GPT Experten in München

Tests und Absicherung von Hochvoltsystemen

• Durchführung von Integrations- und Systemtests für Steuergeräte in PHEV-/EV-Fahrzeugen unter Einsatz von ECU-TEST (TraceTronic), Vector CANoe, CANalyzer, ETAS INCA, Tornado, E-Sys und EDIABAS.
• Analyse des Zusammenspiels von Hochvolt-Steuergeräten (u. a. CCU, BMU, Inverter, IPB und IPF) sowie Durchführung von Software-Updates und Flash-Prozessen zur Verifikation neuer Softwarestände.
• Enge Zusammenarbeit mit Software-, System- und Integrationsteams in einem agilen Entwicklungsumfeld zur Fehleranalyse und Absicherung neuer Softwarestände.

• KI-native B2B-SaaS für Freelancer-Sourcing; DACH-Markt.*

• Enterprise-Partnerschaften über vier Branchen hinweg: Multi-Stakeholder-Deals mit Telefónica (Telco), Emma Matratzen (Retail), Nürnberger Versicherungen und Flatex (Financial Services), Hubert Burda Media und Serviceplan Gruppe (Media) strukturiert und abgeschlossen.

• Umsatz und Wachstum: FRATCH von €0 auf €3.8M jährlichen GMV skaliert, wobei rund 80% des Umsatzes aus direkter Ansprache durch den Founder und aus Partnerbeziehungen kamen.

• Channel-Partnerschaften: FRATCH als SaaS-Lösung an Recruiting-Firmen verkauft (z. B. YER) — das partnergetriebene Modell parallel zum direkten Enterprise-Sales aufgebaut.

• Teambuilding: FRATCH vom Solo-Founder auf ein Team von 7 in Engineering, Produktdesign, Operations und Supply Outreach skaliert.

• Proprietärer Netzwerk-Asset: 15.000+ Freelancer als registrierte Nutzer onboarded — das proprietäre DACH-Netzwerk, das FRATCHs Matching antreibt.

• FRATCH GPT (fratch.io/gpt) aufgebaut und gelauncht: ein produktiver Conversational-AI-Agent. Den Full-Stack entwickelt — LLM-Orchestrierung, Embeddings, Re-Ranking — mit direkter Mitarbeit an technischer Konzeption und Umsetzung.

• GTM-Aufbau: den kompletten Go-to-Market-Stack verantwortet — Outbound, LinkedIn (organisch + paid), Content und Sales Enablement.

• Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
• Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
• Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
• Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
• Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
• Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
• Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
• Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
• Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
• Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
• Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
• Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
• Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
• Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).

• Governed Multi-Agent-Orchestrierung für regulierte, in der EU ansässige Unternehmen – selbst hostbar, EU-AI-Act- und DSGVO-konform („by design“), BYOM (eigene Modelle/GPU).
• Zwei-Gate-Governance: Agenten-Deliberation + verpflichtende menschliche Freigabe, vollständiger signierter Audit-Trail; Graduated-Autonomy-Modell („intern → autonom pro Skill“).
• Verifizierter Wissensgraph („Company Brain“) mit Quellenbeleg pro Antwort; eigenes Orchestrierungs-Framework (Virtual Team Framework).
• Branchenlösungen für Financial Services: Compliance-Monitoring, Rechnungs- und Vertragsprüfung; praktische Entwicklung mit LLMs (u.a. Anthropic/Claude), agentischen Workflows, RAG.
• Aufbau der governance-orientierten Multi-Agenten-Plattform TeamIntel (siehe KI-Referenzprojekte).

Loom and Bloom

Python · TypeScript · n8n · Claude Code · Whisper · Gemini · Supabase · Notion · HubSpot · Digital Ocean

• Eine End-to-End-Content-Pipeline gebaut: ein Loom-Video → Marketing-Bilder, zweisprachige LinkedIn-Posts, Newsletter- und Help-Center-Updates.
• n8n-Webhook → SSH → Claude Code-Session auf einer Digital-Ocean-VPS; drei MCP-Server (Video, Notion, Supabase).
• Whisper-Transkription auf Wortebene, ffmpeg-Screenshots, Gemini-UI-Annotation, PIL-Device-Mockups.
• Next.js-Upload-UI plus ein zweisprachiger Newsletter-Composer mit HubSpot-Push.

KI-gestützte Automatisierung der Einkäufe auf einer Druckerei-Website mit Auswahl von Lieferzeiten, Bestelloptionen, Bestellung, Bezahlung und Hochladen der Druckdaten aus der Lumiz-Cloud.

Projektinhalt: Der Einsatz von „Generative Pretrained Transformer“-Technologien (GPT) wird in den kommenden Jahren die Arbeitswelt massiv verändern. Das ITZBund entwickelt hierfür einen Basisdienst, welcher durch seine 200 Kunden genutzt werden kann. Dieser Basisdienst wird als On-Premise- und Cloud-Variante angeboten. Gestartet in 12/23 konnten bereits ab 05/24 für mehrere Behörden und Bundesministerien erfolgreich Produktivsysteme (auf Basis MVP) ausgerollt und betrieben werden.

