Applied AI Engineer ? RAG, Agents & LLM Integration (Python)
Aktualisiert am 15.10.2026
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 09.10.2026
Verfügbar zu: 100%
davon vor Ort: 100%
RAG (Retrieval-Augmented Generation) LLM Python
Semantic Search
Vector Search
Embeddings
Information Retrieval
Hybrid Search
Generative AI
Natural Language Processing
Function Calling / Tool Calling
MCP (Model Context Protocol)
AWS Bedrock
AWS S3
PostgreSQL
Flask
REST API
Docker
React
React Native
TypeScript
JavaScript
Heroku

Einsatzorte

Einsatzorte

Munich (+50km)
Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

3 Jahre 10 Monate
2023-01 - heute

Gründer & AI/Python Engineer ? Atlandex (RAG-/NLP-Produkt)

Gründer & alleiniger Engineer Python RAG Information Retrieval ...
Gründer & alleiniger Engineer

Konzeption und Entwicklung eines eigenen RAG-/NLP-Produkts, das über 400 Stunden Video-Transkript durchsucht und Antworten mit Sprung zur genauen Quellstelle liefert.

  • Retrieval-Evaluation: Testset aus 22 realen Anfragen mit gelabelten Referenzabschnitten, Messung per Recall@3 und nDCG@3
  • Vergleich Dense Retrieval (Embeddings, FAISS) gegen TF-IDF-Baseline: Dense lag zunächst zurück (Recall@3 0,93 vs. 0,99); erst Reciprocal Rank Fusion (RRF) beider Verfahren erreichte 1,00
  • Hybride Suche (Dense + lexikalisch, RRF) als Standardarchitektur im Produktivsystem; jede Änderung an Chunking, Embedding-Modell oder Ranking wird vor dem Livegang gegen dasselbe Testset geprüft
  • Austauschbare Provider-Schicht für Embeddings, um Modelle direkt gegeneinander zu messen
  • Performance: Snippet-Seek p95 von 17,0 s auf 4,5 s (?73 %) durch indizierte Abfragen in PostgreSQL; parallelisierte Extraktion pro Kapitel (p50 von 30,0 s auf 14,8 s, ?51 %); Streaming der Antworten per SSE, Time-to-first-term 1,7 s (p50)
  • Produktive OCR-Pipeline: Ein Vision-Modell liest Text aus Bildern, Background-Jobs auf Heroku strukturieren ihn und speichern ihn in PostgreSQL
  • 2026: atlandex-mcp entwickelt und als Open Source veröffentlicht: MCP-Server (Python MCP SDK 2.x) mit drei Read-only-Retrieval-Tools und zeitgestempelten Zitaten; 78 Tests, CI. Überarbeitete Tool-Beschreibungen und Output-Schema hoben den Score von Claude Sonnet in einer Live-Agent-Evaluation von 6/10 auf 10/10.
  • 2026: atlandex-agent entwickelt: LangGraph-Tool-Calling-Agent mit Router, Citation-Check, Langfuse-Tracing und LLM-as-Judge-Evaluation (validiert gegen Referenz-Labels, ? 0,60): richtige Passage bei 91 % der Fragen zitiert; Trace-basierte Fixes senkten unbelegte Sätze von 42 % auf 16 %. Multi-Agent-Variante (Supervisor + Search- und Fact-Checking-Agent) nach vorab festgelegten Regeln verglichen: kein Qualitätsgewinn bei ca. doppelten Kosten, daher bleibt der Single-Agent.

Python RAG Information Retrieval Hybride Suche Embeddings FAISS PostgreSQL NLP MCP LangGraph LangChain Langfuse LLM-as-Judge Multi-Agent Systems pytest GitHub Actions Flask AWS Bedrock DeepInfra SSE Docker Heroku React React Native
Atlandex (eigenes Produkt)
München
3 Jahre 10 Monate
2023-01 - heute

Client-Entwicklung ? Atlandex (React-Web-App, React-Native-App, Chrome-Extension)

Software Engineer (Frontend/Mobile) React React Native JavaScript ...
Software Engineer (Frontend/Mobile)
Entwicklung der Client-Anwendungen zum eigenen Produkt Atlandex: React-Web-App, React-Native-App (mobil) und Chrome-Extension.
React React Native JavaScript Chrome-Extension
Atlandex (eigenes Produkt)
München
5 Jahre
2019-01 - 2023-12

