Retrieval-Augmented Generation Experten in Hamburg

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.

• Verantwortung für RAG-, LLM-Systeme und ML-Ops-Pipelines für verschiedene Start-ups in den Bereichen Versicherung, Banking und Energie (KRITIS)

• Durchführung von Sicherheitsbewertungen und Penetrationstests an Microsoft-KI-Modellen für Text-, Bild- und Videoerzeugung.
• Durchführung von Prompt-Injection-Angriffen über verschiedene Eingabevektoren, darunter speziell gestalteter Text, steganografische Bilder und manipulierte visuelle Elemente (z. B. unterschiedliche Transparenz und eingebettete Inhalte).

• Handfeste Produkt und Portfolio Analysen mit Handlungsempfehlungen
• Versiert in Beratung, Konzeptentwicklung und agilem Projektmanagement
• Technische Führung & Teamförderung – für reibungslose agile Umsetzung mit Weitsicht und Guardrails

• Leitender Entwickler von Prof. Valmed, dem ersten LLM-basierten Medizinprodukt (mit RAG auf einem medizinischen Korpus von über 2,5 Mio. Dokumenten), das eine CE-Zertifizierung erhalten hat.
• Entwarf und implementierte eine Cloud-native MLOps-Infrastruktur für die Energievehandels-Analytics-Abteilung von ENBW, wodurch die skalierbare Bereitstellung und Überwachung von Prognosemodellen ermöglicht wurde.
• Entwickelte End-to-End-Test- und Validierungs-Frameworks für KI/ML-Systeme und stellte so Qualität, Konformität und Robustheit in kritischen und regulierten Anwendungen sicher.
• Führte professionelle Schulungen zu KI-Tests, EU-Regulierungsrahmen und Qualitätssicherung für produktive KI-Systeme durch.

• Prototypische Entwicklung eines LLM/RAG-Dokumentenassistenten; Training mit Transkriptomik- und Proteomik-Daten; Einsatz von Git/Docker für Reproduzierbarkeit.
• Vertiefung der ML-Grundlagen für Omics (Feature Engineering, Validierung, Leakage-Kontrolle).

• Entwarf und implementierte LLM-basierte KI-Agenten, RAG-Pipelines und Vektorsuchlösungen zur Entscheidungsunterstützung in der Retail-Banking-Abteilung.
• Entwickelte und lieferte robuste KI-Pipelines mit Schutzmechanismen, Fehlerbehandlung, Monitoring und Fallback-Logik, um hohe Zuverlässigkeit und Einhaltung der Datenschutzbestimmungen zu gewährleisten.
• Entwickelte und implementierte ML-Modelle zur Erkennung von Transaktionsanomalien, wodurch die Betrugserkennung und Risikobewertung in großen Datensätzen für das Kreditrisikomodell verbessert wurden.
• Erstellte, bewertete und optimierte ML-Modelle zur Generierung von Propensity Scores für Kunden, die in personalisierten Targeting-Kampagnen für Kreditkarten und Privatkreditprodukte eingesetzt wurden.
• Entwickelte eine NLP-Pipeline mit BERT-Embeddings und spaCy NER für SMS-/E-Mail-Analysen und Kundenanfragenprotokolle.
• Trainierte Machine-Learning-Modelle mit Isolation Forest, um Nutzerverhalten zu klassifizieren und Anomalien zu erkennen.
• Extrahierte, bereinigte, angereicherte und feature-engineerte Datensätze aus verschiedenen Quellen, um Feature Stores zu erstellen, die das Training von ML-Modellen ermöglichten.
• Leitete die Entwicklung von Dashboards mit Power BI, Grafana und Prometheus zur Überwachung der Modellleistung, KPI-Trends und Marketing-Kennzahlen.
• Erstellte Multi-Touch-Attributionsmodelle mit logistischer Regression und zeitverfallbasierten Gewichtungen zur Bewertung der Lead-Qualität.
• Entwickelte skalierbare ETL-Pipelines aus CRM, T24, SAP und ERP zur Unterstützung von Millionen monatlicher Transaktionen.
• Integrierte Testverfahren und CI/CD-Workflows für eine stabile Bereitstellung von Datenpipelines.

• Verantwortung für die Neuentwicklung einer Abrechnungs- und Prüfsoftware für Verordnungen (Rezepte), um E-Rezepte vollumfänglich auf Korrektheit (Inhalt, Rechnung) zu prüfen und auszuwerten

• System besteht aus mehreren Kontexten, die als Dienste (Docker-Container) ausgeführt werden:

• Überprüfung und Verarbeitung von Datenlieferungen via FTP und E-Mail

• Verwaltung von Rechnung, Clearings, Abschlägen und Absetzungen

• Verwaltung und Ausführung von Prüfregeln und Prüfmappen

• Auswertungen auf Basis von Metabase

• Entwickler-Stack: Kotlin, Vue 3 / Vuetify 3, ANTLR, Spring Boot 3, REST-API, Gradle, Docker, GitLab, PostgreSQL, Kafka, Keycloak, Scrum, Grafana, Loki, Testcontainers, Prometheus