27.10.2026 aktualisiert
100 % verfügbar
AI Engineer / Data Scientist (M.Sc.) | LLM-Anwendungen & Evaluation
Reutlingen, Deutschland
Deutschland +2
M.Sc. Data Science (Note 1,3)info: Deutschland, Österreich, Schweiz
Über mich
AI Engineer und Data Scientist (M.Sc. Data Science, 1,3). LLM-Pipeline für einen DAX-40-Automobilhersteller gebaut und ausgeliefert. Schwerpunkt Qualitätsmessung: Referenzdaten, Prompt-Regression, LLM-as-a-Judge. Deutsch Muttersprache, Englisch bilingual. Sofort verfügbar, remote/vor Ort in DACH.
Skills
RAGBedrockLangChainAPIsKünstliche IntelligenzData AnalysisComputer VisionCUDAGoogle EarthData IntelligencePythonMachine LearningSQLDatenbank-EnginesFeature-Engineering
GenAI & LLM-Anwendungen
LLM-Pipeline auf Azure OpenAI (nach Release auf GPT-5 umgestellt) für Klassifikation und strukturierte Extraktion, mandantenfähig konfiguriert, per Docker und GitLab CI/CD an einen Kunden des Arbeitgebers ausgeliefert. Prompt Engineering und Prompt-Versionierung, schema-erzwungene Ausgaben (JSON Schema, Pydantic), OpenAI API. Eigenprojekt: RAG mit LangChain, LangGraph und Chroma, Anbietervergleich OpenAI und Amazon Bedrock, Langfuse-Tracing mit Kosten pro Antwort.
Evaluation & Qualitätssicherung
Von Hand annotierte Referenzdaten, Regressionstests für jede Prompt-Version, LLM-as-a-Judge gegen Handbewertungen validiert, reproduzierbare Versuchsreihen mit festem Seed, Fehleranalyse. Qualitätssicherung von Software-Inkrementen, black, isort, mypy, Scrum, technische Dokumentation. Öffentliches Evaluationslabor: github.com/regis-funke/rag-eval-lab
Machine Learning & Computer Vision
PyTorch, PyTorch Lightning, Hugging Face Transformers, scikit-learn, OpenCV. Masterarbeit bei Sereact: DINOv2/DPT für die Tiefenwahrnehmung von Kommissionierrobotern feinabgestimmt, medianer Tiefenfehler von 45 cm auf rund 4 cm. 19 Ablationsvarianten, eigene Loss-Funktionen (BerHu, Sobel, SSIM), Weights & Biases, TensorBoard. NVIDIA-Treiber und CUDA auf einem GPU-Server eingerichtet.
Dokumentenverarbeitung & OCR
Benchmark von Pytesseract, EasyOCR und docTR gegen handkorrigierte Referenztranskriptionen (Levenshtein), Bildvorverarbeitung mit OpenCV, PDF-Parsing, strukturierte Extraktion aus unstrukturiertem Text.
Python, APIs & Auslieferung
Python (pandas, NumPy), Docker, GitLab CI/CD, Flask, async FastAPI, REST-APIs, Anbindung über IPC und SQL Server Service Broker, Linux, SSH, Git, Bash. KI-gestützte Entwicklung mit Cursor, beruflich eingesetzt.
Cloud
Azure OpenAI (ausgeliefertes Kundenprojekt) · Amazon Bedrock (Anbietervergleich, Eigenprojekt) · Google Earth Engine (Umstellung des Bildanbieters). Arbeit unter ISO 27001 und DSGVO.
Daten, Prognosen & BI
Fünf Jahre Absatz- und Bedarfsprognosen und Marktplatz-Analytik im E-Commerce. SQL, T-SQL, MSSQL, KPI-Dashboards in Chartio, A/B-Tests, multivariate Statistik, Feature Engineering, Zeitreihen. Plotly, Matplotlib, ggplot2, R. Spark (M.Sc.-Studium), Power BI und Tableau (Grundlagen).
Branchen & Regulierung
Compliance-Software und RegTech (HinSchG, EUDR, ISO 27001, DSGVO) · Robotik und Lagerlogistik · E-Commerce und Marktplätze.
Erfahrung
Berufserfahrung5 - 10 Jahre
Freelancer seit2026
Sprachen
DeutschMutterspracheEnglischMuttersprache
Projekthistorie
Frage-Antwort-System über sechs ML-Papers (219 Seiten, 872 Chunks): Antwort mit Quelle und Seite oder ausdrückliche Ablehnung, wenn der Korpus die Antwort nicht enthält. Jede Einstellung auf einem Evalset entschieden; der Wechsel des Embedding-Modells hob den Score von 7/10 auf 10/10. LangGraph-Agent gegen feste Chain verglichen. Zwei LLM-Judges mit Pydantic-Urteilen, gegen Handbewertungen validiert: Groundedness 18/20, Correctness 16–17/20. Anbietervergleich OpenAI und Amazon Bedrock über vier Läufe mit Langfuse und Kosten pro Antwort, async FastAPI-Endpunkt mit Lasttest. Öffentlich: github.com/regis-funke/rag-eval-lab
Technologien: Python, LangChain, LangGraph, Chroma, OpenAI API, Amazon Bedrock, Pydantic, Langfuse, FastAPI
Festanstellung als Softwareentwickler (AI/ML); Kunde des Arbeitgebers: Nutzfahrzeughersteller (DAX 40). Bildbezug des Geodatendiensts nach Wegfall des kostenlosen Planet-Labs-Zugangs auf Google Earth Engine umgestellt, mit den nötigen Anpassungen in der bestehenden Flask-API. Weboberfläche zur Gebietsauswahl überarbeitet: Bounding Box per Koordinaten oder auf der Karte; der Dienst liefert die verfügbaren Bilder für den gewählten Zeitraum.
Technologien: Python, Flask, Google Earth Engine, Planet Labs API · Scrum, ISO 27001, DSGVO
Festanstellung als Softwareentwickler (AI/ML); Kunde des Arbeitgebers: Premium-Automobilhersteller (DAX 40), Pkw-Sparte. Konfigurationsgesteuerte, mandantenfähige LLM-Pipeline in Python auf Azure OpenAI konzipiert und gebaut: Klassifikation jeder Meldung (Spam, Anfrage, Beschwerde, echter Hinweis) und strukturierte Extraktion in Risikostufe, Kategorien, Fallzusammenfassung, Schlagworte und Rückfragen, Ausgabe auf Deutsch und Englisch. Gesamten Meldungsbestand von Hand annotiert und jede Prompt-Version dagegen gemessen. Mandanten über paketierte JSON-Konfigurationen ohne Codeänderung. Anbindung über IPC an SQL-Server-Service-Broker-Workflows. Ausgeliefert als dockerisiertes .pyz über GitLab CI/CD; black, isort, mypy, End-to-End-Testaufbau. Nach dem Release von GPT-5 (08/2025) auf das neue Modell umgestellt.
Technologien: Python, Azure OpenAI, JSON Schema, Docker, GitLab CI/CD, mypy, SQL Server Service Broker, Cursor · Scrum, ISO 27001, DSGVO, HinSchG