Digital Twin Experten in Deutschland

• Entwicklung einer MCP-Schicht (Model Context Protocol) für den Agentur-Service von Mwanachama, die Methoden von Domain-Managern in aufrufbare Werkzeuge für AI-Agenten umwandelt. Dazu gehörte ein zusammengesetztes Werkzeug, das aus einer einzigen Spezifikation ein vollständiges Organisationsdesign erstellt (Organigramm, Ziele, Workflows, RACI-Matrix).
• Entwicklung des chatgesteuerten Agentur-Builders (Wakala Studio und API), in dem eine Organisation ihre Struktur in natürlicher Sprache beschreibt und ein AI-Agent diese Werkzeuge verwendet, um das laufende Design zu erstellen und zu ändern.
• Hinzufügen eines Insights-Services, mit dem eine Organisation AI-Agenten-Interaktionen und abgeschlossene Arbeiten überprüfen kann. Die Erkenntnisse aus dieser Überprüfung fließen in das Lösungsdesign zurück, freigegeben durch Architekt und Nutzer.
• Parallel dazu Entwicklung und Aufbau der Plattform selbst: etwa 20 Go-Microservices auf PostgreSQL, Flutter- und React-Clients, bereitgestellt auf Kubernetes.
• AI-Agenten durchsuchen die Plattform autonom nach Sicherheitslücken und führen skriptbasierte Tests durch, einschließlich API-Tests (im Stil von Postman) und UI-Tests. Die übrige Arbeit bleibt überwacht. Keine außer Kontrolle geratenen Agenten, versprochen.
• Entwicklung einer AI-nativen Unternehmensplattform, die Organisationsdaten, Workflows und Verantwortlichkeiten für Menschen und AI-Agenten strukturiert.
• Abbildung von Verantwortlichkeit durch RACI, sodass menschliche und AI-Teilnehmer unterschiedliche operative Rollen übernehmen können, darunter Responsible, Accountable, Consulted und Informed. AI-Agenten können außerdem kontrollierte Freigaberollen übernehmen, wenn die Organisation ihnen diese Verantwortung zuweist.
• Übertragung der Themen Organisations- und operationelles Risiko aus meiner Executive-MBA-Thesis in Software, sodass Rollen, Prozesse und Kontrollen explizit und maschinenlesbar werden.
• Strukturierung des Unternehmenskontexts, damit LLM-Interaktionen relevantere Informationen verwenden, anstatt wiederholt große Mengen unstrukturierter Inhalte zu verarbeiten.

Procure Ai entwickelt eine Beschaffungsplattform mit Tools zur Optimierung von Einkauf und Lieferantenmanagement. Sie bietet Echtzeitanalysen, Einsparpotenziale und automatisierte Workflows. Ein gemeinsames Datenmodell integriert und ergänzt Daten aus mehreren ERP- und E-Procurement-Systemen, darunter Ivalua, SAP, Coupa, WPS und Jaggaer.

06/2025 – HEUTE:

• Konzeption und Entwicklung einer neuen KI-nativen Beschaffungsplattform mit Dokumentenintelligenz, einer Agenten-Orchestrierungsebene auf Basis von Mastra und LLM-basierter Workflow-Automatisierung für Anwendungsfälle in den Bereichen Lieferantenmanagement, Intake und Kategorienmanagement
• Agentenbasierte Entwicklungs-Workflows im gesamten Entwicklungsteam eingeführt, die LLM-gestützte Codegenerierung und automatisierte Reviews ermöglichen und die Durchlaufzeit sich wiederholender Entwicklungsaufgaben messbar verkürzen
• Migration des Design Systems von Material UI zu shadcn/ui mit Tailwind, um die Konsistenz zu verbessern und den Aufwand für die Frontend-Entwicklung zu verringern
• Weiterhin direkt an Frontend-, Backend- und KI-Funktionen mitgearbeitet, während das Engineering-Team von 10 auf 20+ Engineers wuchs: Recruiting, Onboarding, 1:1-Gespräche und Mentoring

06/2020 – 06/2025:

