Qwen-Experten in Deutschland

• Vollständiger Greenfield-Neuaufbau über den gesamten Stack — AI-native umgesetzt: Backend in Go und NestJS, PostgreSQL (CNPG) auf K3s mit GitOps/Terraform; Frontend mit Angular 22, zonenlos.
• Coding-Agenten (z. B. Claude Code, Cursor) über den gesamten Lifecycle orchestriert — Architektur, Implementierung, Tests, Reviews und Dokumentation — auf Basis von Specification-Driven Development (SDD).
• „Bruno“ — LLM-Kommentator-Persona mit RAG und MCP für eine konsistente Persönlichkeit über alle Generierungen hinweg (Vorberichte, Nachberichte, eigene virtuelle Wetten).

Angular 22 (zoneless, ohne Zone.js), Claude Code, Claude Code Skills, CNPG, Cursor, Design Tokens (Spec for Code), Docker, Gherkin, Git, GitLab, GitOps, Go, Google Gemini, Grafana, Hetzner Cloud, K3s, Keycloak, Kubernetes, Lighthouse, LLM-Integration, Model Context Protocol (MCP), NestJS, Node.js, NPM, Playwright, PostgreSQL, Prometheus, RAG, REST, Specification-Driven Development (SDD), Structured Outputs, Terraform, TypeScript, Vitest

• 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).

• Beratung und Projektleitung zur Erstellung einer Automatisierungsplattform für Marktdatenanalyse KI-basiert
• Finanzdaten automatisiert testen
• Marktdaten-Automation mit Python und N8N
• KI/AI-Datenintegration und KI-Learning
• Einsatz von Ollama und Qwen
• Datenorganisation und Datenbankmanagement

• Generative-KI- und LLM-Modelle (OpenAI, DeepSeek, Qwen-2.5) mit PyTorch und Hugging Face feinabgestimmt und bereitgestellt, wodurch die Genauigkeit der ERP-Automatisierung um 25 % gesteigert wurde.
• Einen sicheren RAG-basierten KI-Chatbot zur Erstellung kundenspezifischer Rechnungen und Angebote entwickelt und implementiert, wodurch sich die Antwortzeiten um 40 % verkürzten.
• Cloudnative KI/ML-Pipelines auf AWS und GCP mit Docker und Kubernetes für skalierbares Modelltraining, Bereitstellung und Monitoring entworfen.
• Einen API-basierten KI-Chatbot (Telegram) entwickelt und in ERP-Systeme integriert, wodurch die Geschwindigkeit der Dokumentenverarbeitung um 30 % gesteigert wurde.
• KI-Agenten für Chatbots entwickelt, um mehrstufiges Schlussfolgern, intelligente Aufgabenausführung und kontextbezogene Interaktionen zu ermöglichen.
• ML- und NLP-Techniken für intelligentes Dokumentenverständnis, Workflow-Automatisierung und datengestützte Geschäftsentscheidungen eingesetzt.

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.

• Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
• On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
• Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
• Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
• Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.

• 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)

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

• Beratung und Interimsmanagement in der Automobilindustrie, im Gesundheitswesen und anderen Branchen mit Fokus auf Programmmanagement, Produktionsanläufen, Werksleitung, Lieferantenentwicklung, Kostenreduktion, Prozessoptimierung, KI-Einführung und KI-getriebener Prozessautomatisierung.

• Zentrale Projekte:

• Konzept zur Leistungsdokumentation einer Schmerztherapie-Abteilung mit interdisziplinären Inputs und Abgleich mit dem OPS-Katalog (Feb 2026).

• Vollständiges Abrechnungssystem für eine Ärztepraxis mit Mandantenfähigkeit, Zustandsautomaten-Workflow, ZUGFeRD/EN16931-konformer Rechnungsgenerierung, OpenEMR-Integration; umgesetzt mit ca. 4.200 LOC Python, ca. 1.700 LOC SQL, über 30 Endpunkten, 13 DB-Migrationen (Dez 2025 — Feb 2026).

• Klinisches Entscheidungshilfesystem für stationäre Schmerztherapie inklusive automatischer Verarbeitung von Schmerzfragebögen, KI-generierten Therapieempfehlungen und Langzeitanalysen; Stack: FastAPI, Ollama, PyMuPDF, React + TypeScript, PostgreSQL, Docker (Sep 2025 — Mär 2026).

• End-to-End KI-gestützte Transkriptions- und Dokumentations-Pipeline für Arzt-Patienten-Gespräche mit WhisperX-Transkription, fünfstufiger LLM-Pipeline, Review-UI und selbst gehosteter Infrastruktur; Stack: FastAPI, WhisperX, Ollama, React + TypeScript, Docker (Aug 2025 — Feb 2026).

• KI-gestützte Pipeline zur Dokumentenerkennung und automatischen Bankabstimmung mit über 3.000 Transaktionen und über 4.000 Dokumenten, Multi-Model-OCR, LLM-basierter Dokumententrennung, Web-UI und loop-basierter Prompt-Versionierung; Infrastruktur: Docker Compose, PostgreSQL, Ollama LLM-Server (Aug 2025 — heute).

