Large Language Model Experten in Zürich

• Die Enterprise-Architecture-Funktion von Grund auf für die Sulzer Group (~13'500 Mitarbeitende, CHF 3.6 Mrd. Umsatz) aufgebaut
• Das Technical-Governance-Framework, das Target Operating Model und die IT-PMO-Grundlage definiert, die heute Architekturentscheidungen und die Portfolio-Nachfrage über alle Divisionen hinweg steuern.
• SAP LeanIX als maßgebliches System of Record für das Application Portfolio eingeführt - gruppenweit 500 Anwendungen katalogisiert (140 für Chemtech), Business- und IT-Stakeholder eingebunden und die Integration mit ServiceNow angestoßen, um Architekturdaten in operative Workflows einzubetten.
• Die divisional und gruppenweite Initiative zur Application Rationalization geleitet
• 15% des 140 Anwendungen umfassenden Chemtech-Portfolios außer Betrieb genommen und damit über zwei Jahre CHF 627k an laufenden Einsparungen erzielt sowie Lizenz- und Support-Risiken deutlich reduziert.
• Die divisional AI Roadmap gemeinsam mit Sales, Legal und R&D Leadership definiert und umgesetzt
• 4 AI-Lösungen in die Produktion gebracht (darunter Harmonisierung von Sales-Prozessen und LLM-basierte Erkennung von IP-Konflikten) aus einem Portfolio von 7 priorisierten Initiativen.
• Die 3-Jahres-IT-Strategieroadmap für Chemtech aufgebaut und verantwortet
• Cloud- und Technologiearchitektur mit den geschäftlichen Prioritäten der Division und einem jährlichen Investitionsrahmen von CHF 1.5 Mio. abgestimmt.
• CHF 500k an vermiedenen Kosten durch das Hinterfragen und Stoppen finanzierter, aber wenig wertvoller Initiativen erzielt; Governance-Disziplin und Executive-Impact bewiesen, ohne Implementierungsaufwand.

KI-Plattformen

• Beteiligung am Training aller Top-5-Large-Language-Modelle der USA durch mehrsprachige ML-Projekte in den Bereichen RLHF, Evaluierungen, Bewertungsrichtlinien, Konversationen und Sicherheitsinitiativen
• Arbeit mit einer vielfältigen Bandbreite an Trainingsmethoden zur Unterstützung der Modellausrichtung und Qualitätsverbesserung in mehreren Sprachen

• Leitete die Architektur und die vollständige technische Umsetzung für gemeinschaftsbasierte SaaS-Plattformen mit 2M+ monatlich aktiven Nutzern.
• Entwickelte die Architektur und leitete die Migration einer monolithischen Python/FastAPI- und PostgreSQL-Datenbank- und LangChain-Codebasis zu einer ereignisgesteuerten Microservices-Architektur auf AWS EKS. Dabei wurde ein 10-faches Verkehrswachstum von ~150 RPS auf 1,500+ RPS ohne Neuarchitektur bewältigt.
• Definierte und etablierte technische Standards für alle Services, darunter API-Verträge, Observability-Grundlagen und Deployment-Topologie. Dadurch wurden Produktionsvorfälle innerhalb von 9 Monaten um 55% und die MTTR von 2 Stunden auf unter 25 Minuten reduziert.
• Überarbeitete die Caching- und Abfrageschicht mit mehrstufigem Redis-Caching sowie Datenbankindexierung und -partitionierung. Dadurch sank die p95-API-Latenz von 850ms auf 180ms (78% Reduktion) und die CPU-Auslastung der Datenbank um 45%.
• Entwickelte eine CI/CD-Plattform mit GitHub Actions, Terraform und Kubernetes (EKS) einschließlich Blue-Green- und Canary-Rollouts. Dadurch stieg die Deployment-Häufigkeit von ~2/Monat auf 8-12/Tag, während sich die Durchlaufzeit von 10 Tagen auf unter 6 Stunden reduzierte.
• Implementierte Vertragstests, automatisierte Lasttests und Observability-SLOs mit Prometheus, Grafana und OpenTelemetry. Dadurch stieg die Plattformverfügbarkeit von 99.5% auf 99.95% (10-fache Reduktion des Verbrauchs des Fehlerbudgets).
• Leitete und entwickelte ein fachübergreifendes Team aus 8 Ingenieuren in den Bereichen Backend, Frontend und DevOps. Skalierte die Teamgröße von 4 auf 8 bei einer Bindungsquote von 85%; verantwortlich für Einstellung, Einarbeitung, Leistungsbeurteilungen und Karriereentwicklung.
• Arbeitete mit der Leitung von Product, Design und Client Success als primärer technischer Entscheidungsträger zusammen, übersetzte Geschäftsziele in technische Roadmaps und traf Make-or-Buy-Entscheidungen für Authentifizierung, Suche und AI-Tools.
• Führte AI-gestützte Entwicklungsabläufe ein, darunter automatisierte Code-Reviews und einen internen wissensbasierten Assistenten auf RAG-Basis mit Graph (GraphRAG, Neo4J). Dadurch stieg der Sprint-Durchsatz über zwei Quartale um 30%.
• Verantwortete das Incident-Management und den Bereitschaftsdienst für den Produktionssupport. Etablierte Runbooks, eine Postmortem-Kultur und On-Call-SLOs, wodurch Vorfälle mit Alarmierungen am Wochenende um 70% zurückgingen.
• Entwickelte und optimierte Algorithmen mit python-Bibliotheken wie Numpy und Pandas.

