Automatic Speech Recognition Experten in Deutschland

Projekt: Konzeption und Umsetzung eines AI-Produkts für vier fachliche Anwendungsfälle

Projektleitung eines AI-Projekts bei einem führenden Anbieter für Großverpflegung und Catering, in dem gemeinsam mit einem externen Entwicklungspartner ein produktionsreifes AI-Produkt für vier Anwendungsfälle umgesetzt wurde: automatisierte Briefings aus CRM- und Dokumentendaten, sprachbasierte Erfassung und Strukturierung von Berichten, Erkennung und Zusammenführung von Dubletten in Stammdaten sowie datenbasierte Marktanalysen. Zentraler Schwerpunkt war eine datenschutzkonforme Architektur, die die interne IT-Security-Prüfung besteht und eine produktive Nutzung ermöglicht.

• Übersetzung fachlicher Anforderungen in abgrenzbare AI-Anwendungsfälle mit klar abgegrenztem Produktscope und klarem Nutzenversprechen
• Auswahl und Bewertung von Modellen und Architekturvarianten für Textextraktion, Sprache-zu-Text und Kontextanreicherung aus Fachsystemen, inklusive LLM-Anbindung, Function Calling und Retrieval
• Erarbeitung und Durchsetzung einer Architektur mit europäischem Hosting, Datenminimierung und Maskierung personenbezogener Daten als Voraussetzung für die Freigabe
• Steuerung der Schnittstellen zwischen Fachbereich, IT, IT-Security und externem Entwicklungspartner unter restriktiven Datenzugriffsbedingungen
• Abstimmung mit der CIO- und Geschäftsführungsebene zu Datenzugriff, Risikobewertung und Freigabeentscheidungen
• Vorbereitung der Überführung in den produktiven Einsatz

Entwickelte Python-basierte KI-Microservices und Integrationen für eine AEC/VR-SaaS-App auf Unity-Basis, mit Fokus auf LLM-/VLM-Funktionen, retrieval-gestützte Systeme, RESTful APIs, containerisierte Bereitstellung und einen Automatisierungs-Microservice für die CAD-zu-Unity-Pipeline.

• Entwickelte einen eigenen Hybrid-A*-Algorithmus in C#, um Hospitalszenarien zu simulieren und frühe Designkonflikte anhand von Kollisions- und Raumdaten zu erkennen sowie strukturierte Berichte zu erzeugen.
• Löste und automatisierte das zeitaufwändige Problem, CAD-Dateien in nutzbare Unity-Umgebungen zu überführen, mit einer eigens entwickelten Echtzeit-Pipeline und einer ZeroMQ-basierten Kommunikationsebene, um Lasten auf mehrere Prozesse zu verteilen und Echtzeitfähigkeit zu erreichen.
• Entwickelte eine Docker-basierte FastAPI-Pipeline für die CAD-zu-Unity-Automatisierung, die bildbasierte Objekterkennung, Image Embeddings und vorab berechnete Metadaten kombiniert, um CAD-Objekte automatisch Unity-Verhaltensskripten zuzuordnen, Eigenschaften zu setzen und wiederholte KI-Inferenzaufrufe zu reduzieren.
• Erstellte Dokumentation und Beispiele, um technischen Nutzern zu helfen, die KI-Automatisierungspipeline zu verstehen, zu konfigurieren und zu erweitern.

• Verantwortung für die Konzeption, Planung und Umsetzung der Produktentwicklung von GetMyInvoices 2.0 und der Unterkomponente InvoiceRails
• Eigenständige Arbeit an allen Aspekten des Projekts, einschließlich Konzeption, Spezifikation in Tickets und Koordination der Entwickler
• Erstellung, Verwaltung und Priorisierung von Tickets, um sicherzustellen, dass alle Aufgaben zeitgerecht und in hoher Qualität abgeschlossen werden
• Durchführung und/oder Koordination von Tests und Sicherstellung der ordnungsgemäßen Implementierung der entwickelten Features und Funktionen
• Enge Zusammenarbeit mit Entwicklern, um technische Anforderungen zu klären und sicherzustellen, dass die Umsetzungen den Spezifikationen entsprechen
• Regelmäßige Berichterstattung über den Projektfortschritt und Dokumentation der wichtigsten Entscheidungen, Änderungen und Risiken
• Übernahme der fachlichen Führungsrolle für alle Themen rund um E-Rechnungen und Peppol, insbesondere in Bezug auf die InvoiceRails-Komponente
• Interne Beratung und Wissensweitergabe zu E-Rechnungen und Peppol für andere Teams und Abteilungen
• Verfolgen von Markttrends und neuen Entwicklungen im Bereich E-Rechnungen und Peppol, um die Produktstrategie kontinuierlich anzupassen
• Sicherstellung der langfristigen Skalierbarkeit und Anpassungsfähigkeit der Produkte an zukünftige technologische und gesetzliche Änderungen im Bereich E-Rechnungen

• ▶ 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.

