24.10.2026 aktualisiert
Premiumkunde
100 % verfügbarSenior AI Architect & Engineer | KI-Plattformen, ML-Pipelines & MLOps (On-Prem & Cloud)
Berlin, Deutschland
Weltweit
Master of Science (M.Sc.) in Computer Science, Technische Universität BerlinÜber mich
Senior AI Architect & Engineer, 10+ Jahre Erfahrung (u. a. IBM, DFKI). Python-Anwendungen, Backends & Services, Data Engineering (ETL/ELT, Datenpipelines) sowie GenAI/LLM-Apps, AI Agents (LangChain) und MLOps auf AWS und On-Prem – von der Architektur bis zum Betrieb. Remote aus Berlin.
Skills
AnwendungsarchitekturData ArchitectureDigitale ArchitekturHigh-Level-ArchitekturInformationsarchitekturIntegriertes Architektur-FrameworkSolution ArchitectureSystemarchitekturModel Driven ArchitectureCloud PlatformIT-ArchitekturInfrastrukturautomatisierungs-FrameworksDaten-Pipeline
Hybride KI-Architekturen (On-Prem & Cloud)
Konzeption, Architektur und Umsetzung hybrider KI-Plattformen sowohl On-Premises als auch in der Cloud (AWS), inklusive Definition der Zielarchitektur, Aufbau skalierbarer Multi-Tenant-Plattformen und Abstimmung mit fachlichen sowie technischen Stakeholdern.
Machine Learning Pipelines & MLOps
Aufbau und Betrieb skalierbarer Machine-Learning-Pipelines (Batch & Streaming) sowie MLOps-Referenzarchitekturen mit automatisiertem ML Lifecycle Management, Model Monitoring, Versionierung und Pipeline-Orchestrierung mittels MLflow und Kubeflow.
Data Engineering (Batch & Streaming)
Entwicklung und Betrieb von Datenpipelines fuer transaktionale und Geschaeftsdaten, Echtzeit-Datenverarbeitung mit Apache Flink und Apache Spark sowie Sicherstellung der Datenqualitaet in kontinuierlichen Datenstroemen.
Natural Language Processing (NLP / LLM)
Entwicklung von NLP-Systemen zur Klassifikation, semantischen Analyse und Merkmalsextraktion aus unstrukturierten Textdaten sowie Entwicklung von GenAI/LLM-Anwendungen mit LangChain und Prompt Engineering.
Infrastructure as Code & CI/CD Governance
Automatisierung von Cloud-Infrastrukturen mit Terraform sowie Aufbau und Governance von CI/CD-Pipelines mit GitLab CI und Jenkins fuer produktive Deployment-Prozesse.
Container-Technologien (Docker & Kubernetes)
Containerisierung von Anwendungen und Microservices mit Docker und Kubernetes, inklusive Migration von Legacy-Systemen in skalierbare Microservices-Architekturen.
Monitoring & Observability (Grafana)
Implementierung von Monitoring-Dashboards mit Grafana zur Ueberwachung von Services, Daten- und ML-Pipelines sowie zur Sicherstellung des produktiven Betriebs.
Python & Java Entwicklung
Entwicklung von APIs, Microservices, Dashboards und Backend-Komponenten in Python und Java, mit Fokus auf Wartbarkeit, Clean Code und Integration in bestehende Systemarchitekturen.
AWS SageMaker & Cloud-Deployment
Einsatz von AWS SageMaker und weiteren AWS-Diensten fuer das Training, Deployment und den Betrieb von ML-Modellen sowie Cloud-Deployment von KI-Loesungen.
SQL, Datenbanken & Datawarehouse
Modellierung und Optimierung relationaler Datenbanken (PostgreSQL), DWH-Integration sowie Einsatz von Elastic Search fuer Such- und Analyseanwendungen.
Explainable AI & Architekturberatung
Beratung zu Modellvalidierung, Nachvollziehbarkeit (Explainability) und Wissensintegration sowie Abstimmung von Architekturentscheidungen mit interdisziplinaeren Teams aus Softwareentwicklung, Fachbereichen und Data Science.
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2023
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Beratung, Konzeption und Architektur KI-gestützter SaaS-Plattformen zur Automatisierung und Optimierung von Geschäftsprozessen. Aufbau skalierbarer Daten- und ML-Pipelines, Entwicklung von GenAI/LLM-Anwendungen auf AWS mit LangChain, Cloud-Deployment mit Terraform, Docker und Kubernetes, CI/CD-Governance mit GitLab CI sowie Monitoring mit Grafana.
Beratung, Konzeption und Umsetzung intelligenter Systeme zur Datenverarbeitung und Prozessautomatisierung mit Schwerpunkt auf NLP, Machine Learning und skalierbarer Software-Architektur. Aufbau einer MLOps-Referenzarchitektur, Modernisierung von Legacy-Systemen, Migration in Microservices-Architekturen sowie Einhaltung strenger Sicherheits- und Datenschutzstandards.
Forschung und Entwicklung im Bereich Industrie 4.0 zur intelligenten Analyse von Sensordaten, Fehlerberichten und Produktionsparametern. Entwicklung von Predictive-Analytics-Modellen mit Apache Flink und Machine Learning, NLP-basierte Fehleranalyse sowie Implementierung von Methoden zur Echtzeit-Datenbereinigung.