KI- & Automatisierungs-Engineer ? LLM-Agenten, RAG, ERP-/API-Integration, Prognosemodelle · Python, Rust, TypeScript
Aktualisiert am 28.09.2026
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 28.09.2026
Verfügbar zu: 100%
davon vor Ort: 0%
Künstliche Intelligenz (KI)
LLM / Generative AI
Python
Automatisierung
KI-Agenten
RAG
MCP
Engineering
API-Integration
ERP-Integration
Rust
Typescript
SQL
Machine Learning
Deutsch
Muttersprache
Slowakisch
Muttersprache
Englisch
fließend

Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

2025 - heute: Market-Making-Desk für Krypto in Rust (~107.000 Zeilen)


Rolle: Selbstständig

Kunde: auf Anfrage, Dubai


Aufgaben:

Market-Making-Desk für Krypto in Rust (~107.000 Zeilen) aufgebaut und live betrieben, auch ohne Börsen-Rebates profitabel ( ~+1,9 bps am Ende der Markout-Kurve): rund 9 funktionierende Strategien, ein Modell zurClusterung des Orderflows, Positionsabgleich mit der Börse und Kill-Switch.


2024 - heute: Grounding für KI-generierte Nachrichten


Rolle: Gründer

Kunde: auf Anfrage


Aufgaben:

  • Grounding für KI-generierte Nachrichten:
    • Jeder Betrag, jeder Link und jede Zusage muss in einem Datensatzbelegt sein (Deal, Kampagne oder Aussagen der Gegenseite), sonst wird die Nachricht für eine menschlichePrüfung zurückgehalten . Nichts wird umgeschrieben ? ein Guard, der eine Zusage ändert, ist nur ein zweitesModell mit weniger Tests.
  • Golden-Set-Evaluation als Commit-Gate:
    • 60 Assertions auf echten Nachrichten, deterministisch und ohneModellaufrufe; der Build schlägt fehl, wenn der Score unter die Baseline fällt.
    • Ein LLM-Judge prüft jede Antwortzusätzlich auf Halluzinationen und Groundedness, ohne zu blockieren. Einen Fail-open-Guard gefunden undbehoben; in einer adversarialen Live-Verhandlung über acht Runden ging kein Angebot über dem Limit durch.
  • Creator-Marketing-Plattform allein aufgebaut, live unter (auf Anfrage)mit 15 zahlenden Kunden:
    • Produkt,Abrechnung, Infrastruktur, Onboarding und Support, ohne Team und ohne Fremdkapital.
  • Damit betreut eine Person 70?100 Creator-Beziehungen im Monat statt 14


2023 - 2024: Influencer-Software


Rolle: Head of Expansion

Kunde: Maniko Nails


Aufgaben:

  • Influencer-Software von Grund auf gebaut (Creator-Suche, automatisierte Ansprache, Produktversand, Post-Tracking). Sie brachte dauerhaft 150.000 ? Neuumsatz pro Monat, und das Team dafür schrumpfte von vier aufzwei Personen
  • Expansion in die USA, danach nach Frankreich und Italien geleitet, über mehrere Marketingkanäle, von bezahlterWerbung bis zu Influencern; das Team arbeitete wie ein kleines Unternehmen im Unternehmen. Umsatzzielverantwortet und die Influencer-Software später zu Creatr weiterentwickelt.

2021 - 2023: Entwicklung von Krypto-Perpetual-Futures


Rolle: Mitgründer

Kunde: auf Anfrage


Aufgaben:

Mit zwei Partnern eine Trading-Engine und 7 unkorrelierte systematische Strategien für Krypto-Perpetual-Futures entwickelt (nähere Informationen auf Anfrage)

  • Die Strategien reichtenvon der Klassifizierung von ETF-Flows bis zur Bereitstellung von Liquidität.
  • Mentoring durch einen ehemaligen UBS-Direktor.

