Senior AI Engineer | LLM & RAG Architect | Teaching Experience

Ein Unternehmen aus der Automobilbranche wollte die Einsatzmöglichkeiten von Agentic AI praxisnah demonstrieren. Ziel war ein interaktiver Produkt-Demonstrator, der komplexe KI-Funktionalitäten wie Analyse, Visualisierung und Entscheidungslogiken verständlich, erlebbar und erweiterbar abbildet – mit Perspektive auf eine spätere Produktivlösung.

Es entstand ein erweiterbarer, professioneller Demonstrator, der moderne Webtechnologien mit agentischer KI, automatisierter Datenanalyse und adaptiver Visualisierung verbindet. Die Lösung macht das Potenzial von Multi-Agenten-Systemen greifbar und bildet eine belastbare Grundlage für produktionsnahe, KI-gestützte Anwendungen und zukünftige Produktinnovationen.

Ein Unternehmen in der Einzelhandelbranche wollte qualitative Nutzerinterviews zu Microsoft 365 Copilot effizienter, strukturierter und skalierbar durchführen. Ziel war es, klassische Interviewmethoden mit LLM-Technologien zu verbinden, ohne dabei Kontext, Nachvollziehbarkeit oder methodische Qualität der Ergebnisse zu verlieren.

Es entstand ein modularer, produktiv einsetzbarer Interview Copilot Bot, der qualitative Forschungsmethoden mit agentischer KI verbindet. Die Lösung ermöglicht strukturierte, nachvollziehbare und skalierbare Nutzerinterviews und liefert eine belastbare Grundlage für Experience Research, Wissensgenerierung und datenbasierte Handlungsempfehlungen.

Ein E-Commerce-Unternehmen wollte sein Inhouse-Sales-Team bei komplexen, dokumentenbasierten Produktanfragen besser unterstützen. Ziel war ein KI-gestützter Chatbot, der große Mengen heterogener Produktdaten automatisiert verarbeitet, semantisch durchsucht und kontextbewusst bereitstellt – inklusive mehrstufiger Dialoge, Empfehlungen und konfigurierbarer Anfragen.

Es entstand ein leistungsfähiger, agentenbasierter Sales-Chatbot, der relevante Produkt- und Marktdaten kontextbewusst bereitstellt. Das System ermöglicht präzise, interaktive Beratungsgespräche, beschleunigt den Vertriebsprozess und bildet eine skalierbare Grundlage für intelligente, KI-gestützte Produktberatung.

In einem forensischen Umfeld sollten KI-gestützte Transkriptions- und Übersetzungsmodelle produktiv nutzbar gemacht und nahtlos in bestehende Analyseprozesse integriert werden. Ziel war eine benutzerfreundliche Webanwendung sowie eine technische Anbindung der KI-Funktionen an vorhandene forensische Auswertungssoftware – unter hohen Anforderungen an Sicherheit, Verfügbarkeit und Wartbarkeit.

Es entstand eine performante, skalierbare Plattform für KI-gestützte Sprachverarbeitung, die sowohl als eigenständige Webanwendung als auch integriert in forensische Analyseumgebungen eingesetzt wird. Die Lösung vereinfacht den Zugriff auf Transkriptions- und Übersetzungsfunktionen erheblich und steigert die Effizienz forensischer Auswertungsprozesse nachhaltig.

In einem sicherheitskritischen Umfeld sollte eine leistungsfähige Lösung zur automatischen Sprachtranskription und Übersetzung aufgebaut werden, die vollständig ohne Cloud-Dienste auskommt. Ziel war eine On-Premise-fähige KI-Anwendung mit hoher Genauigkeit, geringer Latenz und voller Datenhoheit – geeignet für den produktiven Einsatz mit sensiblen Inhalten.

Es entstand eine robuste, skalierbare On-Premise-Lösung für automatische Sprachtranskription und Übersetzung, die Echtzeitverarbeitung mit hoher Genauigkeit ermöglicht. Die Anwendung gewährleistet maximale Datenhoheit, lässt sich flexibel in bestehende Systeme integrieren und ist für den dauerhaften produktiven Einsatz in sensiblen Umgebungen ausgelegt.

Im Rahmen behördlicher und unternehmensinterner Ermittlungen sollten digitale Spuren aus Mobilgeräten und IT-Systemen gerichtsfest gesichert und ausgewertet werden. Ziel war es, relevante Nutzungs- und Systemdaten nachvollziehbar zu analysieren, zeitliche Abläufe zu rekonstruieren und belastbare Entscheidungsgrundlagen für Ermittlungs- und Rechtsinstanzen bereitzustellen.

Es entstanden belastbare, gerichtsfeste Analyseergebnisse, die digitale Ereignisverläufe transparent und nachvollziehbar abbilden. Die strukturierte Aufbereitung und Visualisierung der Daten erhöhte die Effizienz forensischer Untersuchungen und lieferte fundierte Entscheidungsgrundlagen für Ermittlungsbehörden und juristische Instanzen.

Im Rahmen einer Masterarbeit sollte untersucht werden, wie Sicherheitsmerkmale auf Ausweisdokumenten automatisiert erkannt werden können. Ziel war die Entwicklung und Evaluation robuster Computer-Vision- und Machine-Learning-Verfahren zur Identifikation von Merkmalen wie Wasserzeichen, Hologrammen und Mikrodrucken unter realistischen Aufnahmebedingungen.

Es wurde eine leistungsfähige und robuste Lösung zur automatisierten Erkennung von Sicherheitsmerkmalen auf Ausweisdokumenten entwickelt und evaluiert. Die Ergebnisse zeigen das Potenzial kombinierter Computer-Vision- und Deep-Learning-Ansätze und bilden eine fundierte Grundlage für weiterführende Anwendungen in der automatisierten Dokumentenprüfung.

In einem komplexen Aviation- und Logistikumfeld sollten große, heterogene Datenmengen für interne Fachbereiche nutzbar gemacht werden. Ziel war der Aufbau skalierbarer BI-Reports und analytischer Dashboards zur datengetriebenen Entscheidungsunterstützung – von operativen Kennzahlen bis hin zu explorativen Analysen.

Es entstand eine skalierbare BI- und Analytics-Landschaft, die sowohl standardisierte Reports als auch explorative Analysen ermöglicht. Die Lösung unterstützte datengetriebene Entscheidungen im operativen und strategischen Kontext und verbesserte Transparenz, Performance und Nutzbarkeit analytischer Informationen deutlich.