GenAI / LLM Expert · Fullstack · Node.js · TypeScript · React · Next.js · Java · Python · Microservices

7/2025 – 12/2025

Kunde:
Führender Anbieter von B2B/EDI- und API-Integrationslösungen

Rolle:
Implementierung eines AI-Agenten zur Automatisierung der
Data Mappings in einer Business Integration Suite.

Eingesetzte Technologien:
- OpenAI & Anthropic (Claude/Claude Code) für Sprachmodelle,
- LangChain als Orchestrierungsframework, moderne Tooling- und Entwicklungsumgebungen für die Einbettung des Agenten.
- Python, TypeScript, Java
- Vektordatenbanken
- Monitoring & Logging: Prometheus, Grafana, ELK Stack

Forschung & Entwicklung

11/2024 – 6/2025

Kunde:
Deutsches Startup für KI-gestützte Chatbot- und NLU-
Lösungen (Chat & Search Plattform, Kunden- und
Mitarbeiterservice)

Rolle:
Entwicklung eines intelligenten Chatbots, der natürliche
Sprache versteht, Unternehmenswissen nutzt und über
verschiedene Systeme mit Kunden und Mitarbeitenden interagiert
(z. B. im Kundenservice, HR und IT-Support).

Eingesetzte Technologien:
- LLMs: GPT-4, Claude, LLaMA
- Architektur: RAG, Prompt Engineering, Kontextsteuerung
- Vektordatenbanken: Pinecone, Weaviate
- Integrationen: REST / GraphQL APIs, CRM, ERP, MS Teams, Slack
- Cloud & Infrastruktur: Azure, AWS, Docker, Kubernetes
- Auth & Security: OAuth2, Azure AD, rollenbasierte
Zugriffssteuerung
- Monitoring & Logging: Prometheus, Grafana, ELK Stack

Forschung & Entwicklung

3/2021 – 5/2024

• Technologie-Transformation: Entwicklung und Implementierung einer Strategie zur Migration von herkömmlichen Machine-Learning-Modellen auf Large Language Models (LLMs), um die Leistungsfähigkeit der bestehenden Technologie zu erhöhen.

• Architektur-Optimierung: Analyse der bestehenden Software-Infrastruktur und Integration von LLMs, um die Basis für die Implementierung eines AI-Agents zu schaffen.

• Entwicklung eines AI-Agents: Konzeption, Design und Implementierung eines KI-gestützten Agents, der autonome Entscheidungen trifft und Geschäftsprozesse optimiert.

• Innovationsmanagement: Einführung neuer Technologien und Methoden zur Verbesserung der KI-Kompetenzen des Unternehmens, einschließlich fortschrittlicher Prompt-Engineering-Techniken und adaptiver Modell-Optimierung.

• Technologien und Frameworks: Einsatz moderner Tools wie PyTorch, TensorFlow, Hugging Face Transformers, LangChain, OpenAI API, Kubernetes für skalierbare Deployments sowie MLOps-Plattformen wie MLflow und Weights & Biases.

• Cross-funktionale Zusammenarbeit: Enge Zusammenarbeit mit Datenwissenschaftlern, Entwicklern und Geschäftseinheiten, um sicherzustellen, dass die AI-Lösungen unternehmensweit effektiv eingesetzt werden können.

Amazon Web Services (AWS), Generative KI, Langchain, Large Language Models, Microsoft Azure, Python