• Als erster Engineer nach den beiden Gründern eingestiegen; gemeinsam mit dem CTO die Plattformarchitektur und Produktvision von Grund auf gestaltet und die Plattform auf 10 Unternehmenskunden ausgebaut
• Die Fullstack-Entwicklung von Funktionen für die zentrale Beschaffungsplattform geleitet, mit Schwerpunkt auf Anwendungsfällen in den Bereichen Analytics, Suche und autonome Verhandlungen: MVP-Umfang festgelegt, technische Entscheidungen an den Kundenergebnissen ausgerichtet und Arbeiten eingestellt, die keinen Mehrwert brachten
• Eine feldbasierte Konfigurationsanforderung für autonome Verhandlungen hinterfragt und stattdessen einen knotenbasierten Regel-Editor entwickelt, der der Denkweise von Category Managern mit Bedingungen und Verzweigungen entspricht; später auch für andere Workflow- und Entscheidungskonfigurationen wiederverwendet
• Mandantenfähige Authentifizierung und fein abgestufte Autorisierung auf Basis von Organisationseinheiten entwickelt und umgesetzt
• Eine mandantenfähige Admin-Anwendung zur Verwaltung von Kundeninstallationen in verschiedenen Umgebungen konzipiert und entwickelt, einschließlich Konfiguration, Feature Flags und i18n
• Ein eigenes, auf Material UI basierendes Design System erstellt und gepflegt, das im gesamten Produkt zum Einsatz kommt
• CI/CD-Pipeline und vollständige QA-Suite eingerichtet und gepflegt (Linting sowie Unit-, Integrations- und E2E-Tests)
• Einen Release-Prozess für mehrere Umgebungen mit Helm und Helmfile konzipiert und umgesetzt; Verantwortung für Infrastructure as Code in AWS und Azure übernommen
• Neue Tools und Frameworks recherchiert und erprobt; Make-or-Buy-Entscheidungen getroffen, um Entwicklungsgeschwindigkeit, Kosten und langfristige Wartbarkeit in Einklang zu bringen
• Das Engineering-Team von 4 auf 10+ Engineers vergrößert, Engineers betreut und eine Kultur der Eigenverantwortung, Code-Reviews und schrittweisen Auslieferung aufgebaut

Technologien: TypeScript, JavaScript, React, Node.js, Fastify, GraphQL, GraphQL Codegen, GraphQL Mesh, GraphQL Yoga, Hasura, Apollo Client, REST, CubeJS, PostgreSQL, Prisma, Elasticsearch, Meilisearch, Typesense, Kafka, Avro, Karapace, Kubernetes, Docker, Terraform, OpenTofu, Helm, Helmfile, GitLab CI, Keycloak, Better-Auth, OpenFGA, Nx, Vite, Vitest, Playwright, Testing Library, Storybook, Chromatic, Material UI, shadcn/ui, Tailwind, React Flow, recharts, i18next, Backstage, Grafana, Sentry, Zod, Claude Code, Codex, Mastra, Vercel AI SDK, Vercel AI Elements, AWS, Azure

• Rolle: Simulation Engineer
• Umfeld: Maschinenbau / Visuelle Inspektion
• Ziele & Umsetzung: Simulation von Photometric-Stereo-Setups, um optimale Positionen von Kameras und Lichtquellen bauteilspezifisch zu ermitteln.
• Business Value: Ermöglichte eine kostengünstige und skalierbare Lösung, um bauteilspezifische Hardware-Setups zu bestimmen.
• Tech Stack: Python, Blender

• Verantwortlich für die 12–18-Monats-Roadmap und die wichtigsten Ergebnisse der Enterprise-Kundenplattform von Elli, einschließlich Onboarding, Preisgestaltung, Abrechnung, Analysen und umfassender Plattformmodernisierung; den Fleet-Onboarding-Funnel neu gestaltet und die Conversion verdoppelt, wodurch bis 2028 ein prognostizierter Umsatzanstieg von €20.7M unterstützt wird.
• Leitung des übergreifenden Energy-Intelligence-Produkts und direkte Verantwortung für dessen KI/ML-, Asset- und Portfoliooptimierungsfunktionen, einschließlich MLOps, sicherer Strategiebereitstellung, Strategielebenszyklusmanagement und Backtesting; die Verantwortung für die Daten- und V2G-Integrationsroadmap an einen neuen PO übertragen, als sich der Plattformumfang erweiterte.
• Einen Human-in-the-loop-GenAI/RAG-Support-Workflow aufgebaut, wodurch die L1-Lösungsquote um 24% gesteigert, die Routing-Genauigkeit auf 91% erhöht und die L2-Arbeitslast um 30% reduziert wurde.
• Standardisierte Datenverträge und ein Self-Service-Python-Toolkit für Trader und Data Scientists eingeführt, wodurch die Plattformnutzung um 15% gesteigert und der Supportaufwand um 50% reduziert wurde.
• Ein Echtzeit-Orchestrierungsprodukt von 32 auf 3,000+ Endpunkte in vier Märkten aufgebaut und skaliert; der wiederkehrende Umsatz stieg von €1.4k auf €56.3k MRR.
• Produkt- und KI-Kompetenzen im gesamten Unternehmen entwickelt, 20 PMs zu RAG, Agenten und Prototyping geschult; einen Junior PM betreut und einen Enterprise Platform Tech Lead auf dem Weg zur Übernahme von Verantwortung im Product Management begleitet.

