30.07.2026 aktualisiert
100 % verfügbar
Junior AI / Software Developer
munich, Deutschland
munich +100 km
Bachelor of Technology (Informatik), Rajasthan Technical UniversityÜber mich
Softwareentwicklerin, Fokus Generative AI. Ich baue End-to-End AI-Lösungen: Multi-Agenten-Systeme mit LangGraph, RAG (pgvector), LLM-Integration, Python/FastAPI. Projekt: deployed AI-Ticketsystem. Erfahrung: Java (Infosys). Sprachen: Englisch (C2), Deutsch (B1). Verfügbar remote/München.
Skills
RAGLlamaIndexLangChainAPIsKünstliche IntelligenzGitHubPostgreSQLMachine LearningGenerative AIFastAPI
Multi-Agenten-Systeme & Generative AI
Entwicklung eines Multi-Agenten-Systems mit LangGraph zur automatisierten Ticket-Triage: 5 Agenten mit deterministischem Routing (RAG-, SQL-, Hybrid- und Multi-Agenten-Pfad). LangGraph statt CrewAI gewählt, da deterministisches Routing eine garantierte Eskalation kritischer Fälle ermöglicht. Erfahrung mit CrewAI in kleineren Experimenten. Strukturierte LLM-Outputs über Function Calling, inklusive Fallback-Logik bei Klassifizierungsfehlern.
RAG (Retrieval-Augmented Generation)
Hybrid-Retrieval: semantische Vektorsuche (pgvector) kombiniert mit BM25, fusioniert über Reciprocal Rank Fusion. Embeddings via Azure OpenAI. Dokumentenverarbeitung mit LlamaParse und LlamaIndex, Chunking über MarkdownNodeParser/SentenceSplitter. Semantischer Cache zur Reduktion von Latenz und Kosten.
Natural Language to SQL
NL-zu-SQL mit GPT-4o mini, abgesichert durch AST-Validierung (sqlglot), SELECT-only, Tabellen-Allowlisting, Zeilenlimit, Query-Timeout. ThreadedConnectionPool mit Auto-Reconnect für Cold-Starts (Neon).
Backend & APIs
Python, FastAPI, Pydantic für Schema-Validierung. Server-Sent Events (SSE) für Echtzeit-Streaming. Auth0/JWT mit rollenbasiertem Zugriffskonzept (RBAC). Java-Grundkenntnisse (Struts, JSF) aus Tätigkeit als Systemingenieurin bei Infosys.
Datenbanken
PostgreSQL als zentrale Datenbank für strukturierte Daten und Vektor-Embeddings (pgvector). Parametrisierte, injection-sichere Queries.
Sicherheit & Guardrails
Input-Guardrails (Prompt-Injection, PII, Policy-Verstöße) vor jedem LLM-Aufruf; Output-Guardrails zur Redaktion sensibler Daten (E-Mail, Telefon, Kreditkarte, SSN).
Evaluation & Observability
RAGAS-Framework (Faithfulness, Answer Relevance, Context Precision), Golden-Test-Set mit über 50 Testfällen, LLM-Judge. Observability mit Langfuse: Traces, Tokenverbrauch, Kosten, Latenz. 14 SLOs, u. a. 100% Eskalations-Recall bei kritischen Fällen.
Cloud & Deployment
Deployed: FastAPI (Railway), React (Vercel), PostgreSQL + pgvector (Neon, serverlos). Continuous Deployment bei jedem GitHub-Push. Infrastructure-as-Code und CI-Pipelines mit automatisierten Tests möchte ich gezielt vertiefen.
Frontend
React/Vite-Grundkenntnisse: Chat-UI mit Echtzeit-Streaming, Agenten-Visualisierung, rollenbasiertes Dashboard.
Arbeitsweise
Strukturierte, eigenständige Arbeitsweise, sauberer Code, dokumentierte Architekturentscheidungen. Klare Kommunikation komplexer technischer Themen gegenüber Team und Stakeholdern ohne technisches Hintergrundwissen. Schnelle Einarbeitung in neue Frameworks, Tools und Anforderungen.
Sprachen
Englisch (C2), Deutsch (B1), Hindi (Muttersprache)
Erfahrung
Berufserfahrung0 - 5 Jahre
Freelancer seit2026
Sprachen
DeutschgutEnglischverhandlungssicher
Projekthistorie
Entwicklung eines autonomen Multi-Agenten-Systems zur Triage von Enterprise-Support-Tickets mit LangGraph. Umsetzung einer 5-Agenten-Pipeline (Klassifizierung, RAG-Retrieval, NL-zu-SQL, Severity-Neubewertung, Eskalation), Hybrid-RAG-Retrieval mit pgvector und BM25, Input-/Output-Guardrails, Evaluation mit 51 Testfällen und RAGAS-Metriken, Echtzeit-Streaming (SSE), Auth0-Authentifizierung mit RBAC sowie End-to-End-Deployment mit FastAPI, React und PostgreSQL.
Entwicklung eines medizinischen AI-Assistenten mit Python und LlamaIndex. Umsetzung einer RAG-Pipeline für dokumentenbasierte Antworten mit Quellenangaben sowie Integration strukturierter Daten (SQL) und Query-Routing zwischen RAG und SQL.
Weiterbildung zur Entwicklung von AI-Agenten mit LangGraph, LangChain und CrewAI. Themen: Multi-Agenten-Systeme, Tool-Integration, LLM APIs, RAG-Architekturen, Vektordatenbanken und Evaluation von LLM-Systemen.