21.10.2026 aktualisiert
Premiumkunde
100 % verfügbarSenior AI Engineer: Agentic AI, KI-Agenten und Sprachagenten, RAG und LLM im Produktivbetrieb
Burgdorf, Deutschland
Weltweit
B.Sc. Informatik, Leibniz Universität Hannover (M.Sc. berufsbegleitend, Abschluss 2027)Über mich
Ich baue KI-Agenten, die im Unternehmen echte Arbeit übernehmen: Sprachagenten mit Werkzeugaufrufen und RAG-Pipelines, bei denen das Modell nur zwischen belegten Treffern wählt. Seit 2016 Softwareentwickler, sechs Jahre Medizintechnik (IEC 62304). Remote oder vor Ort.
Skills
RAGLLMKünstliche IntelligenzComputer VisionMicrosoft AzureMedizintechnikC#C++Iec 62304Iso 13485PythonMachine LearningOpenCVProzessautomatisierungTypeScript
Ich baue KI-Agenten, die in einem Unternehmen jeden Tag Arbeit abnehmen. Mit echten Kunden am Telefon und echten Aufträgen in der Warenwirtschaft.
Ein Beispiel ist mein Telefonieagent. Er spricht Deutsch, beantwortet Rückfragen und geht auf Einwände ein. Am Ende steht die Bestellung oder der Termin direkt im System. Wie er sich verhält, regelt eine Kampagnendatei, CRM und Warenwirtschaft hängen über Adapter dran. Und er sagt am Anfang offen, dass er eine KI ist. Hören können Sie den Sprachagenten unter https://portfolio.dioptify.com/voice-agent. Für eine Vorführpraxis habe ich dazu einen Prüfstand mit 30 simulierten Anrufern und elf festen Regeln gebaut. In den Testgesprächen gab sich die Assistentin jedes Mal als KI zu erkennen (16 von 16), stellte keine Diagnose und bestätigte keinen Termin ohne Buchung.
Ein zweites ist meine Bestellannahme. Aufträge kommen per Telefon, Mail und Shop. Eine Retrieval-Stufe sucht zuerst die passenden Artikel im Stamm, über unscharfe Namen, Merkmale und die Bestellhistorie des Kunden. Erst dann wählt das Sprachmodell, und zwar nur unter diesen Kandidaten. Eine Artikelnummer erfinden kann es also gar nicht.
So sehe ich Agentic AI. Das Modell darf entscheiden, aber nur zwischen Möglichkeiten, die belegt sind, und jeder Schritt prüft den vorigen. Deshalb halten meine Systeme auch dann, wenn gerade keiner hinschaut.
Diese Sorgfalt habe ich aus der Medizintechnik. Sechs Jahre unter IEC 62304, ISO 13485 und MDR, zuletzt als technischer Leiter eines Computer-Vision-Teams. Software von mir läuft im OP: medizinische 3D-Daten, die auf der HoloLens 2 deckungsgleich auf dem Patienten liegen, und Edge-KI auf einem NVIDIA Jetson direkt am Gerät. Da testet man, bevor etwas live geht.
Programmiert habe ich seit 2016 in Python, TypeScript, C++ und C#. Betrieben wird auf Azure oder eigenen Servern, mit Docker und Kubernetes.
Ich arbeite remote oder vor Ort, im Dienst- oder Werkvertrag über meine Firma dioptify UG. Erzählen Sie mir, was Ihr Agent können soll. Ich sage Ihnen ehrlich, ob das geht und wie lange es dauert.
Skills im Überblick
KI und Agenten: Agentic AI, KI-Agenten, LLM, RAG, Retrieval, Tool Calling, Sprachagenten (Voice AI), Prompt Engineering, Prozessautomatisierung
Sprachen und Plattformen: Python, TypeScript, C++, C#, Azure, Docker, Kubernetes, gRPC, WebRTC, React
Computer Vision und Edge AI: PyTorch, ONNX, TensorRT, OpenCV, NVIDIA Jetson
Regulierte Entwicklung: Medizintechnik, IEC 62304, ISO 13485, MDR
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2021
Sprachen
DeutschverhandlungssicherEnglischverhandlungssicherPersischGrundkenntnissePolnischMuttersprache
Projekthistorie
Erfasst den Projektmarkt ohne Zutun. Die Pipeline liest Quellen über Sitemaps und JSON, bewertet Projekte, löst die ausschreibende Firma auf und belegt ihren Kontakt. Jeder Schritt prüft den vorigen, statt ihm zu vertrauen, mit Drosselung je Quelle und Schutz gegen Doppelverarbeitung. Läuft zeitgesteuert und legt jeden Morgen einen Bericht ab, aktuell über 19.000 Projekte von rund 1.300 Firmen.
Der ganze Arbeitstag digital: Anmeldung, Tourenplan im Fahrzeug, Abfahrtkontrolle, Fotonachweis, Stundenerfassung und Abrechnung. Die Tablets arbeiten ohne Netz weiter und gleichen nach. Belege sind unveränderlich, damit die Zeiterfassung prüfsicher bleibt. Betrieb auf eigenem Server in Deutschland mit laufender Überwachung. Im Echtbetrieb seit September 2026, täglich mit sechs Fahrzeugen.
Bestellungen per Telefon, E-Mail und Shop werden zu prüfbaren Aufträgen für die Warenwirtschaft. Eine Retrieval-Stufe sucht die Artikel im Stamm, über unscharfe Namenssuche, Wortabdeckung, Merkmale und die Bestellhistorie des Kunden. Das Sprachmodell wählt nur aus diesen Kandidaten und kann keine Artikelnummer erfinden, bei Mehrdeutigkeit fragt das System nach. Fünf Prüfagenten fanden 28 Fehler, jeder ist heute ein Regressionstest. Konzept und Entwicklung lagen komplett bei mir.