Projektleiter Leitung, Koordinierung und Überwachung sowie Dokumentation und Auswertung von zahlreichen multidisziplinären Projekten im Bereich „Produktionsanlagen/Anlagenplanung“ in den Branchen Gas und Öl, Chemie und Pharma QMB und Sicherheitsbeauftragter Mitwirkung bei der Einführung des QM-Systems sowie bei der Vorbereitung und Durchführung des Zertifizierungsaudits „Energie-, Sicherheits- und QM-Audit“.

Auftrag:

Begleitung des KI-Startups MachOptima während der Ausgründungsphase im Bereich industrieller Prozessoptimierung. Strategischer Aufbau des Business Developments, Akquise erster Pilotkunden und Entwicklung der Marktpositionierung.

Aufgaben:

• Evaluierung und Schärfung des Leistungsangebots für industrielle Kunden.
• Entwicklung und Umsetzung einer Akquisestrategie für Pilotprojekte.
• Betreuung von Key Accounts, Begleitung von Kundengesprächen und Gestaltung der strategischen Roadmap.
• Aufbau von Vertriebsprozessen und CRM-Strukturen.

Ergebnisse:

• Erfolgreiche Platzierung bei ersten Pilotkunden.
• Aufbau einer strukturierten Vertriebsarchitektur und Begleitung mehrerer Kundenprojekte.
• Klarere Positionierung im Markt durch geschärfte Value Proposition.
• Nachhaltige Stärkung des internen Strategie- und Vertriebsverständnisses des Gründerteams.

"Reasoning Models: Von den Grundlagen der LLMs zur NOC-Automatisierung."

UEF 3.0 · Semantic Government Overlay (SGO) · Autonome Systeme (UAS / Dual-Use)

• Konzipiert: Semantic Government Overlay (SGO) – KI-geführte Verwaltung ohne Ablösung bestehender Fachverfahren. Lesender semantischer Layer über Registern und Fachverfahren auf Basis des Föderalen Informationsmanagements (FIM). Die Entscheidungshoheit verbleibt beim Sachbearbeiter (Architekturprinzip).
• Entwickelt: Referenzarchitektur mit quellenbelegten, abgeleiteten Aussagen (ausführbare Ontologien OWL/RDF/SHACL). Technisch garantierte Zweckbindung und Kein-Schreibpfad-Prinzip in Fachdaten – auditierbar, ohne zentralen Datenpool.
• Verankert: Regulatorik als Designprinzip: EU AI Act (Hochrisiko-Pflichten für Behörden-KI, Grundrechte-Folgenabschätzung nach Art. 27), DSGVO, NIS2 und verwaltungsrechtliche Automatisierungsgrenzen (§ 35a VwVfG, § 31a SGB X) als technische Kontrollpunkte in der Architektur.
• Erstellt: Methodisches Werkzeug für Pilotträger: Datenpipeline-Assessment (Phase 0), Compliance-Blueprint und Management Summary als entscheidungsreifes Paket für die öffentliche Verwaltung.
• Spezifiziert: UEF 3.0 als Nachfolge-Architektur zu TOGAF – Decision Paper kanonische Ontologie, Sechs-Schichten-Architektur, Read/Actuate-Grenze, Federation-Registry, Terminologie-Konkordanz und Release-Delta als geschlossener Spezifikationsstand.
• Architektiert: KI-natives Missions-OS für autonome UAS und Bodenrobotik als taktische Schicht über einem separat zugelassenen Autopiloten. Run-Time Assurance nach ASTM F3269-21 (Simplex-Muster): Der verifizierte Sicherheits-Controller behält die Autorität, die KI-Funktion liefert Vorschläge.
• Ausgelegt: Drei-Tier-Architektur – Tier 0 Autopilot mit 650-Hz-Flugregelung auf RTOS, Tier 1 KI-OS mit semantischem Weltmodell und Multi-Agenten-Cluster, Tier 2 Schwarm- und Boden-Mesh. Zenoh als primäre Fabric, MAVLink als einziger authentifizierter Kommandopfad (Single-Writer). Ergebnis: graceful degradation – Verlust der Mission, nicht des Fluggeräts.
• Abgesichert: Zwei-Gate-Kette auf der Read/Actuate-Grenze – Governance-Gate (Darf-Frage: AI-Act-Risikoklasse je Aktuierung, erzwungene menschliche Aufsicht nach Art. 14, unveränderliches Log) vor RTA-Safety-Monitor (Richtig-Frage: Flugenveloppe, Geofence, Energiereserve) mit Revert auf den Baseline-Controller.
• Verankert: Dual-Use-Architektur mit Common Core und Build-Time-Fork statt Runtime-Umschalter. Drei getrennte Rechtsstufen: Zivilvariante – UAS unter der EASA-Grundverordnung (EU) 2018/1139 mit der nach Art. 2 Abs. 2 AI Act eingeschränkten Anwendbarkeit, Bodenrobotik unter der Maschinenverordnung 2023/1230 mit voller Hochrisiko-Pflichtenkette, Cyber Resilience Act für beide; unbewaffnete Trägervariante als Rüstungsgut unter AWG/AWV und Dual-Use-VO 2021/821 (BAFA-Genehmigung); bewaffnete Variante unter KrWaffKontrG. Jede Ausprägung lebt unter genau einem dominanten Rechtsregime. Nachweisfundament: AI-BOM, SBOM und lückenlose Data-Lineage.
• Analysiert: Systemanalyse und Neuausrichtung gewachsener Engineering-Systemlandschaften. Vorgehenskonzept Konsolidierung ohne Migration – semantischer Layer über den Bestandsquellen statt Datenumzug. Ergebnis: entscheidungsreifes Vorgehenskonzept inklusive Bewertungsmodell für die Zielarchitektur.