LLM-Verifikations- und Profiling-Pipeline


Aufgaben:

  • Das Modell prüft die Firmentreffer, die der Registernummern-Check nicht belegen konnte, und erstellt Profile derbestätigten Firmen, für ~3 $ pro 1.000 Unternehmen.
  • Batch-Inferenz über die Anthropic Batches API mitschemakonformen Ausgaben; jedes Urteil wird mit Konfidenzwert und Begründung gespeichert, und ein perRegisternummer belegter Treffer wird vom Modell nie überschrieben.


Firmenweiter MCP-Server


Kunde: slowakischer Design-Groß- und Einzelhändler


Aufgaben:

Für Ambiente design, einen slowakischen Design-Groß- und Einzelhändler:

  • 32 Tools über das Pohoda-ERP, dieFirmen-E-Mails und SharePoint, direkt im eigenen Claude jedes Mitarbeiters, sodass das Team über den eigenenAssistenten arbeitet statt über firmenbezahlte API-Aufrufe und nichts doppelt bezahlt wird.
  • Aktionen warten aufeinen Klick im Portal, jeder Aufruf wird protokolliert, Inhalte aus fremden E-Mails sind gegen Prompt Injectionabgeschirmt, und ein eigener, eingeschränkter Konnektor gibt dem Großhandelsteam genau 12 Tools.

Handelsdesk-Engineering mit Labordisziplin


Aufgaben:

  • Ein Modell, das den Orderflow in informierte, Noise- und chartgetriebene Händler clustert und den Desk auch ohneBörsen-Rebates profitabel hält (~+1,9 bps am Ende der Markout-Kurve); rund 9 funktionierende Strategien,darunter eine Flush-Strategie, die bei extremen Bewegungen Liquidität stellt; aus öffentlichen Handelsdatenrekonstruiert, wie die profitablen Market-Maker auf Hyperliquid quotieren.
  • Der Positionsabgleich übernimmt denStand der Börse und schlägt bei jeder Abweichung Alarm; ein Kill-Switch, den jede Engine alle 500 ms prüft; 517Unit-Tests.
  • Research nach schriftlich festgelegtem Standard: Tests vorregistriert, bevor Ergebnisse vorliegen, gepaarteA/B-Tests nach Messung des Grundrauschens, Aussagen zurückgezogen, wenn die Daten widersprachen.

Firmensuche mit Verifikations-Gate


Aufgaben:

Retrieval, das die Antwort verweigert, wenn es die Quelle nicht belegen kann. Ein Treffer wird nur gespeichert, wennI?O, Steuer-ID oder exakter Firmenname auf der abgerufenen Seite stehen; geparkte Domains und Namensvetternwerden verworfen und die Ablehnung mit Grund protokolliert ? die Fehlerquote ist damit ein Messwert.

Aus- und Weiterbildung

Aus- und Weiterbildung

2019 - 2021

Informatik & Finance

University of Zurich / ETH Zurich


2018

Okanagan Hockey Academy

Position

Position

AI / LLM Engineer

Kompetenzen

Kompetenzen

Top-Skills

Künstliche Intelligenz (KI) LLM / Generative AI Python Automatisierung KI-Agenten RAG MCP Engineering API-Integration ERP-Integration Rust Typescript SQL Machine Learning

Produkte / Standards / Erfahrungen / Methoden

Profil

Ich baue LLM-Produkte, die sich mit echten Kunden und echtem Geld bewähren. Creatr habe ich allein auf 15zahlende Kunden gebracht: Der KI-Agent verhandelt mit Creatorn; jede Nachricht mit einer Zahl, einem Link odereiner Zusage, die kein Datensatz belegt, wartet auf die Freigabe durch einen Menschen; ein Testset mit 60 Prüfungensichert jeden Commit ab. Daneben betreibe ich einen Handelsdesk in Rust ~107.000 Zeilen.