• Produktstrategie, Architektur und technische Mitgestaltung
• KI-Workshops, Kunden-Onboarding und Go-to-Market-Aktivitäten
• Design und Umsetzung von KI-Architekturen (LLMs, RAG, MCP, Agents, Voice, Automation)
• Praktische Entwicklung von Prototypen und produktionsreifen KI-Integrationen
• Beratung von Kunden zur KI-Einführung, zu Workflows und zur Integration in bestehende Infrastruktur
• Zusammenarbeit mit den Mitgründern bei der strategischen Ausrichtung
• Mitarbeit im Vertrieb und in der Kundengewinnung

Tools und Technologien: OpenAI, Anthropic, Azure, Vercel AI SDK, RAG (Retrieval-Augmented Generation), MCP (Model Context Protocol), FastAgent, VAPI, n8n, make.com, LibreChat, PostgreSQL, OpenAPI, Next.js, Vercel, Docker

• Entwicklung und Erprobung von Prototypen in den Bereichen angewandte GenAI, RAG, GraphRAG, lokale LLM, agentische KI und Dokumentenintelligenz für strukturierte Analysen, Extraktion von Befunden, semantische Suche, technisches Reasoning und entscheidungsrelevantes Reporting
• Aufbau privater lokaler-LLM-Workflows und KI-Systemmuster mit Fokus auf Datenschutz, Reproduzierbarkeit, Prüfbarkeit, kostengünstige Inferenz und praktische Nutzerkontrolle
• Erstellung reproduzierbarer Python-/R-Workflows für Datenanalyse, Automatisierung, API-gesteuerte Tools, Validierungslogik, technische Dokumentation und KI-gestützte Softwareentwicklung
• Gestaltung von Workflows auf Basis expliziter Annahmen, nachverfolgbarer Eingaben, prüfbarer Ausgaben und Bewusstsein für Fehlermodi statt Black-Box-"sieht gut aus"-Demos
• Unterstützung der RAHN AG in einem chemischen/Regulierungsumfeld bei der Datenextraktion und -verarbeitung rund um WERCS, einer Regulierungsanwendung für Chemieprodukte und Compliance-Daten
• Analyse komplexer Anwendungs-/Datenbankschemata und Erstellung verschachtelter SQL-Abfragen zur Informationsgewinnung für Mischungsberechnungen, Komponentenbeziehungen, regulatorische Regeln und Reporting-Logik
• Fortführung der praktischen Arbeit in Git/GitHub/GitLab/Bitbucket, Docker-/Linux-Deployment-Mustern, REST-/API-Workflows, Fehlerbehandlung, technischem Schreiben und schneller KI-gestützter Prototypentwicklung
• Aufbau von Workflows für technische Dokumentation, die komplexe Systeme in klare Runbooks, Checklisten, Entscheidungsnotizen und nutzerorientierte Erklärungen überführen

• Umsetzung eines Code-Refactoring-Frameworks, das in der Lage ist, Tausende von Repositories mithilfe Generativer KI zu refactoren
• Verwendung von Python (Django, Flask, FastAPI), Java und Typescript in der Azure Cloud (Data Lake, VMs, AI) und der GitLab-Infrastruktur
• Mentoring und Pair Programming
• Erwerb der Zertifizierungen Azure AI-900 und AI-102

• Groß angelegte Systeme und APIs konzipiert, die Tausende gleichzeitige Nutzer bedienen.
• Einen 650.000-Zeilen-Monolith refaktoriert und die vollständige AWS-Migration für stabile Performance geleitet.
• SLO-basierte Observability eingeführt, was Zuverlässigkeit und Wiederherstellungsprozesse verbesserte.
• Cloud- und Datenbank-Optimierungen durchgeführt und so erhebliche Kosteneinsparungen und Latenzreduzierungen erreicht.
• LLM-, RAG- und Dokumentautomatisierungspipelines bereitgestellt, die in der Produktion eingesetzt werden.

• Gemeinsame Lehre in den CAS AI Management- und CAS AI Innovation-Programmen für künftige KI-Manager
• Vermittlung von Themen wie Datenplattformen, KI-Architekturen, Grundlagen der Technologie-Einführung und Erfolgsfaktoren von KI-Initiativen in Unternehmen

• Habe den Inferenz-Stack auf einem Multi-Node-DGX-B200-Cluster über vLLM und SGLang bereitgestellt und optimiert (Serving, Durchsatz- und Latenz-Tuning).
• Habe zusammen mit einem kleinen Team eine interne Python-Bibliothek für das LM-Pretraining gebaut, die den kompletten Trainings-Loop abdeckt: verteiltes Training mit PyTorch FSDP, Datenpipelines, Checkpointing, Config- und Hyperparameter-Management sowie Experiment-Tracking.
• Habe Agenten-Gerüste auf interaktiven Game-Benchmarks ähnlich ARC-AGI-3 gebaut und ausgewertet, mit Metriken dafür, wie Modelle planen, erkunden und sich über mehrstufige Episoden anpassen; habe Modellfehler klassifiziert und die Erkenntnisse in das Gerüst- und Evaluationsdesign zurückgespielt.
• Habe Loop-Transformer-Architekturen erforscht.

• Konzeption und Durchführung eines praxisnahen Echtzeit-Kurses zu Flink und Hadoop mit MapReduce, HDFS, Spark, Flink, Hive, HBase, MongoDB, Cassandra und Kafka
• Erwerb umfangreicher DevOps- und CI/CD-Erfahrung
• Erstellung von ETL/ELT-Pipelines mit Apache-Tools und Pentaho
• Leitung von Projekten in kommunaler Software, Finanzdienstleistungen und Big Data mit Kafka
• Entwicklung von KI-/NLP-Modellen und Chatbots mit RASA, Chatter und Dialogflow
• Aufbau und Verwaltung einer TypeDB-Wissensdatenbank
• Arbeit mit OpenStack, Kubernetes und Podman