• Simulationen und Entwicklung hybrider digitaler Zwillinge, um ein tiefes Prozessverständnis zu ermöglichen und bessere Entscheidungen und Ergebnisse in der industriellen F&E und Fertigung zu unterstützen.

Hybride Rolle aus Projektmanagement und Scrum Master für laufende Maintenance-Aktivitäten innerhalb eines Squads. Verbindung klassischer Projektsteuerung mit der agilen Begleitung eines internationalen Entwicklungsteams. Die Schwerpunkte umfassen:

• Analyse und Weiterentwicklung des vorgefundenen agilen Vorgehensmodells sowie praxisgerechte Anpassung an die bestehenden Organisationsstrukturen und projektspezifischen Rahmenbedingungen
• Etablierung eines Steuerungs- und Reportingprozesses für vorhandene und neue Projekte und Projektaufgaben
• Erstellung und Fortschreibung der übergeordneten Projektplanung einschließlich Meilensteinen, Abhängigkeiten und kritischem Pfad
• Organisation und Moderation agiler Regeltermine, insbesondere Sprint Plannings und Reviews
• Pflege, Strukturierung und Priorisierung des Backlogs in enger Abstimmung mit dem Product Owner und dem Marketing
• Laufende Kommunikation und Abstimmung mit internationalen Stakeholdern und Entwicklungsteams in Indien, Ungarn, Spanien und Frankreich
• Förderung von Teamzusammenhalt und Motivation während organisatorischer und fachlicher Veränderungsprozesse

• RegionRise unterstützt Unternehmen dabei, international zu wachsen, indem Expansionsstrategien, Vertriebsprozesse und die organisatorische Bereitschaft für Wachstum entwickelt werden.
• Zu den Kunden gehören:
• SedaiNow: Interim Chief Strategy Officer, Entwicklung der Produkt- und Go-to-Market-Strategie
• Elevated Elements Group: Organisationsentwicklung und Kommerzialisierung eines Chemie-Recycling-Unternehmens
• Swiss Green Fuel: Verlagerung des Hauptsitzes von China in die Schweiz, Rebranding & Positionierung, kommerzielle und Fundraising-Strategie
• Prodeval S.A.: Operativer Vertrieb für den Eintritt in den deutschen Biogasmarkt
• ParallelWorlds.Ai: Europäische Expansion für eine Digital-Twin-Plattform
• Nomnio: Markteintritts- und Wachstumsstrategie für ein Unternehmen zur Entwicklung von Full-Stack-IoT-Lösungen
• Mosaic Venture Labs: Unterstützung bei der Vorbereitung taiwanesischer Startups für die Expansion in die USA
• Viessmann Family Office: Bewertung des DACH-Marktes für eine Digital-Twin- & IoT-Integrationslösung im Immobilienbereich

Freelance-Arbeit für ein großes deutsches Family Office

Aufbau und Weiterentwicklung einer modularen B2B-SaaS-Plattform für professionelles Wealth Management und Family Offices sowie freiberufliche Umsetzung produktionsreifer KI-, Datenmanagement- und Automatisierungslösungen für die Wealth-Management-Branche.