Was ich baue:

  • KI-Assistenten und Agenten, angebunden an Ihre Systeme (ERP, E-Mail, SharePoint, CRM), mit Freigaben undAudit-Log 
  • RAG- und LLM-Pipelines, die nur behaupten, was sie belegen können ? Verifikations-Gates, Konfidenzwerte, Batch-Inferenz zu kontrollierten Kosten
  • Evaluierung als Build-Gate: Golden Sets, LLM-Judges, vorregistrierte Tests ·Produktive Backends in Python und Rust, die unbeaufsichtigt laufen ? mit Abgleich und Kill-Switch


TECHNOLOGIE-STACK

KI / LLM:

  • MCP-Server (Streamable HTTP) mit eingeschränkten Tool-Listen und Audit-Logs 
  • Agenten-Infrastrukturmit Retries, Dead-Lettering und Human-in-the-Loop-Gates 
  • RAG mit Verifikations-Gate, das nicht belegbare Trefferverwirft 
  • Modellurteile samt Konfidenzwert und Begründung 
  • Batch-Inferenz zu kontrollierten Kosten (~3 $ / 1.000Datensätze) 
  • strukturierte Ausgaben per JSON-Schema 
  • Anthropic- und OpenAI-APIs 
  • lokale Whisper-Transkription


Data Engineering:

  • Wiederaufsetzbare mehrphasige Pipelines mit über 10 Mio. Requests 
  • Proxy-Pools und Rate-Limiting pro Host 
  • Dead-Letter-Queues und idempotente Retries 
  • offizielle Register- und Börsen-APIs in zehnJurisdiktionen 
  • ClickHouse 
  • SQLite/WAL 
  • pandas 
  • NumPy


Web:

  • Next.js (App Router) 
  • React 
  • TypeScript 
  • Tailwind 
  • interne Tools und Review-Oberflächen, gebaut für dentäglichen Einsatz, nicht für eine einmalige Demo


Growth:

  • Multi-Channel-Marketing und bezahlte Werbung 
  • Markteintritte in den USA, Frankreich und Italien 
  • Influencer-Software 
  • automatisierter Outbound-Vertrieb in umsatzrelevantem Umfang 
  • Enrichment-Waterfalls,günstigste Quelle zuerst 
  • Zustellbarkeit, DKIM und Mailbox-Verifikation 
  • D2C-E-Commerce


Infrastruktur:

  • Linux 
  • zeitgesteuerte und überwachte Dienste mit Watchdogs und automatischen Backups 
  • Observability und Alerting bei Drift 
  • Kostenzuordnung pro Workload




Programmiersprachen

Python
Hauptsprache
Rust
~107.000 Zeilen im Produktivbetrieb
TypeScript
SQL
Bash


Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

2025 - heute: Market-Making-Desk für Krypto in Rust (~107.000 Zeilen)


Rolle: Selbstständig

Kunde: auf Anfrage, Dubai


Aufgaben:

Market-Making-Desk für Krypto in Rust (~107.000 Zeilen) aufgebaut und live betrieben, auch ohne Börsen-Rebates profitabel ( ~+1,9 bps am Ende der Markout-Kurve): rund 9 funktionierende Strategien, ein Modell zurClusterung des Orderflows, Positionsabgleich mit der Börse und Kill-Switch.


2024 - heute: Grounding für KI-generierte Nachrichten


Rolle: Gründer

Kunde: auf Anfrage


Aufgaben:

  • Grounding für KI-generierte Nachrichten:
    • Jeder Betrag, jeder Link und jede Zusage muss in einem Datensatzbelegt sein (Deal, Kampagne oder Aussagen der Gegenseite), sonst wird die Nachricht für eine menschlichePrüfung zurückgehalten . Nichts wird umgeschrieben ? ein Guard, der eine Zusage ändert, ist nur ein zweitesModell mit weniger Tests.
  • Golden-Set-Evaluation als Commit-Gate:
    • 60 Assertions auf echten Nachrichten, deterministisch und ohneModellaufrufe; der Build schlägt fehl, wenn der Score unter die Baseline fällt.
    • Ein LLM-Judge prüft jede Antwortzusätzlich auf Halluzinationen und Groundedness, ohne zu blockieren. Einen Fail-open-Guard gefunden undbehoben; in einer adversarialen Live-Verhandlung über acht Runden ging kein Angebot über dem Limit durch.
  • Creator-Marketing-Plattform allein aufgebaut, live unter (auf Anfrage)mit 15 zahlenden Kunden:
    • Produkt,Abrechnung, Infrastruktur, Onboarding und Support, ohne Team und ohne Fremdkapital.
  • Damit betreut eine Person 70?100 Creator-Beziehungen im Monat statt 14


