17.11.2026 aktualisiert


Premiumkunde
100 % verfügbarSenior Software & AI Engineer – LLM-Pipelines, Backend, Mobile
Seligenstadt, Deutschland
Deutschland
M.Sc. Praktische InformatikÜber mich
Über 10 Jahre Softwareentwicklung: System-Level (C++), Backend (Python), Mobile (Flutter, iOS), LLM-Pipelines. Mein Schwerpunkt: Probleme, um die andere einen Bogen machen – Legacy-Systeme, festgefahrene KI-Initiativen, Architekturen am Limit. Ich zerlege sie und bringe sie in den Betrieb.
Skills
MistralRAGClean ArchitectureLLMFine-TuningGCPAzure DevOpsFlutterKünstliche IntelligenzC++ETLDjangoPythonMachine LearningSoftware Architecture
Die KI-Initiative, die zwischen Demo und Produktion feststeckt. Das Legacy-System, das keiner anfassen will. Die Architektur, die den nächsten Wachstumsschritt nicht trägt. Solche Probleme löst kein weiteres Strategie-Deck, sondern jemand, der sie zerlegt und den Weg raus baut. Das mache ich seit über 10 Jahren: sieben Jahre System-Level-Entwicklung im Enterprise-Umfeld, danach Backend und produktive LLM-Pipelines im großen Maßstab. Heute liegt mein Schwerpunkt auf Agentic AI, RAG und Dokumentenverarbeitung in Python. Als Mitgründer war ich mehrfach CTO und habe Architektur, Infrastruktur und Kernentwicklung selbst gebaut. Ich arbeite modell-, sprach- und cloud-agnostisch, übernehme Verantwortung bis zum Betrieb und bleibe nah am Code. Womit ich Sie unterstütze
Womit ich Sie unterstütze
- Agentische KI-Systeme vom Prototyp in den Betrieb: LangGraph, Tool-Calling, MCP (Model Context Protocol), Human-in-the-Loop
- Dokumentenverarbeitung und Extraktion mit LLMs: Klassifikation, Extraktion, Validierung, OCR (PaddleOCR, Docling)
- LLM-Pipelines mit deterministischer Qualitätssicherung; Fine-Tuning kleiner Modelle (Mistral, Qwen, Gemma) statt teurer Frontier-Modelle
- RAG mit Vektor-Datenbanken, Prompt Engineering und Structured Outputs
- Festgefahrene Systeme in den Betrieb bringen: KI-Prototypen, Legacy-Code, Architekturen am Limit
- Komplette Plattformen als Einzelentwickler von null bis live
- Distributed Crawling und Datenpipelines im großen Maßstab
Technologien
- KI & Agenten: Agentic AI, LangGraph, LangChain, MCP/FastMCP, RAG, Vektor-DBs, Prompt Engineering, Structured Outputs, Fine-Tuning, LangFuse, OpenAI, Claude
- Backend: Python, FastAPI, Pydantic, asyncio, Django, Celery, PostgreSQL, Pytest
- Mobile & System-Level: Flutter, Swift/SwiftUI, Kotlin, C++, Qt, WebRTC
- Infrastruktur: Docker, Kubernetes, AWS/Azure/GCP, GitLab CI, Azure DevOps
- Arbeitsweise: Agentic Software Engineering mit Claude Code, Clean Code, TDD
Ausgewählte technische Problemlösungen
- Deterministische Dokumentenverarbeitung mit LLMs: Mehrstufige Pipeline mit Cross-Checks und fine-getuntem, self-hosted Mistral, Halluzinationen durch Cross-Checks abgefangen. Ergebnis: 300.000+ digitalisierte Speisekarten, 15+ Mio. strukturierte Datenpunkte, ohne Frontier-Modelle.
- KI mit Human-in-the-Loop bei null Fehlertoleranz: Trainierte ML-Modelle in Quality Gates, ca. 90 % weniger manuelle Prüfung.
- Cross-Plattform-OS-Deployment: Apples DHCP/NetBoot-Protokoll reverse-engineered und in C++ neu gebaut, um macOS direkt vom Windows Server zu installieren.
