05.11.2025 aktualisiert
100 % verfügbar
AI/ML Engineer und Data Scientist mit Azure/AWS Expertise
Neusäß, Deutschland
Neusäß +500 km
Promotion in PhysikÜber mich
Ich bin ein erfahrener AI/ML Ingenieur und Data Scientist mit PhD in Physik und umfangreicher Erfahrung in der Erstellung und Optimierung von KI-Modellen für Produktiveinsätze. Ich verwandele komplexe Daten in messbare Geschäftsergebnisse.
Skills
A/B TestingKünstliche IntelligenzAmazon Web ServicesAmazon S3Angewandte PhysikComputer VisionAutomobilindustrieMicrosoft AzureBash ShellPartnerschaftenUbuntuCloud ComputingClusteranalyseContinuous IntegrationLinux
Als promovierter Physiker mit über 15 Jahren wissenschaftlicher Exzellenz bringe ich eine einzigartige Kombination aus theoretischem Tiefgang und praktischer AI/ML-Expertise in Ihre Projekte.
MEINE KERNKOMPETENZEN:
? Produktive AI/ML-Lösungen: Spezialisiert auf Azure/AWS-Deployments mit nachweisbarem ROI. Aktuelles Beispiel: 5x schnellere Chatbot-Response durch intelligente Optimierung (Embedding-Caching, LLM-Warm-up, Token-Tuning) bei vollständiger RAG-Kontext-Erhaltung.
? Predictive Analytics & Zeitreihen: Erfolgreich implementierte Vorhersagemodelle für extrem unbalancierte Datensätze (>40M Trainings- vs. <5 Testpunkte). Ergebnis: 85.200€ durchschnittliche Jahresersparnis pro 5 Windturbinen durch präventive Wartung.
? LLM & RAG-Systeme: Entwicklung und Produktivierung von Enterprise-Chatbots mit Voice-Extension (TTS/STT), hierarchischer Prosody-Humanisierung und End-to-End-Latenz von 2-3 Sekunden.
IHRE VORTEILE:
• Wissenschaftliche Präzision: Als Physiker denke ich in Systemen, erkenne Muster und entwickle robuste, skalierbare Lösungen
• Business-Impact: Übersetze komplexe Anforderungen in messbare Geschäftsergebnisse
• Production-Ready: Alle Lösungen werden mit Monitoring, Skalierbarkeit und Stabilität geliefert
• Deutsche Gründlichkeit: Dokumentation und Wissenstransfer auf höchstem Niveau
TECHNOLOGIE-STACK:
- Cloud: Azure (AI Foundry, ML, Functions, Speech SDK), AWS (EC2, S3, SageMaker)
- ML/DL: PyTorch, TensorFlow, scikit-learn, XGBoost, Prophet
- Spezialgebiete: Time Series Analysis, Anomaly Detection, NLP, Computer Vision
- DevOps: Docker, Kubernetes, CI/CD, MLOps
BRANCHENERFAHRUNG:
✓ Automotive (VARTA): PowerBI-Dashboards, Produktionsqualitäts-Monitoring
✓ Energie (Windturbinen): Predictive Maintenance mit nachweisbarem ROI
✓ Dokumentenverarbeitung (CIB): 30% schnellere Fehlererkennungsalgorithmen
WARUM ICH?
Während viele "KI machen", bringe ich die seltene Kombination aus wissenschaftlicher Tiefe und praktischer Umsetzungsstärke mit. Mein Ansatz: Erst verstehen, dann optimieren, dann skalieren.
Verfügbar für langfristige Partnerschaften, bei denen Qualität vor Geschwindigkeit geht.
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2025
Sprachen
DeutschverhandlungssicherEnglischverhandlungssicherPolnischverhandlungssicherRussischMutterspracheUkrainischMuttersprache
Projekthistorie
- Optimierung eines Azure-Chatbots: 5-fache Beschleunigung der Antwortzeit bei vollständiger RAG-Kontexterhaltung durch Implementierung von Embedding-Caching, LLM-Aufwärmung, Small-Talk-Filter, Routing/LLM-Gate, Token-Tuning, Skalierbarkeit und Monitoring.
- Chatbot-Spracherweiterung: Text to Speech und Speech to Text mit hierarchischer Prosodie-Humanisierung, Multi-Voice-Unterstützung einschließlich GPT-Realtime und Demo-Website.
- Dockerisierung und Deployment des Chatbots auf Azure VM mit NSG, Lifecycle-Kontrollen, sicherer Schlüsselverwaltung, CORS/Berechtigungs-Mitigation und Ende-zu-Ende-Latenz von 2-3s.
- Übersetzung von Geschäftsanforderungen in technische Aufgaben und Erstellung interaktiver PowerBI-Dashboards zur Unterstützung von Managemententscheidungen.
- Analyse von Fertigungsdaten: Kamera und Sensoren, zur Überwachung der Produktionsqualität.
- Entwicklung fortgeschrittener Zeitreihenanalyse-Algorithmen und Qualitätsbewertungs-Pipelines in Python zur automatischen Erkennung von Defekten und Reduzierung manueller Prüfungen.
- Entwicklung eines 30% schnelleren Algorithmus zur Erkennung und Kategorisierung von Verarbeitungsfehlern in einer groß angelegten Dokumentenerkennungs- und Konvertierungs-Pipeline, einschließlich Word-, OpenOffice- und PDF-Dokumenten.
- Entwurf eines Prioritätensystems zur Hervorhebung der kritischsten Fehler, um dem Team zu helfen, sich auf die Fehler mit der größten geschäftlichen Auswirkung zu konzentrieren.