• Entwicklung eines KI-Governance-Frameworks für regulierte Finanz- und Asset-Management-Workflows, abgestimmt auf DORA, BaFin-nahe Governance-Anforderungen und Datenschutzvorgaben, inklusive Rollen, Zugriffsrechten und Entscheidungsregeln.
• Konzeption eines agentischen Systems mit lokal betriebenem Open-Source-Sprachmodell, inklusive Qwen2.5 über Ollama, für sichere Abfragen einer Asset-Datenbank mittels Text-to-SQL-to-Text-Workflows.
• Aufbau KI-gestützter Analyse- und Reporting-Funktionen, die strukturierte Antworten, Tabellen und Charts aus Asset-Daten erzeugen, mit fachlicher Validierung über Resolver-Logik und RAG-Elemente.
• Entwicklung produktionsreifer Datenimport-Workflows für Daten von Finanzdienstleistern aus CSV-, PDF- und API-Quellen, inklusive Validierung, Plausibilitätsprüfungen und Abgleich mit bestehenden Asset-Daten.
• Lösung des Asset-Matching-Problems ohne systemübergreifenden Primary Key durch mehrstufige Validierungsregeln und Freigaben im Human-in-the-Loop.

Ergebnisse:

• 250.000 EUR SaaS-Umsatz im Jahr 2024 gesichert und den Forecast um 20 % übertroffen.
• Family-Office-Kunden mit 1,6 Mrd. EUR Assets under Management gewonnen.
• Manuellen Aufwand für den größten Kunden um ca. 3 Tage pro Monat durch automatisierte Datenimport- und Abgleichsprozesse reduziert.
• Operatives Fehlerrisiko durch strukturierte Datenvalidierung, mehrstufiges Asset-Matching und Human-in-the-Loop-Freigaben reduziert.

• Verbesserte die KI-Modell-Überwachungslösung, um einen Vergleich von Modellversionen und eine umfassende Nachverfolgung von Eingangsvariablen mit relativen Drift-Metriken für eine vollständige Überwachung zu ermöglichen.
• Entwickelte eine maßgeschneiderte LLM-Lösung, um das Zertifikat für Wareneingänge zu automatisieren und eine nachgelagerte Analyse zu ermöglichen.
• Verbesserung von Digital-Twin-KI-Modellen zur Unterstützung der Modellvalidierung.

Skills: Python, Statistische Berechnung, Large Language Models (LLM), Machine-Learning-Engineering, Natural Language Processing (NLP), Data Wrangling, Datenvisualisierung, Statistische Auswertung.

Tools: Python-Programmierung, Snowflake, Databricks, Microsoft Powerapps, Powerautomate, PowerBI, Scipy, Seaborn, Scikit-Learn.

• Steigerte die Leistungsfähigkeit der Einheit durch die Einführung innovativer Produkte wie bedarfsgesteuerter Karten und digitaler 3D-Zwillinge

• Steuerte die Entwicklung der Denkweise der Einheit von einer aufgabenbasierten hin zu einer serviceorientierten Ausrichtung, indem die Umsetzung eines dynamischen Geoportals für die Bereitstellung modernster Geodienste für EU- und NATO-Organisationen überwacht wurde

• Stärkte die Zusammenarbeit und die Bearbeitung des Arbeitsaufkommens in Kooperation mit EU und NATO, indem mit Stakeholdern kommuniziert wurde, um deren Bedarf zu erörtern, und Ressourcen angepasst wurden, um den erwarteten Arbeitsumfang zu liefern

• Verantwortet die Umsetzung des jährlichen Arbeitsprogramms der MNGSG und die Unterstützung des MNGSG Planning and Resources Committee (PRC)

• Leitet die Umsetzung des multinationalen „Technical Arrangement concerning the MNGSG“, einschließlich der Unterstützung von Aktivitäten, die sich aus dem Coordination Board ergeben, das Personalfragen der MNGSG überwacht

• Verantwortet alle Fragen zu Personal und Beschäftigung eines Teams aus 25 Offizieren und Unteroffizieren, einschließlich Führung, Coaching, Mentoring und fachlicher Anleitung; weist Arbeiten zu, überprüft diese und bewertet die Leistung; bearbeitet Fragen zu Verhalten, Bedenken oder Leistungsfähigkeit; setzt neue oder geänderte Arbeitsabläufe um

• Koordiniert die operativen Aktivitäten der MNGSG-Abteilungen und des Verwaltungsbüros

• Vertritt die MNGSG auf wichtigen EU- und NATO-Konferenzen