial durch Verfeinerung des Kerngeschäftsmodells und Identifizierung von After-Sales als wichtigen Wachstumsbereich
• Leitete ein leistungsstarkes Team und betreute fünf direkte Mitarbeiter, um strategische Initiativen umzusetzen

• Sicherstellung des übergeordneten Projektzieles gemeinsam mit dem Product Owner
• Onboarding eines neuen Dienstleisters einschließlich Sourcing und Vertragsverhandlung mit relevanten Stakeholdern (z. B. Einkauf, Legal)
• Umsetzung und Durchführung der notwendigen Governance-Prozesse
• Integration neuer Extractions-Software/GenAI-Tools zur Verbesserung der Datenextraktion und -verarbeitung innerhalb eines Dokumentenmanagement-Workflows
• Laufendes agiles Management des Deliverables inkl. Aufbau von Projektorganisation und Controlling von Zeit, Qualität, Kosten im Kontext des Gesamtprojekts
• Teilprojektorganisation, insbesondere Anforderungsmanagement, Strukturierung, agile Planung und Priorisierung
• Organisation und Optimierung von Workstream-Kommunikation für einen End-to-End-Prozess
• Moderation und Gestaltung von Meetings und Workshops
• Change-Management-Consulting durch gezielte Einflussnahme, Coaching und Anreizsysteme

• Vortrag zur Einführung in generische K.I. und Large Language Models
• Erläuterung rechtlicher Rahmenbedingungen (EU AI Act, US CLOUD Act, DSGVO)
• Systematische Betrachtung von KI-Tools entlang des SDLC und Holistische Systeme
• Vergleich On-Prem LLMs vs. cloudbasiert sowie Change-Management und Betriebsrat
• Moderation der Diskussion und Ableitung nächster Schritte für die Einführung von KI Entwicklungstools