2023 - 2024: Influencer-Software


Rolle: Head of Expansion

Kunde: Maniko Nails


Aufgaben:

  • Influencer-Software von Grund auf gebaut (Creator-Suche, automatisierte Ansprache, Produktversand, Post-Tracking). Sie brachte dauerhaft 150.000 ? Neuumsatz pro Monat, und das Team dafür schrumpfte von vier aufzwei Personen
  • Expansion in die USA, danach nach Frankreich und Italien geleitet, über mehrere Marketingkanäle, von bezahlterWerbung bis zu Influencern; das Team arbeitete wie ein kleines Unternehmen im Unternehmen. Umsatzzielverantwortet und die Influencer-Software später zu Creatr weiterentwickelt.

2021 - 2023: Entwicklung von Krypto-Perpetual-Futures


Rolle: Mitgründer

Kunde: auf Anfrage


Aufgaben:

Mit zwei Partnern eine Trading-Engine und 7 unkorrelierte systematische Strategien für Krypto-Perpetual-Futures entwickelt (nähere Informationen auf Anfrage)

  • Die Strategien reichtenvon der Klassifizierung von ETF-Flows bis zur Bereitstellung von Liquidität.
  • Mentoring durch einen ehemaligen UBS-Direktor.

LLM-Verifikations- und Profiling-Pipeline


Aufgaben:

  • Das Modell prüft die Firmentreffer, die der Registernummern-Check nicht belegen konnte, und erstellt Profile derbestätigten Firmen, für ~3 $ pro 1.000 Unternehmen.
  • Batch-Inferenz über die Anthropic Batches API mitschemakonformen Ausgaben; jedes Urteil wird mit Konfidenzwert und Begründung gespeichert, und ein perRegisternummer belegter Treffer wird vom Modell nie überschrieben.


Firmenweiter MCP-Server


Kunde: slowakischer Design-Groß- und Einzelhändler


Aufgaben:

Für Ambiente design, einen slowakischen Design-Groß- und Einzelhändler:

  • 32 Tools über das Pohoda-ERP, dieFirmen-E-Mails und SharePoint, direkt im eigenen Claude jedes Mitarbeiters, sodass das Team über den eigenenAssistenten arbeitet statt über firmenbezahlte API-Aufrufe und nichts doppelt bezahlt wird.
  • Aktionen warten aufeinen Klick im Portal, jeder Aufruf wird protokolliert, Inhalte aus fremden E-Mails sind gegen Prompt Injectionabgeschirmt, und ein eigener, eingeschränkter Konnektor gibt dem Großhandelsteam genau 12 Tools.

Handelsdesk-Engineering mit Labordisziplin


Aufgaben:

  • Ein Modell, das den Orderflow in informierte, Noise- und chartgetriebene Händler clustert und den Desk auch ohneBörsen-Rebates profitabel hält (~+1,9 bps am Ende der Markout-Kurve); rund 9 funktionierende Strategien,darunter eine Flush-Strategie, die bei extremen Bewegungen Liquidität stellt; aus öffentlichen Handelsdatenrekonstruiert, wie die profitablen Market-Maker auf Hyperliquid quotieren.
  • Der Positionsabgleich übernimmt denStand der Börse und schlägt bei jeder Abweichung Alarm; ein Kill-Switch, den jede Engine alle 500 ms prüft; 517Unit-Tests.
  • Research nach schriftlich festgelegtem Standard: Tests vorregistriert, bevor Ergebnisse vorliegen, gepaarteA/B-Tests nach Messung des Grundrauschens, Aussagen zurückgezogen, wenn die Daten widersprachen.

Firmensuche mit Verifikations-Gate


Aufgaben:

Retrieval, das die Antwort verweigert, wenn es die Quelle nicht belegen kann. Ein Treffer wird nur gespeichert, wennI?O, Steuer-ID oder exakter Firmenname auf der abgerufenen Seite stehen; geparkte Domains und Namensvetternwerden verworfen und die Ablehnung mit Grund protokolliert ? die Fehlerquote ist damit ein Messwert.

