08.01.2026 aktualisiert

**** ******** ****
verifiziert
Premiumkunde
20 % teilweise verfügbar

Senior AI & Machine Learning Engineer - GenAI | multimodal AI Agents | Deep Learning | Cloud

Köln, Deutschland
Weltweit
M. Sc. Human Technology in Sports and Medicine
Köln, Deutschland
Weltweit
M. Sc. Human Technology in Sports and Medicine

Profilanlagen

CV_Niklas_Petersen_deutsch.pdf
Telekom_MMS_Referenzschreiben.pdf
Congstar_Referenzschreiben.pdf
Emetriq_Referenzschreiben.pdf
Datasolut_Arbeitszeugnis.pdf
CV_Niklas_Petersen_english.pdf

Skills

APIsKünstliche IntelligenzAirflowAmazon Web ServicesData AnalysisApple Mac SystemsComputer VisionMicrosoft AzureBig DataCloud ComputingDatenverarbeitungDatenbankenContinuous DeliveryContinuous IntegrationDatenmanagementLinuxDevopsSkalierbarkeitHttp-StreamingPythonMachine LearningNltkVisualisierungTensorflowAzure Machine LearningSprachanalyseSQLSqlalchemyAusbildungsaktivitätenVisual Studio OnlineSpracherkennungWebsocketWebrtcAWS CdkModellgetriebene EntwicklungFeature-EngineeringData SciencePytorchLarge Language ModelsApache SparkDeep LearningGenerative AIAudio StreamingKerasGitlabGitFastapiHuggingFaceBitbucketDatenmanagementMachine Learning OperationsSprachsyntheseVideo StreamingGensimZweisprachigApi DesignSpacyTerraformDockerDatabricksGolangProgramming LanguagesMicroservices
Generative AI & AI Agents
  1. Experte für multimodale, mehrsprachige AI Agents mit Sprach-, Bild- und Dokumenteneingabe sowie der Entwicklung individuell angepasster und skalierbarer Einzelkomponenten als Microservices, wie Speech-to-Text, LLM und Text-to-Speech.
Deep Learning / Machine Learning
  1. Umfassende Erfahrung in der Entwicklung, dem Training und der Optimierung von Deep-Learning- und Machine-Learning-Modellen sowie in der Implementierung leistungsfähiger end-to-end MLOps-Prozesse in der Cloud. Expertise reicht von der Modellentwicklung über die Evaluierung bis hin zur produktiven Bereitstellung.
MLOps/DevOps
  1. Einsatz moderner MLOps-/DevOps-Praktiken für effiziente, wartbare KI-Systeme mit Fokus auf Monitoring und Dashboarding. Erfahrung mit Orchestrierungstools wie Airflow, MLFlow sowie AWS- und Azure-Lösungen.
Cloud und Infrastructure as Code
  1. Fundierte Kenntnisse in Azure und AWS-Diensten (SageMaker, Lambda, Step Functions) und diversen Datenbank-/Speicherlösungen. Entwicklung skalierbarer KI-Pipelines. Deployment mit Infrastructure as Code (Terraform, OpenTofu, CDK).
Frameworks
  1. GenAI/AI Agents/NLP: LangChain, LlamaIndex, Pipecat, LiveKit, Haystack, Hugging Face Transformers, LangChain, LlamaIndex, Haystack, NLTK, SpaCy, Gensim, OpenAI API
  2. ML: TensorFlow, PyTorch, Keras, Spark

Main Programming Languages
  1. Python
  2. Golang

Datenmanagement und -verarbeitung
  1. Datenmanagement, Feature Engineering, Big Data-Skalierung und -Visualisierung
Tools
  1. Vertrauter Umgang mit CICD, Docker, git, VS Code, GitLab, Bitbucket in macOS, Windows und Linux

Sprachen

DeutschMutterspracheEnglischverhandlungssicherFranzösischgut

Projekthistorie

AI Specialist

Deutsche Telekom MMS GmbH

Internet und Informationstechnologie

1000-5000 Mitarbeiter

Senior AI Engineer | Entwicklung eines AI Agents (EU-Projekt)

Deutsche Telekom MMS GmbH

Internet und Informationstechnologie

1000-5000 Mitarbeiter

Entwicklung eines multimodalen, multilingualen KI-Assistenten im Rahmen eines EU-geförderten Innovationsprojekts (IPCEI-CIS). In der Rolle als Senior AI Engineer verantwortete ich die Konzeption und Umsetzung zentraler KI-Komponenten (u.a. LLM-Integration, Speech-to-Text, Text-to-Speech) als skalierbare Microservices.
Besonderer Fokus lag auf niedriger Latenz für Echtzeitkommunikation mit Einsatz von WebRTC, sowie der produktiven Bereitstellung mittels MLOps, CI/CD und Cloud-Infrastruktur (IaC).

