Senior Full Stack Web Developer

Ein LLM-Prototyp steht in Stunden und kann mit zahlreichen Tools im Netz zusammengeklickt werden. Ein fertiges, marktreifes Produkt, bei dem Zuverlässigkeit, Kosten, Latenz, Evaluation und die Edge Cases berücksichtigt werden, ist etwas anderes. Und das ist meine Arbeit.

Ich bin Full-Stack-Entwickler mit rund 20 Jahren Produktionserfahrung (Python, PHP, JavaScript/Frontend) und heute auf angewandtes AI Engineering spezialisiert: LLM-Features von "hat in der Demo irgendwie funktioniert" dorthin bringen, wo man sie echten Nutzern vorsetzen kann.

WAS ICH BAUE

• Realtime-Pipelines für Sprache und Chat: vollständiger Tool-Calling-Lifecycle, Mandantenfähigkeit und die unschönen Produktionsdetails wie Phantom-VAD-Trigger, Echo-Gating und Reconnect-Handling.

• MCP-Server und -Clients: Beide Seiten von Grund auf selbst implementiert, auf Protokollebene, mit eigenen Tools. Nicht "ich habe mal eine Library eingebunden".

• RAG- und Retrieval-Systeme: mit LlamaIndex, wenn es schnell zur ersten Version gehen soll, oder direkt gegen die API gebaut, wenn Retrieval-Qualität, Kosten und Latenz kontrollierbar bleiben müssen. In beiden Fällen: Ingestion und Chunking, Embeddings, Vektorsuche, Antworten mit belegbaren Quellenangaben.

• Zugriffskontrolle auf der Retrieval-Ebene: Security-Trimming und Mandantentrennung, damit ein RAG-System nicht das falsche Dokument an die falsche Person ausliefert.

• LLM-Deployment mit europäischen und deutschen Hosting-Anforderungen: Ich habe Erfahrung damit, LLM-Anwendungen so aufzubauen, dass Modelle und Infrastruktur bei europäischen bzw. deutschen Anbietern betrieben werden können.

• Evals und Observability: Qualitätsmessung, Tracing und systematische Evaluation statt Bauchgefühl damit nachvollziehbar wird, ob eine Änderung das System tatsächlich besser oder nur anders macht.

WIE ICH ARBEITE

Ich bin pragmatisch, was Frameworks angeht und nutze, was sich am besten eignet. Ich bevorzuge Libraries (LiteLLM, pgvector/Qdrant, Ragas, LangFuse) gegenüber schweren Frameworks. Wenn bei Ihnen bereits LangChain oder LangGraph läuft arbeite ich aber auch darin.

Ich habe die Erfahrung gemacht: Ein wesentlicher Teil der meisten "AI-Projekte" ist nicht das Modell. Es ist die Integration: APIs, Authentifizierung, Datenanbindung, Deployment, Fehlerbehandlung. Quasi die unspektakulären 80 Prozent ohne fancy Buzzwords. Ich kann ein Feature end-to-end verantworten.

Wenn Sie ein LLM-Feature haben, das unzuverlässig, teuer oder im Prototyp-Stadium festhängt; wenn Sie RAG über interne Dokumente brauchen, mit echten Berechtigungen; oder wenn Sie eine MCP-Integration in Ihr bestehendes Tooling wollen, kontaktieren Sie mich gerne.

Falls Sie jedoch Modelltraining, Fine-Tuning-Forschung oder Data Science brauchen: Das ist ein anderer Beruf und in diesem Bereich biete ich keine Dienstleistungen an.

Deutsch (Muttersprache), Englisch (fortgeschritten).