• Verantwortlich für Konzeption, Kamera, Schnitt, Animation und Grading bei Corporate- und B2B-Produktionen
• Steuerung der Projekte von der Kalkulation über Dreh und Post bis zur Auslieferung
• Seit 2023 durchgängig KI-gestützte Produktionspipeline: Runway, Kling, Veo, Sora und Seedance für Bild und Bewegtbild
• ComfyUI für Charakter-Konsistenz, ElevenLabs für Voice, HeyGen für Avatare
• Aufbau reproduzierbarer Workflows für skalierbare Social-Formate
• Aufbau lokaler LLM-Infrastruktur auf eigener GPU-Hardware: Ollama, Multi-Agent-Systeme, RAG, Speech-to-Text und Text-to-Speech
• Prozessautomatisierung für Lead-Generierung, E-Mail- und API-Workflows, Reporting und Dokumentenerstellung

• Leitung eines Teams von 15 Annotatoren bei groß angelegten Computer-Vision-Projekten für autonome Fahrzeugsysteme
• Entwicklung umfassender Annotationsrichtlinien, wodurch die Übereinstimmung zwischen Annotatoren um 35 Prozent verbessert wurde
• Einführung von Qualitätskontrollprozessen, die die Fehlerquote in allen Projekten um 42 % senkten
• Zusammenarbeit mit ML-Ingenieuren zur Identifizierung von Sonderfällen und Verbesserung der Datenqualität
• Verwaltung von Annotationsprojekten für Fortune-500-Kunden mit 100 % termingerechter Lieferung

• Steuerung von Projekten vor Ort
• Koordination verschiedener Stakeholder (Operations, IT, Maintenance, Lieferanten, Dienstleister)
• Führung von Technikern und externen Auftragnehmern
• Planung von Ressourcen, Zeitplänen und Budgets
• Qualitäts-, Risiko- und Sicherheitsmanagement
• Durchführung täglicher Status-Meetings
• Eskalationsmanagement und Problemlösung
• Pflege von Projekt-Tracking, Ticketsystemen und KPI-Dashboards
• Material- und Ersatzteilmanagement
• Erstellung von Reports und Projektstatusupdates

Umgebung: Infrastruktur, Logistik

• Unterricht in deutscher Literatur und Linguistik

• Aufbau eines KI-Systems für Trend-Scouting zur Automatisierung von Technologie-Intelligence in der Leistungselektronik und bei Halbleitern, kombiniert mit Azure OpenAI und LangChain, Scrapy-basiertem Web-Crawling für eine strukturierte, störungsfreie Datenerfassung sowie automatischer PDF-Berichterstellung für den internen F&E-Einsatz. Entwicklung einer FastAPI-basierten Webanwendung (Uvicorn) zur Validierung von LLM-Ausgaben, zum Testen von Prompt-Strategien und für eine interaktive Systembewertung.
• Entwicklung eines Echtzeit-Debuggers für STM32-Binärtelemetrie mit PyQt-basierter GUI, inklusive header-basierter Framesynchronisation, Anomalieerkennung, template-gesteuerter Payload-Dekodierung, zeitsynchronem Buffering und Live-Signalvisualisierung.
• Entwicklung eines KI-gestützten Designers für Leistungsdrosseln mit Surrogate-Regression-Modellen für eine genaue elektromagnetische und thermische Vorhersage. Integration einer Multi-Objective-NSGA-II-Optimierung zur Generierung effizienter, fertigungsgerechter Designs.

• Entwicklung einer KI-gestützten Persönlichkeitsanalyse auf Basis der SDWA4 des Instituts: Onlineumfrage, KI-gestützte und automatisierte Auswertung und E-Mail-Versand
• Anforderungsanalyse, Prototyp-Entwicklung, Evaluation, Ableitung einer vereinfachten Analyse SDWA4-light, kontinuierliche Verbesserung, Design, Make-Automatisierung, Bereitstellung

End-to-End-Verantwortung für alle Produkte – Konzeption, Architektur, Entwicklung und Produktivbetrieb als alleiniger Entwickler; daneben Kundengespräche, Angebote und Marketing.