Machine Learning Engineer | Entwicklung einer NLP- und MLOps-Pipeline für Kundenservice-Analysen

congstar GmbH

Telekommunikation

50-250 Mitarbeiter

Zuständig für den Aufbau einer Ende-zu-Ende Datenaufbereitungs-, Verarbeitungs- und Trainingsstrecke für die eingehenden Anrufe im Kundenservice. Hierbei wurden Methoden aus den Bereichen der natürlichen Sprachverarbeitung und der generativen künstlichen Intelligenz verwendet, um die zugrundeliegenden Daten in Text und weiterführend in für den Fachbereich analysierbare Ergebnisse zu überführen. Zu diesem Zwecke wurden Machine Learning Modelle (Transformer; LLMs) trainiert zur Vorhersage relevanter Parameter hinsichtlich der Kundenanliegen und -zufriedenheit und in die Verarbeitungsstrecke in der AWS-Cloud implementiert. Mit diesem MLOps-Prozess und den täglich neuen, resultierenden Daten wurden dem Fachbereich und dem Kunden im Allgemeinen wertvolle und zuvor nicht vorliegende Einblicke in das Anrufsverhalten der Kund*innen ermöglicht.

Machine Learning Engineer | Festanstellung ML-Consulting/-Beratung

datasolut GmbH

Internet und Informationstechnologie

10-50 Mitarbeiter

Entwicklung von end-to-end MLOps-Prozessen in der Cloud (Datenverarbeitung, Training und Operationalisierung von Modellen, Analyse und Monitoring) für namhafte Kunden diverser Branchen. Präsentation und Kommunikation von Ideen und Ergebnissen vor Interessensgruppen/Vorgesetzten. Erwerb von Zertifizierungen und Weiterbildungen (Spezialisierung NLP und GenAI/LLM).

Machine Learning Engineer | Entwicklung Chatbot mit RAG-System für bekannten Geschichtspodcast

Medien und Verlage

< 10 Mitarbeiter

In Zusammenarbeit mit einem bekannten Geschichtspodcast wurde ein Chatbot entwickelt, welcher auf das Wissen aus fast 500 Folgen zurückgreifen kann. Dafür wurde eine Cloud-Datenstrecke aufgebaut, welche Podcast-Folgen automatisiert transkribiert und deren Inhalte in einer Vektordatenbank aufbereitet und somit von dem RAG-Agenten und einem LLM präzise abgefragt werden können. Als User-Interface wurde ein Dashboard entwickelt, in welchem nützliche Statistiken wie Sprechanteile oder Word-Clouds generiert und visualisiert wurden.

Data Engineer | Cookieless/Contextual Targeting mit NLP im Online-Marketing

emetriq GmbH

Marketing, PR und Design

50-250 Mitarbeiter

Ziel war es, das Bereichsprodukt weiterzuentwickeln, welches Targetings auf Webseiten unter Berücksichtigung des Kontextes und unabhängig von 3rd Party Cookies anbietet. Zu den Schwerpunkten zählte sowohl die Entwicklung von Datenaufbereitungs-, Verarbeitungs- und Trainingsstrecken, als auch die Bereitstellung von Inferenz-Endpunkten für Machine-Learning Modelle in der Cloud. Zuletzt wurde außerdem eine Web-Applikation entwickelt, welche der Bereich zukünftig für eine vereinfachte Konfiguration von kontextuellen Kundensegmenten verwenden wird, da sie zugrundeliegende Mechanismen des Quellcodes durch interaktive Tools verständlich macht und die Auswirkungen verschiedener Konfigurationen veranschaulicht und informativ darstellt.

Zertifikate

Databricks Certified Machine Learning Associate

Databricks

2023

Databricks Accredited Generative AI Fundamentals

Databricks

2023

AWS Certified Machine Learning Specialty

AWS (Amazon Web Services)

2022

AWS Certified Cloud Practitioner

AWS (Amazon Web Services)

2022

Terraform Associate

HashiCorp

2022

Databricks Certified Associate Developer for Apache Spark 3.0

Databricks

2022


Portfolio

item-0

Chatbot für Podcast

In Zusammenarbeit mit einem bekannten Geschichtspodcast wurde ein Chatbot entwickelt, welcher auf das Wissen aus fast 500 Folgen zurückgreifen kann. Dafür wurde eine Cloud-Datenstrecke aufgebaut, welche Podcast-Folgen automatisiert transkribiert und deren Inhalte in einer Vektordatenbank aufbereitet und somit von dem RAG-Agenten und einem LLM präzise abgefragt werden können. Als User-Interface wurde ein Dashboard entwickelt, in welchem nützliche Statistiken wie Sprechanteile oder Word-Clouds generiert und visualisiert wurden.
https://www.nikpetersen.com/projects/project-chatbot-podcast/
item-1

AI x Subway Surfers

Mit Computer-Vision und Methoden des überwachten Lernens wurde ein Convolutional Neural Network trainiert, das Spiel Subway Surfers auf nahezu menschlichem Niveau zu spielen. Durch eigenes Spielen wurde ein ausreichend großer Datensatz erstellt, aus dem das Modell lernen konnte die entsprechenden Tasten-Aktionen situationsabhängig in Echtzeit auszuführen.
https://www.nikpetersen.com/projects/project-ai-plays-subway-surfers/
item-2

AI x Icy Tower

Ein Modell wurde trainiert, das Spiel Icy Tower zu spielen. Dafür wurde ein genetischer Algorithmus aus dem Bereich des selbstverstärkenden Lernens (Reinforcement Learning) verwendet, welcher iterativ über Neuro-Evolution neuronale Netze entwickelt. Zusätzlich wurde das Spiel in Python möglichst originalgetreu nachprogrammiert.
https://www.nikpetersen.com/projects/project-ai-plays-icy-tower/

Kontaktanfrage

Einloggen & anfragen.

Das Kontaktformular ist nur für eingeloggte Nutzer verfügbar.

RegistrierenAnmelden