06.10.2026 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 DevOpsFlutterAPIsKünstliche IntelligenzC++ETLDjangoPythonMachine Learning
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 (C++, Swift/Objective-C) im Enterprise-Umfeld, danach Backend, Mobile und produktive LLM-Pipelines im großen Maßstab. Als Mitgründer war ich mehrfach CTO, in der Praxis hieß das: Architektur, Infrastruktur und Kernentwicklung selbst bauen. Ich arbeite modell-, sprach- und cloud-agnostisch, übernehme Verantwortung bis zum Betrieb und bleibe nah genug am Code, um zu merken, wenn etwas nicht stimmt.
Womit ich Sie unterstütze
- Festgefahrene Systeme in den Betrieb bringen: KI-Prototypen, Legacy-Code, Architekturen am Limit
- Komplette Plattformen als Einzelentwickler von null bis live
- LLM-Pipelines mit deterministischer Qualitätssicherung; Fine-Tuning kleiner Modelle (Mistral, Qwen, Gemma) statt teurer Frontier-Modelle
- Distributed Crawling und Datenpipelines im großen Maßstab
- System-Level- und Protokoll-Arbeit (C++, Reverse Engineering, WebRTC, Qt)
Technologien
- Backend: Python, Django, REST APIs, PostgreSQL
- KI: LLM-Pipelines, RAG, Vektor-DBs, Fine-Tuning, klassische ML-Modelle
- Mobile & Frontend: Flutter/Dart, Swift/SwiftUI, Objective-C, Kotlin
- System-Level: C++, Qt, WebRTC, macOS/iOS nativ
- Infrastruktur: Docker, Kubernetes, AWS/Azure/GCP, CI/CD (Azure DevOps), VMware
Ausgewählte technische Problemlösungen
- Deterministische KI-Datenextraktion: Mehrstufige Pipeline mit Cross-Checks und fine-getuntem Mistral, reproduzierbar genau, ohne Halluzinationen in den Ausgabedaten. Ergebnis: 300.000+ digitalisierte Speisekarten.
- 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)
- Vollzeit, auch für längere Mandate
- Deutsch Muttersprache, Englisch verhandlungssicher
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2021
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Architektur und Kernentwicklung der Plattform selbst verantwortet, daneben Aufbau und technische Führung eines 5-köpfigen Engineering-/Data-Teams.
Ausgewählte Projekte:
- LLM-Extraction-Pipeline (Kernprodukt): Mehrstufige Pipeline mit Cross-Checks und fine-getuntem Mistral; verarbeitet tausende inkonsistente Speisekarten-Layouts ohne Frontier-Modelle, ohne Halluzinationen in den Ausgabedaten, zu einem Bruchteil der Kosten. Ergebnis: 400.000+ Restaurant-Outlets, 300.000+ vollständig digitalisierte Speisekarten.
- Distributed-Crawling-Infrastruktur: Aufbau und laufende Skalierung der verteilten Crawling-, Semantik-Extraktions- und LLM-Automatisierungs-Pipelines.
- Lead-Generation-Dashboard: 30+ GB strukturierte Daten in near real-time durchsuchbar, von Rohdaten aus dem Web bis zu qualifizierten Leads.
- Speisekarten-Generator für Dr. Oetker (menufactory.app): SaaS, mit der Restaurants Speisekarten als PDF, QR-Karte oder Druckdatei erzeugen. Kern: deterministisches Layout-System mit Echtzeit-Rendering. Flutter Web, Django.
- KI-gestützte Datenpflege-Plattform für einen Anbieter von Standort- und Marktdaten: Tausende Datensätze/Monat, zuvor manuell gelabelt bei null Fehlertoleranz. ML-Modelle mit Quality Gates reduzieren die manuelle Prüfung auf ~1.000 Grenzfälle (ca. 90 % weniger Aufwand); ergänzend Anomalieerkennung.
Skills: Python, LLM, Fine-Tuning, Mistral, RAG, Vektordatenbanken, Web Crawling, Datenpipelines, Machine Learning, Django, Flutter, Kubernetes, Docker
Technische Verantwortung für zwei KIT+-Projekte, in denen mittelständische Unternehmen KI in ihr Kerngeschäft einführen.
Projekt A – KI-gestützte Wettbewerbsanalyse: Konzeption und Umsetzung einer automatisierten Wettbewerbsbeobachtung. Crawling und strukturierte KI-Extraktion von Wettbewerberdaten. Zielgrößen: Abdeckung, Genauigkeit, direkt nutzbare Ergebnisse für Fachanwender.
Projekt B – KI-gestützte Support-Automatisierung: Aufbau eines Systems, das eingehende Support-Anfragen automatisiert beantwortet und das Arbeitsaufkommen des Support-Teams messbar reduziert. Ziel: 60–80 % der Anfragen ohne manuellen Eingriff.
Skills: Python, LLM, RAG, Web Crawling, Datenextraktion, Django, Docker
Komplette Technik der B2B-Logistikplattform als Einzelentwickler aufgebaut, von null bis Live-Betrieb: Online-Buchung, sofortige Preisberechnung, digitale Sendungsverfolgung. Proof of Concept kommerziell erfolgreich validiert, mit realen, zahlenden Bestellungen. In betriebsfähigem Zustand übergeben, die Plattform ist bis heute produktiv im Markt.
Skills: Fullstack, Backend, Software-Architektur, B2B-Plattform
Zertifikate
M.Sc. Praktische Informatik, Note 1,3, Audi AG
FernUniversität in Hagen2022