AI Engineer · LLM-Pipelines, RAG, Agenten, Evals, Python

4/2025 – 8/2026

IT-Beratung, internes Entwicklungsteam, fünf Kundenprojekte. Aufbau und Betrieb mehrstufiger Verarbeitungsketten mit Anthropic Claude und OpenAI GPT im Produktivbetrieb, rund 20.000 Modellaufrufe pro Tag. Kostenobergrenzen je Aufruf und Tag, einzeln dem Kundenprojekt zugeordnet, kleineres Modell zuerst, Eskalation nur bei Bedarf. Nebenläufigkeit am Rate-Limit des Anbieters bemessen, Wiederholung mit exponentiellem Backoff und Jitter nur bei 429 und 5xx, abgesichert durch idempotente Aufrufe. Extraktion strukturierter Daten gemäß JSON Schema in Python, jede Modellantwort mit Pydantic validiert vor der Weiterverarbeitung. Pflichtfelder durchgängig mit Null-Option, um erzwungene Halluzination auszuschließen. Qualitätssicherung der Modellausgaben mit Gold-Set für die Entwicklung, Hold-out nur zur Abnahme, Regressionsmessung bei jeder Änderung und deterministischen Prüfungen vor jeder modellgestützten Bewertung. Bereitstellung als zustandslose FastAPI-Dienste in Docker, Ausgabe per SSE gestreamt, Health-Checks getrennt nach Liveness und Readiness, PostgreSQL und automatisiertes Deployment über GitHub Actions. Umsetzung durchgehend KI-gestützt mit Claude Code.

Postgresql, Prompt Engineering, Backend, Docker, Machine Learning, Python, Softwareentwicklung (allg.)

9/2024 – 2/2025

SaaS-Anbieter, internes Entwicklungsteam, zwei Produkte. Anbindung von Sprachmodellen an bestehende Python-Anwendungen, Extraktion in feste Datenstrukturen statt Freitext, Modellaufrufe hinter einer Schnittstelle gekapselt und der Anbieter dadurch an einer Stelle tauschbar. Bei Modellausfall greift der bisherige Pfad. Prompt- und Context-Engineering mit Systemprompts und Few-Shot-Beispielen, Caching auf stabilem Präfix, Versionierung der Prompts für vergleichbare Läufe. Datenerhebung aus Webquellen mit Playwright und BeautifulSoup, Bildprüfung auf Auflösung, Seitenverhältnis und Dubletten mit OpenCV und PIL.

Data Science, Prompt Engineering, Backend, Machine Learning, Python, Softwareentwicklung (allg.)

1/2022 – 8/2024

Remote, München. Daneben ein stationäres Ladengeschäft. Artikelanlage mit Sprachmodellen über die API, Bildauswahl per Vision-Modell, Bestellabwicklung sowie Bearbeitung von Reklamationen und Kundenanfragen. Durchgehender Betrieb ohne manuelle Eingriffe. Modellausgaben gegen feste Datenstrukturen geprüft, bevor ein Artikel online ging. Fehlende Angaben blieben leer und gingen in eine Prüfliste, statt vom Modell ergänzt zu werden. Führung des Ladengeschäfts nebenher, von der Gründung bis zur planmäßigen Geschäftsaufgabe.

Backend, Machine Learning, Prompt Engineering, Python, Softwareentwicklung (allg.)