18.09.2026 aktualisiert
FJ
Premiumkunde
100 % verfügbarMachine Learning & Generative AI: Python, PyTorch, LLM, RAG, AI Agents; SAP, Edge-AI, TypeScript
Lübeck, Deutschland
Deutschland
M.Sc. Medizinische IngenieurwissenschaftSkills
AI AgentsRAGMLflowLLMMLOpsKünstliche IntelligenzCloud FoundryPythonMachine LearningOpenCVSAP PowerDesignerTensorFlowPyTorchPrompt EngineeringDeep Learning
AI/ML Engineer (Machine Learning, GenAI, SAP BTP)
Entwicklung und Produktivsetzung von Machine-Learning- und GenAI-Lösungen; vom Modelltraining (PyTorch, Transformer) über SAP AI Core und Generative AI Hub bis zur Offline-Inferenz auf Edge-Hardware (NVIDIA Jetson, ONNX).
Einsatzgebiete:
- ML-/GenAI-Anwendungen auf der SAP Business Technology Platform (AI Core, CAP, Cloud Foundry)
- Edge-AI und Embedded ML: Inferenz auf ressourcenbeschränkter Hardware, offline-fähige Architekturen
- Signalverarbeitung und prädiktive Modelle in regulierten Umfeldern (Medizintechnik/FHIR, Logistik, Payment/PCI)
- Datenintegration und ETL über heterogene Großdatenbanken (Python, SQL)
M.Sc. Medizinische Ingenieurwissenschaft (Universität zu Lübeck), wissenschaftliche Publikation, Projekterfahrung u. a. mit Drägerwerk-Kooperation an der Charité.
Erfahrung
Berufserfahrung0 - 5 Jahre
Freelancer seit2023
Sprachen
DänischgutDeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Edge-AI-Plattform für Offline-Commerce - ML-Risk-Scoring auf SAP BTP (Produktentwicklung „PULSE")
- Implementierung eines ML-basierten Risk-Scoring-Modells zur Bewertung von Zahlungsvorgängen auf der SAP Business Technology Platform: CAP-Service als Ground-Backend, Training und Modellverwaltung über SAP AI Core, Deployment über Cloud Foundry
- Auswahl, Integration und Inbetriebnahme eines NVIDIA Jetson Orin Nano als Edge-Node inklusive CAD-Konstruktion des Industriegehäuses
- Lokale Inferenz auf der Edge-Hardware ohne Cloud-Anbindung; Feature-Design und Exportpfad für CPU-/Edge-Ausführung
- PCI-konforme Architektur: keine Cloud-Abhängigkeit im Transaktionspfad, Abgleich erst bei Wiederverbindung
Interne KI-Entwicklungsplattform; selbst gehostete LLM-Inferenz und Agenten-Infrastruktur
- Aufbau eigener Server für MCP (Model Context Protocol) und ACP (Agent Communication Protocol) mit OpenAI-kompatibler Schnittstelle und Custom-Agent-Templates
- Betrieb eines On-Demand-GPU-Servers mit bedarfsgesteuertem automatischem Start und Stopp; Inferenzkapazität nur bei aktiver Entwickleranfrage, entsprechend kostenoptimiert
- Deployment und Evaluation offener Modelle (u. a. Devstral, Kimi, Qwen) für Code-Generierung
- Anbindung der Entwicklungsumgebungen (VS Code) über die OpenAI-kompatible Schnittstelle
- Vollständig selbst gehostete Inferenz; keine Übermittlung von Quellcode oder Unternehmensdaten an externe LLM-Anbieter
Digital Twin und latenzkritische Audio-Signalverarbeitung für digitale Hörgeräte
- Weiterentwicklung des Digital Twin eines Hörgeräts in MATLAB/Simulink zur Simulation komplexer Hörumgebungen
- Entwurf latenzreduzierter Subbandfilter zur Rauschunterdrückung (Wiener-Filter)
- Entwicklung eines MATLAB-Tools mit grafischer Oberfläche zum Live-Test der Algorithmen am realen System
- Abschlussarbeit auf Englisch, Bewertung 1,0