AI Solution Lead

1/2026 – 12/9999

Leitung der Konzeption einer unternehmensweiten Agentic-AI-Zentralintelligenzschicht, die KI-gesteuerte Interaktionen in Kunden- und Geschäftsbereichen ermöglicht. Definition der Agentic-AI-Architektur, des Betriebsmodells, der Governance und der Lieferungs-Playbooks für die unternehmensweite Wiederverwendung. Bewertung von LLM-Anbietern, Orchestrierungs-Frameworks und KI-Plattformen mit strukturierten Benchmarking- und Bewertungsmethoden. Gestaltung von produktionsreifen KI-Systemen unter Verwendung von LLMs, RAG, Workflow-Orchestrierung und ereignisgesteuerten Architekturen. Einrichtung von KI-Bewertungsrahmenwerken, die Genauigkeit, Latenz, Kosten und geschäftliche Ergebnisindikatoren abdecken. Förderung der verantwortungsvollen KI-Nutzung, einschließlich Datenschutz, Compliance und regulatorischer Ausrichtung. Übersetzung von Geschäftsanforderungen in skalierbare KI-Anwendungsfälle in den Bereichen B2B, B2C und Handel. Erstellung wiederverwendbarer Vorlagen, Standards und Best Practices für die Lieferung von Agentic AI in der D&AI-Organisation.

Architektur, Governance, Large Language Models, Apache Kafka

9/2021 – 1/2026

Aufbau von KI-gestützten ereignisgesteuerten Plattformen, die täglich über 10 Millionen Finanzereignisse mit Kafka, Spark und AWS verarbeiten. Gestaltung skalierbarer ML- und GenAI-Pipelines für Anwendungsfälle im Investmentbanking. Entwicklung serverloser KI-Dienste mit AWS Lambda und API Gateway. Festlegung von Daten- und KI-Architekturstandards für unternehmensweite Programme. Implementierung von CI/CD-Automatisierung, die die Bereitstellungszeit um 60 % reduziert. Erstellung von Bewertungsrahmenwerken für Modellleistung und Datenqualität.

Apache Kafka, Apache Spark, Architektur, Continuous Integration, Machine Learning

10/2019 – 8/2021

Entwicklung von Backend-REST-APIs mit Python (Flask) und Kafka für Echtzeit-Zahlungsanalysen, die täglich über 100.000 Transaktionen verarbeiten. Entwicklung skalierbarer cloud-nativer Anwendungen, die in Kubernetes-Umgebungen mit einer Verfügbarkeitsgarantie von 99,9 % bereitgestellt werden. Implementierung von Autoscaling-Strategien und Kostensenkung in der AWS-Infrastruktur. Integration automatisierter Codequalitäts- und Sicherheitsprüfungen (SonarQube), die die Release-Zyklen um 50 % beschleunigen. Zusammenarbeit mit funktionsübergreifenden Teams zur Verbesserung datengesteuerter Entscheidungssysteme durch die Integration fortschrittlicher Analysen.

Python, Apache Kafka, Kubernetes, Continuous Integration