Underwriting Copilot – KI-Assistent für die Industrieversicherung (produktiv im Kundeneinsatz)

• Unterstützt Underwriter bei der Analyse industrieller Versicherungs-Submissions – im Produktivbetrieb bei einem Industrieversicherer.
• Framework-unabhängige RAG-Architektur mit Hybrid Search (BM25 + pgvector) über große, heterogene Dokumentbestände.
• Zweistufige Evaluations- und Observability-Pipeline (Code-Assertions + LLM-as-Judge), die Antwortqualität, Retrieval-Genauigkeit und Citation-Integrität regressionssicher messbar macht.

Kaiki Menu Analyzer – Data-Intelligence-Plattform (produktiv im Kundeneinsatz)

• Erfasst und analysiert automatisiert Speisedaten aus rund 25.000 deutschen Restaurants.
• Skalierbare 7-Container-Architektur (FastAPI, partitioniertes PostgreSQL, Redis/RQ) mit LLM-gestützter Extraktion strukturierter Daten aus PDF, HTML und Bildern.
• Vollständige CI/CD-Pipelines (GitHub Actions), produktives Cloud-Deployment, interaktive Dashboards (Dash).

Kaiki GEO Atlas – GEO-Plattform (produktiv im Kundeneinsatz)

• Misst die Marken-Sichtbarkeit über fünf KI-Engines (ChatGPT, Gemini, Perplexity, Grok, Claude), jede web-search-augmentiert, orchestriert als DAG-Workflow-Pipeline (Dispatcher → Sub-Workflows → Scoring → Report) mit Fail-Isolation.
• 6-Container-Deployment (FastAPI, Celery, Redis, PostgreSQL); LLM-Kostenschätzung, PDF-Audit-Report, regelbasierte Cross-Signal-Insights (kein zusätzlicher LLM-Aufwand).

Data Pipeline & Analytics Platform – Wettbewerbsanalyse im Automotive-Aftermarket

• Automatisierte Daten-Pipeline mit Gap-Analyse-Algorithmen und rollenbasierter Zugriffskontrolle; 230+ Tests.
• Backend mit FastAPI, PostgreSQL, SQLAlchemy.

Produktentwicklung (in aktiver Entwicklung)

BankingGPT – KI-Assistent für das Beschwerdemanagement im Genossenschaftsbanking

• Sicherheitsarchitektur im Kern: kein KI-Entwurf erreicht den Kunden ohne menschliche Freigabe – die Freigabe-Entscheidung liegt in auditierbarem Code, nicht im Sprachmodell (monoton: das Modell darf hochstufen, nie senken).
• Echte agentische Bausteine, jeder mit eigener Grenze: das Modell wählt selbst Werkzeuge über einen MCP-Server (nur-lesend, Allowlist, gedeckelt, fail-safe); heikle Fälle gehen per offenem A2A-Protokoll (JSON-RPC, Agent Card, message/send/tasks/get; Client selbst implementiert) an einen eigenständigen Fach-Agenten (Wertpapier/Recht), der die Prüfpflicht nie senkt (per Test gepinnt).
• Evaluations-getrieben über zehn Analyse-Runden; deckte per unabhängigem Review und Blind-Tests einen Sicherheitsdefekt auf, den neun automatisierte Läufe übersehen hatten.
• Voice-AI-Frontend, live antwortend: gedeckte Fälle werden im Gespräch beantwortet, heikle eskalieren vor der Generierung; Antwortlatenz < 7 s gemessen (lokale GPU-STT/TTS).

Stack & Produktionsnähe: Python, pydantic-ai, FastAPI/Celery, PostgreSQL/pgvector, FastMCP, fasta2a, Docker; mehrmandantenfähig (physische Vektor-Isolation je Mandant), PII verschlüsselt, OWASP-LLM-reviewt, 275 Tests, CI/CD; anbieter-portabel (Ollama / EU-Cloud-Vertex).

After-Sales Assistant – agentischer RAG-/GraphRAG-Assistent auf öffentlichen OEM-Handbüchern (Automotive After-Sales)

• Genuin agentisch auf LangGraph: ReAct-Agent mit vier Werkzeugen und Gesprächsge-dächtnis – das Modell entscheidet selbst, ob es das Handbuch (RAG, Chroma), einen Wissensgraphen (GraphRAG, Neo4j/Cypher – Warnleuchten dekodieren) oder einen Werkstatt-/Buchungsdienst anspricht.
• Human-in-the-Loop vor der irreversiblen Aktion: vor jeder Terminbuchung pausiert der Graph (interrupt) und holt die ausdrückliche Bestätigung des Fahrers – dieselbe Freigabe-vor-Aktion-Disziplin wie in BankingGPT, in einem anderen Framework.
• Eval als CI-Gate: dreiteiliges Scorecard (RAGAS-Grounding + deterministische Tool-Routing-Genauigkeit + DeepEval-Safety: führt die Antwort bei kritischer Warnung zuerst die Warnung an?) blockt die Pipeline; provider-agnostisch (OpenAI/Azure/Anthropic), FastAPI mit Token-Streaming.