Projektkennzahlen:

• Budget in 2024 ca. 20 Mio. €
• ca. 70 Personen im engeren Projektkontext
• regelmäßiger (indirekter) Kontakt zu ca. 80 Personen im weiteren Projektumfeld

Meine Haupttätigkeiten:

• Gesamtverantwortlicher externer Projektleiter
• Projektdefinitionsphase/Projekteinrichtung und Aufsetzen der Projektorganisation
• Strategische und operative Projektplanung sowie Ausgestaltung und laufende Anpassungen des Projekts
• Laufende Abstimmungen mit Projekteigner und Stakeholdern im ITZBund
• Laufende Abstimmungen mit Teilprojektleitern, agilen Rollen und weiteren Projektmitarbeitern
• Verantwortung für Projektcontrolling, Qualitätsmanagement, Risikomanagement und Change-Management
• Verantwortung für die Bereitstellung des Basisdienstes in On-Premise- und Cloud-Umgebung und dessen laufende Weiterentwicklung
• Planung und Leitung mehrerer Hypercare-Phasen
• Zusammenarbeit und laufende Abstimmung mit einem Partnerprojekt eines Bundesministeriums und Bereitstellung eines MVP
• Abstimmung mit den agilen Teams
• Abstimmung mit Betrieb, Release und Deployment
• Verantwortung für die Umsetzung erster Kundenprojekte
• Verantwortung für die Erstellung einer KI-Governance
• Sicherstellung der Barrierefreiheit (BITV)
• Verantwortung für den Aufbau eines Teilprojekts für Marketingaktivitäten
• Unterstützung beim Aufbau eines effizienten Angebotsprozesses
• Stakeholdermanagement

Vorgehensmethode:

• V-Modell XT ITZBund
• Scrum

Eingesetzte Werkzeuge:

• Microsoft Office, Skype, MS Project, Confluence, Jira, Sharepoint, Miro

• 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

• 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.

• Aufbau des GTM von Metyis DE durch Definition standardisierter Angebote, die das Onboarding von mehr als 5 Enterprise-Kunden ermöglichten
• Erfolgreiche Durchführung von Kundenprojekten, z. B. Aufbau des globalen Marktplatzgeschäfts bei einem europäischen Unterhaltungselektronik-Unternehmen und Skalierung der DACH-Aktivitäten zweier niederländischer E-Commerce- sowie eines deutschen B2B-Ernährungsunternehmens

• Aufbau und Skalierung einer Data-Science-Preis-Engine in 8 EU-Märkten, Steigerung der Flottenmarge um ca. 2 % auf einer Basis von über 1,5 Mrd. €
• Einführung einer generativen KI-Insights-Plattform in 29 Ländern, Reduzierung manueller Analysen um ca. 40 % und Auslösung wöchentlicher Maßnahmen
• Führung eines hybriden Teams und Abstimmung von über 100 Stakeholdern zur Verfeinerung der Preislogik und Beschleunigung der Rollout-Prozesse in den Regionen
• Einrichtung einer KPI-Governance mit WBR/MBR-Rhythmen, wodurch die Entscheidungslatenz bei europäischen Pricing-Teams um rund 30 % verringert wurde

• 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

• Positionierung & Messaging für Bachelorarbeit zu SEO-Semantik & Syntax
• Hardware- und Software-Kampagnen für Real Estate, Retail & Gemeinden
• Sales- und Website-Inhalte entwickelt
• Enge Abstimmung mit Product, Design & Vertrieb
• Einführung neuer Marketingprozesse und -Automationen

• Entwickelte ein Circularity-Assessment-Tool, das Architekt:innen hilft, die Gebäudekreislauffähigkeit bereits in der frühen Entwurfsphase zu bewerten und zu verbessern
• Führte eine detaillierte Analyse des bestehenden Tools durch, um Nutzerabläufe zu skizzieren und die zugrunde liegende Berechnungslogik zu entschlüsseln
• Moderierte strukturierte Diskussionen mit einem interdisziplinären Team und Fachexpert:innen, um die Problemstellung zu verfeinern und Projektprioritäten für einen 6-wöchigen agilen Sprint festzulegen
• Lieferte einen klickbaren Prototyp mit vereinfachter Nutzererfahrung aus, der KI-gestützte Assistenz mit smarten Tooltips, eine ML-basierte Materialvorschlags-/Matching-Logik und ein angepasstes GPT für detaillierte Einblicke integriert
• Das Tool wird derzeit von N3XTCODER für eine Fortsetzung der Entwicklung und von Civic Coding Consulting für KI-Beratung in Betracht gezogen