31.07.2026 aktualisiert
Premiumkunde
100 % verfügbarSenior AI Consultant & AI-Architekt | GenAI, RAG, MLOps
Neu Ulm, Deutschland
Weltweit
M.Sc. Bioinformatik, LMU München (Note 1,1)Über mich
Senior AI Consultant & KI-Architekt für Generative KI, LLM, RAG und MLOps, von der Strategie bis zum Produktivbetrieb. 5+ Jahre KI-Projekte bei DAX-Konzernen (BASF/trinamiX, ZEISS). Fokus: KI in regulierten Branchen, GxP, EU AI Act, AI Governance. 6 Mio.+ Inferenzläufe/Jahr. B2B über GmbH.
Skills
RAGLLMAzure KubernetesMLOpsLangChainAPIsKünstliche IntelligenzData AnalysisArchitekturAutomatisierungBiochemieBioinformatikContinuous DeliveryContinuous IntegrationPython
KI-STRATEGIE & AI CONSULTING
Beratung zu KI-Strategie, Use-Case-Identifikation und Priorisierung: Bewertung von KI-Potenzialen, Machbarkeitsanalysen, Build-vs-Buy-Entscheidungen, Roadmaps vom Proof of Concept in den Produktivbetrieb. Architektur-Reviews, technische Due Diligence, Team-Enablement.
GENERATIVE KI & LLM-SYSTEME
Generative-AI-Lösungen von Konzept bis Betrieb: LLM-Auswahl und Benchmarking, Prompt Engineering, Fine-Tuning, LLM-Evaluation, AI Guardrails, OOD-Detection. Azure AI Foundry, OpenAI, HuggingFace, Ollama, LangChain, LangGraph. Fokus auf messbare Ausgabequalität.
AI GOVERNANCE, EU AI ACT & GXP-COMPLIANCE
KI in regulierten Umgebungen: EU AI Act, GxP, Validierung und Dokumentation von KI-Systemen, Nachvollziehbarkeit, Risikoklassifizierung, Aufbau von AI-Governance-Strukturen, Compliance-Tooling für regulierte Dokumentenprüfung in Pharma und Chemie.
RAG-PIPELINES & ENTERPRISE SEARCH
Retrieval-Augmented-Generation für Unternehmenswissen: Chunking- und Embedding-Strategien, hybride Suche, Reranking, Evaluation der Retrieval-Qualität. Umsetzung mit PostgreSQL/pgvector und Azure AI Search, u. a. für Abgleich gegen ISO- und DIN-Standards.
AGENTIC AI & PROZESSAUTOMATISIERUNG
Agentische KI-Workflows mit Tool-Nutzung, Multi-Step-Reasoning und Human-in-the-Loop auf Basis von LangGraph. Automatisierung wissensintensiver Prozesse wie Lösungsdesign, Dokumentenprüfung und Recherche. Produktiv eingeführt in einer KI-Taskforce.
MLOPS & PRODUKTIVSETZUNG VON KI
Vollautomatisierte Trainings-, Evaluations- und Release-Pipelines auf produktiven Kubernetes-Clustern: Continuous Evaluation, Regressionsprüfungen, Model Monitoring, Versionierung, Deployment-Automatisierung. 90 % kürzere Deployment-Zeit, 6 Mio.+ Läufe/Jahr.
CLOUD-NATIVE BACKEND & MICROSERVICES
Design und Betrieb cloud-nativer Microservices mit Python, FastAPI, Node.js, Docker, Kubernetes, RabbitMQ und Azure. Event-driven Architekturen, REST-API-Design, CI/CD, Observability. Produktivbetrieb mit Incident Triage und Root-Cause-Analyse.
MACHINE LEARNING & DATA SCIENCE
Entwicklung, Training und Validierung von ML-Modellen mit Python, PyTorch und scikit-learn. Data Pipelines, Feature Engineering, semi-supervised Learning, OOD-bewusstes Retraining, Bewertung anhand von F1, Precision, Recall. NIR-Spektroskopie- und Bilddaten.
ON-PREMISE-KI & DATENSOUVERÄNITÄT
KI ohne Cloud-Abhängigkeit bei strengen Datenschutzanforderungen: lokale Speech-to-Text-Pipelines mit Speaker Diarization und LLM-Nachverarbeitung auf Standard-Hardware. Relevant für öffentliche Auftraggeber, Gesundheitswesen, schützenswerte Daten.
FULLSTACK & DOMÄNENWISSEN LIFE SCIENCES
Frontend mit React und TypeScript, Backend mit FastAPI, Python und .NET/C#, Daten mit PostgreSQL. Hintergrund in Biochemie und Bioinformatik, Co-Autorenschaft wissenschaftlicher Publikationen. Kurze Einarbeitung bei Pharma- und Biotech-Kunden.
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Technische Gesamtverantwortung für cloud-native Backend-Services zur Maschinenorchestrierung und Prozessautomatisierung in missionskritischen Halbleiterfabriken. - Produktive Einführung agentischer KI-Lösungen als Teil der KI-Taskforce von ZEISS SMT - Aufbau eines RAG-Systems zur Unterstützung des technischen Lösungsdesigns - Design event-driven Services mit Kubernetes und RabbitMQ - Verantwortung für den Produktivbetrieb: Incident Triage, RCA und Postmortems, Observability und Monitoring - Implementierung eines zentralen Verschlüsselungs-Frameworks für Maschinenkommunikation und sichere Service-zu-Service-Integration Technologien: Python, FastAPI, Kubernetes, RabbitMQ, Docker, LangGraph, RAG, CI/CD, Azure
On-Premise-Sprachverarbeitung unter strengen Anforderungen an Datensouveränität, ohne jede Cloud-Abhängigkeit. Einsparung von rund 30 Stunden manueller Transkription pro Monat. - Lokale Speech-to-Text-Pipeline mit Speaker Diarization für strukturierte Verarbeitung von Mehrsprecher-Audio - Integration lokaler LLM-basierter Nachverarbeitung zur Aufbereitung der Transkripte - Weboberfläche für Upload, Review und Export - Verarbeitung von rund 10 Stunden Audio pro Woche auf Standard-Hardware Technologien: Python, Whisper, Speaker Diarization, Ollama, lokale LLMs, FastAPI, React, Docker
Entwicklung und Vermarktung einer RAG-basierten Lösung zur automatisierten Prüfung regulierter Dokumente gegen Standards wie ISO und DIN, mit ersten Pilotkunden. - RAG-Pipeline mit PostgreSQL/pgvector und Azure AI Search zum Abgleich von SOP-Inhalten gegen regulatorische Anforderungen - Evaluation Loops und AI Guardrails in Azure AI Foundry zur Erhöhung der Ausgabezuverlässigkeit in compliance-kritischen Workflows - Auslieferung als containerisierter FastAPI-Service mit CI/CD - Ergebnis im Pilotprojekt: 20 Stunden manuelle Prüfarbeit pro Scan eingespart Technologien: Python, FastAPI, PostgreSQL, pgvector, Azure AI Foundry, Azure AI Search, LLM, RAG, Docker, CI/CD