Stack: Python, LangChain/LangGraph, Chroma, Neo4j, RAGAS/DeepEval, FastAPI, Docker.

• Entwicklung und Einführung einer browserbasierten Plattform für Kamera-Streaming, Augmented Reality (AR) und visuelles Computing
• Endgeräteunabhängiges Kamera-Streaming für Smartphones, Tablets, Desktop-PCs sowie VR- und AR-Brillen
• Gewährleistung DSGVO-konformen Hostings in Open Telekom Cloud und weiteren souveränen Cloudanbietern
• Intuitive visuelle und kollaborative Funktionen zur Effizienzsteigerung und nahtlosen Integration in bestehende Unternehmenssoftware

• Modelle für Chatbots, NLP und LLMs (z. B. Llama, Qwen, OpenAI) erforschen und entwickeln
• Chatbots mit RAG und In-Context Learning verbessern
• Supervised Fine-Tuning (PEFT, LoRA), Huggingface oder Unsloth
• Fortgeschrittene Trainingsmethoden: Test-Time Training, (transduktives) Active Learning, Reinforcement Learning
• Serving mit hohem Durchsatz mit vLLM
• Embedding-Modelle anwenden (z. B. SentenceTransformers), Similarity-/Vektorsuche oder Vektor-DB oder Ranking (z. B. LlamaIndex, Faiss, LangChain)
• Synthetische Daten erzeugen und filtern, Clustering
• Halluzinationen erkennen
• Chatbot-Modelle bewerten (Rouge, BLEU, F1-Score, Recall, Precision)
• Visualisierung von Experimenten (matplotlib)

• Einführung von 5 verschiedenen Prozessanwendungen für unterschiedliche Teams

• Planung von Releases: Scope- und Zeitmanagement

• Ressourcen-/Kapazitätsplanung

• Durchführung von Sprint-Planung / Retrospektiven

• Inkrementplanung (mehrere Sprints)

• Vorbereitung von Lenkungskreis-Meetings / Reporting an den Vorstand

• Koordination und Abstimmung mit externen Lieferanten / Lieferungen

• Ressourcenplanung für mehrere Projekte

• Abstimmung mit dem Fachbereich und dem Entwicklungsteam

• Ermittlung der Best Practices mit IBM BAW

• Kostenkontrolle und Planung des Projektteams sowie externer Dienstleister

• Erhebung von KPIs mithilfe von LogScale

• Analyse von Anwendungsfehlern mit LogScale / Queries

• Definition von User Stories / Abstimmung der Anforderungen mit Fachbereich und Entwicklungsteam

• Tests und Fehler-Tracking

• UI/UX-Entwurf der Anwendung

• Vorbereitung und Moderation von Brown-Paper-Workshops

• Testkonzept, Testdaten, Testorganisation, Testdurchführung

• Erfassung der Team-Velocity / Metriken

• Testdurchführung

• Erstellung von Skripten für automatisiertes Testen

• Testorganisation mit Fachbereich und IT

• Erfassung und Priorisierung der Fehler

• Aufbau und Betrieb der Anwendung

• Aufbau von Monitoring der Anwendung mit LogScale-Dashboards

• Überprüfung der Health-Endpoints mit PowerShell

• Post-Mortem-Analyse

• Aufbau von Incident Management

• Aufbau von Problem Management

• Analyse von Fehlern mithilfe von LogScale-Queries und Dashboards

• Datenvorverarbeitung für die KI

• Durchführung der Evaluation mit KI-Sprachmodellen (Meta Llama 3.3 LLM und deepset Haystack) und RAG

• Installation der Laufzeitumgebung für LLMs (Large Language Models)

• Evaluierung verschiedener LLMs

• Installation von RAG (Retrieval Augmented Generation) und Integration mit LLMs

• Extraktion unstrukturierter Daten mit LLMs und RAG

• Projekt basiert auf IBM BAW (Business Automation Workflow), Websphere Liberty, Domea, d.3, REST, LogScale (ehemals Humio), Swagger, PowerShell, Jira, Confluence, Lucom Interaction Platform (LIP), Mattermost, Jabber