- Hochverfügbarkeit für cloud-gemanagte PLCs: Architektur unter harten Echtzeit-Anforderungen, peer-reviewed publiziert (IEEE INDIN 2023).
Arbeitsweise
- Remote-first, vor Ort für Kickoffs, Workshops und Meilensteine (Rhein-Main, bundesweit nach Absprache)
- Deutsch Muttersprache, Englisch verhandlungssicher
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2021
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
- Ausbau einer bestehenden agentischen KI-Lösung (Agentic AI) vom funktionierenden Proof of Concept zum MVP, angelegt auf 3 Monate.
- Backend: Python, FastAPI, asyncio und Nebenläufigkeit, PostgreSQL.
- LLM & Agenten: Agenten-Tooling und -Scaffolding, Tool-Calling, Anbindung über OpenAI-kompatible API-Clients.
- Infrastruktur & Arbeitsweise: Kubernetes, Git, Agentic Software Engineering mit Claude Code.
- Endkunde und Projektdetails unterliegen einer NDA, eine Freigabe zur Nennung ist noch nicht erfolgt.
Skills: Python, FastAPI, asyncio, PostgreSQL, Agentic AI, LLM, Tool-Calling, Kubernetes, Claude Code
- Technische Verantwortung für zwei KIT+-Projekte, in denen mittelständische Unternehmen KI in ihr Kerngeschäft einführen; dazu Begleitung der Unternehmen beim Einsatz von KI.
- Projekt A – KI-gestützte Wettbewerbsanalyse: Konzeption und Umsetzung einer automatisierten Wettbewerbsbeobachtung. Crawling, Dokumentenverarbeitung und strukturierte KI-Extraktion von Wettbewerberdaten. Zielgrößen: Abdeckung, Genauigkeit, direkt nutzbare Ergebnisse für Fachanwender.
- Projekt B – KI-gestützte Support-Automatisierung: Aufbau eines agentischen Systems, das eingehende Support-Anfragen automatisiert beantwortet und das Arbeitsaufkommen des Support-Teams messbar reduziert. Ziel: 60–80 % der Anfragen ohne manuellen Eingriff.
- Technik: Agentic AI mit LangGraph und LangChain, Tool-Integration über MCP (Model Context Protocol), RAG, OpenAI und self-hosted Modelle.
Skills: Python, LLM, Agentic AI, LangGraph, LangChain, MCP, RAG, Tool-Calling, Web Crawling, Datenextraktion, Dokumentenverarbeitung, Django, Docker
- Gesamtverantwortung für Engineering-Strategie und Architektur, Team von 5 (3 Engineers, 2 Data Scientists) aufgebaut und geführt.
- LLM-Pipeline für Dokumentenverarbeitung und Extraktion (Kernprodukt): mehrstufig (Klassifikation, strukturierte Extraktion, Validierung) mit umfangreichen Cross-Checks und fine-getuntem, self-hosted Mistral, ohne Frontier-Modelle, zu einem Bruchteil der Kosten. Ergebnis: 300.000+ digitalisierte Speisekarten, 15+ Mio. strukturierte Datenpunkte.
- KI-gestützte Datenpflege mit Human-in-the-Loop für einen Anbieter von Standort- und Marktdaten: trainierte ML-Modelle in Quality Gates, ca. 90 % weniger manuelle Prüfung bei null Fehlertoleranz; automatisierte Anomalie-Erkennung in Bestandsdaten.
- Lead-Generation-SaaS-Dashboard: 30+ GB strukturierte Daten in near real-time durchsuchbar.
- Speisekarten-Generator für Dr. Oetker (SaaS): deterministisches Layout-System mit Echtzeit-Rendering, Ausgabe als PDF, QR-Code-Karte und Druckdatei.
- Distributed-Crawling-Infrastruktur mit Semantik-Extraktion und LLM-Automatisierung.
Skills: LLM, Fine-Tuning, Mistral, Prompt Engineering, Structured Outputs, Dokumentenverarbeitung, Datenextraktion, Human-in-the-Loop, Guardrails, Python, Django, Flutter Web, Web Crawling, Team-Leitung
Zertifikate
M.Sc. Praktische Informatik, Note 1,3, Audi AG
FernUniversität in Hagen2022