• Lieferantenentwicklung für Fahrwerkskomponenten inklusive Änderungen, Neuanläufen, Verlagerungen und Engpassmanagement für KTM (Mai 2023 — Nov 2024).

• Leitung der Übertragung von 150 Serienproduktionsartikeln nach Werkschließung des Lieferanten für KTM (Jul 2022 — Jan 2024).

• Lean- und Prozessberatung für einen Schweizer Hersteller von Elektrokomponenten bei Von Roll Schweiz AG (Jun 2018 — Nov 2018).

• Laufende Backoffice-Unterstützung und Prozessoptimierung für eine private Schmerztherapie- & TCM-Praxis inklusive Anästhesie-Protokollen, Website-Einrichtung, Digitalisierung und Prozessoptimierung (Mai 2018 — Mai 2025).

• Stellvertretender Werksleiter für Innenausstattungsteile in Ungarn mit Fokus auf Stabilisierung, Werkzeugoptimierung, Personalabbau und Abbau von Rückständen bei MAO Automotive GmbH & Co (Feb 2018 — Jun 2018).

• Start-up-Beratung und Coaching für eine private Schmerztherapie- & TCM-Praxis inklusive Konzept, Businessplan, Finanzierung, Bau, Einrichtung und SOP-Implementierung (Mai 2017 — Apr 2018).

• Programmmanager für kritische Lieferanten DAG BR238 Türverkleidung mit Lieferantenqualifizierung, Bemusterung, PPAP/EMPB-Tracking und Prozessfreigaben bei Megatech Industries Deutschland GmbH (Jul 2016 — Okt 2017).

• Interim-COO und stellvertretender Werksleiter in einem Automobilzulieferer für Aluminiumprofilverarbeitung mit 350 Mitarbeitern und 80 Mio. € Umsatz, Leitung der Expansion in der Slowakei bei PWG Profilrollen-Werkzeugbau GmbH (Sep 2015 — Mai 2016).

• Leitung eines Programms zur Arbeits- und Materialeffizienz in der Dachhimmelproduktion mit Fokus auf Prozess-, Material-, Arbeits- und Lieferantenkostensenkung bei Motus Headliner GmbH (Jan 2015 — Aug 2015).

• Leitung des Entwicklungsprogramms für Innenverkleidungen DAG C292 inklusive Launch-Phase vor Ort in MS & AL bei Toyota Boshoku America (Sep 2012 — Jan 2015).

• Leitung des Kostenreduzierungsteams für DAG C218 Türverkleidungen bei Toyota Boshoku Europe NV (Mär 2012 — Aug 2012).

• Beratung zur Sonnenblenden-Entwicklung für das Projektteam in der Türkei inklusive Optimierung, Marktanalyse und Design-Reviews bei MARTUR FOMPAK (Jan 2012 — Dez 2014).

• Leitung der Übertragung von Spritzgießwerkzeugen zu neuen Lieferanten inklusive Bemusterung, Montageversuchen und PPAP/EMPB-Koordination bei Toyota Boshoku Europe NV (Jan 2012 — Aug 2012).

• Programmmanager für BMW-Sonnenblenden der L7-Plattform mit Produktionsübertragung und Neuentwicklung der F30-Sonnenblende bei Magna (Jul 2010 — Dez 2011).

• Bewertet und analysiert ein kamerabasiertes Verkehrslicht- und Verkehrsschild-Erkennungssystem in verschiedenen auf LLM basierenden autonomen Fahrsystemen (LMDrive, BEVDriver)
• Implementiert eine VLM-basierte Einheit zur Generierung von Verkehrshinweisen für ein geschlossenes autonomes Fahrsystem, die den Fahrer bei unvorhergesehenen Vorfällen warnt
• Entwickelt einen eigenständigen, LLM-basierten lokalen Chatbot mit Llama, DeepSeek und Qwen inklusive MLflow-Evaluierungsframework

• Weiterbildung zu Snowflake und Google Looker
• Beschäftigung mit LLMs: lokale Modelle (Llama, Mistral, Gemma, Phi, Qwen, DeepSeek, Bitnet, Flux, Whisper), OpenAI API, Frontends (ollama, openwebui, loacalai)
• Inferenzmethoden: llama.cpp, vLLM, transformer
• Quantisierung, Benchmarking, Prompting
• LLM Agents (Tool/Function Calling, LangChain, LangGraph, MCP)
• Themen Attention, Reasoning, Chain of Thoughts, RAG, GraphRAG, mlflow
• Cloud Hosted: ChatGPT, Claude, Gemini

• Hybride semantische und schlüsselwortbasierte Suche sowie LLM-basierte Anforderungs­extraktion aus Konversationsanfragen entwickelt, die Suchgenauigkeit um 85 % gesteigert, Suchen ohne Treffer um 70 % und die Suchzeit um 60 % reduziert.
• Produktionsreife API mit Monitoring-Dashboards für über 100.000 Produkte bereitgestellt, Antwortzeiten unter 2 s gehalten und die Zeit von Suche bis Kauf um 40 % verkürzt.
• Technologien: Python, BGE-M3, Qwen2.5, FastAPI, Qdrant, Meilisearch, Docker, Prometheus, vLLM.