Aus- und Weiterbildung

Aus- und Weiterbildung

2019 - 2021

Informatik & Finance

University of Zurich / ETH Zurich


2018

Okanagan Hockey Academy

Position

Position

AI / LLM Engineer

Kompetenzen

Kompetenzen

Top-Skills

Künstliche Intelligenz (KI) LLM / Generative AI Python Automatisierung KI-Agenten RAG MCP Engineering API-Integration ERP-Integration Rust Typescript SQL Machine Learning

Produkte / Standards / Erfahrungen / Methoden

Profil

Ich baue LLM-Produkte, die sich mit echten Kunden und echtem Geld bewähren. Creatr habe ich allein auf 15zahlende Kunden gebracht: Der KI-Agent verhandelt mit Creatorn; jede Nachricht mit einer Zahl, einem Link odereiner Zusage, die kein Datensatz belegt, wartet auf die Freigabe durch einen Menschen; ein Testset mit 60 Prüfungensichert jeden Commit ab. Daneben betreibe ich einen Handelsdesk in Rust ~107.000 Zeilen.


Was ich baue:

  • KI-Assistenten und Agenten, angebunden an Ihre Systeme (ERP, E-Mail, SharePoint, CRM), mit Freigaben undAudit-Log 
  • RAG- und LLM-Pipelines, die nur behaupten, was sie belegen können ? Verifikations-Gates, Konfidenzwerte, Batch-Inferenz zu kontrollierten Kosten
  • Evaluierung als Build-Gate: Golden Sets, LLM-Judges, vorregistrierte Tests ·Produktive Backends in Python und Rust, die unbeaufsichtigt laufen ? mit Abgleich und Kill-Switch


TECHNOLOGIE-STACK

KI / LLM:

  • MCP-Server (Streamable HTTP) mit eingeschränkten Tool-Listen und Audit-Logs 
  • Agenten-Infrastrukturmit Retries, Dead-Lettering und Human-in-the-Loop-Gates 
  • RAG mit Verifikations-Gate, das nicht belegbare Trefferverwirft 
  • Modellurteile samt Konfidenzwert und Begründung 
  • Batch-Inferenz zu kontrollierten Kosten (~3 $ / 1.000Datensätze) 
  • strukturierte Ausgaben per JSON-Schema 
  • Anthropic- und OpenAI-APIs 
  • lokale Whisper-Transkription


Data Engineering:

  • Wiederaufsetzbare mehrphasige Pipelines mit über 10 Mio. Requests 
  • Proxy-Pools und Rate-Limiting pro Host 
  • Dead-Letter-Queues und idempotente Retries 
  • offizielle Register- und Börsen-APIs in zehnJurisdiktionen 
  • ClickHouse 
  • SQLite/WAL 
  • pandas 
  • NumPy


Web:

  • Next.js (App Router) 
  • React 
  • TypeScript 
  • Tailwind 
  • interne Tools und Review-Oberflächen, gebaut für dentäglichen Einsatz, nicht für eine einmalige Demo


Growth:

  • Multi-Channel-Marketing und bezahlte Werbung 
  • Markteintritte in den USA, Frankreich und Italien 
  • Influencer-Software 
  • automatisierter Outbound-Vertrieb in umsatzrelevantem Umfang 
  • Enrichment-Waterfalls,günstigste Quelle zuerst 
  • Zustellbarkeit, DKIM und Mailbox-Verifikation 
  • D2C-E-Commerce


Infrastruktur:

  • Linux 
  • zeitgesteuerte und überwachte Dienste mit Watchdogs und automatischen Backups 
  • Observability und Alerting bei Drift 
  • Kostenzuordnung pro Workload




Programmiersprachen

Python
Hauptsprache
Rust
~107.000 Zeilen im Produktivbetrieb
TypeScript
SQL
Bash


Vertrauen Sie auf Randstad

Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

Fragen?

Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

Das Freelancer-Portal

Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.