Software Engineer ? Geodaten-Webanwendung (eigenes Produkt)

Software Engineer Geodaten Webentwicklung PostgreSQL/PostGIS ...
Software Engineer
Produktives Backend mit PostgreSQL/PostGIS, Node.js/Express, REST-APIs, Geocoding und Google Maps; live seit 2021.
Geodaten Webentwicklung PostgreSQL/PostGIS Node.js Express REST API Google Maps
Eigenprojekt
München

Aus- und Weiterbildung

Aus- und Weiterbildung

2011 ? 2016

Theoretical and Mathematical Physics ? TUM / LMU Munich

Left to build software full-time. Coursework in analysis, linear algebra, probability and statistical mechanics.

Kompetenzen

Kompetenzen

Top-Skills

RAG (Retrieval-Augmented Generation) LLM Python Semantic Search Vector Search Embeddings Information Retrieval Hybrid Search Generative AI Natural Language Processing Function Calling / Tool Calling MCP (Model Context Protocol) AWS Bedrock AWS S3 PostgreSQL Flask REST API Docker React React Native TypeScript JavaScript Heroku

Produkte / Standards / Erfahrungen / Methoden

RAG
Experte
Python
Experte
LLM
Experte
AI Agents
Fortgeschritten
MCP
Fortgeschritten
Semantic Search
Experte
NLP
Experte
Flask
Experte
React
Experte
LangChain
Basics
LangGraph
Basics
Langfuse
Basics
Embeddings
Fortgeschritten
Vector Search
Fortgeschritten
PostgreSQL
Experte
AWS
Basics
TypeScript
Basics
Docker
Basics
Multi-Agent Systems
Basics

PROFILE

Python engineer, 7 years building production software (2019?present); last 3 years on LLM/NLP systems in production. Build Python services, unstructured-text pipelines, and RAG workflows ? chunking, embeddings, hybrid retrieval, information extraction ? and evaluate them with recall@k and nDCG. Flask APIs, PostgreSQL, AWS (S3, Bedrock). Munich; available on-site and at short notice.


SKILLS

  • NLP / AI: LLMs, RAG, MCP (Model Context Protocol), embeddings, semantic search, information extraction, OCR (vision models), hybrid retrieval (RRF), retrieval evaluation (recall@k, nDCG), FAISS, Qwen3-Embedding, AWS Bedrock, DeepInfra, LangChain
  • Python backend: Python, Flask, REST APIs, SQL (PostgreSQL, PostGIS), Gunicorn, RQ/Redis, concurrency (ThreadPoolExecutor), pytest, GitHub Actions (CI/CD)
  • Cloud / tooling: AWS (S3, Bedrock), GCP (Vision API, Maps/Geocoding APIs), Git/GitHub, Docker (containerized a Python Heroku backend), Heroku, agent-assisted development (Claude Code, Cursor)
  • Also: TypeScript, Node.js, Express, React, React Native (Expo), Chrome Extensions (clients in front of the same AI API)

Einsatzorte

Einsatzorte

Munich (+50km)
Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

3 Jahre 10 Monate
2023-01 - heute

Gründer & AI/Python Engineer ? Atlandex (RAG-/NLP-Produkt)

Gründer & alleiniger Engineer Python RAG Information Retrieval ...
Gründer & alleiniger Engineer

Konzeption und Entwicklung eines eigenen RAG-/NLP-Produkts, das über 400 Stunden Video-Transkript durchsucht und Antworten mit Sprung zur genauen Quellstelle liefert.

  • Retrieval-Evaluation: Testset aus 22 realen Anfragen mit gelabelten Referenzabschnitten, Messung per Recall@3 und nDCG@3
  • Vergleich Dense Retrieval (Embeddings, FAISS) gegen TF-IDF-Baseline: Dense lag zunächst zurück (Recall@3 0,93 vs. 0,99); erst Reciprocal Rank Fusion (RRF) beider Verfahren erreichte 1,00
  • Hybride Suche (Dense + lexikalisch, RRF) als Standardarchitektur im Produktivsystem; jede Änderung an Chunking, Embedding-Modell oder Ranking wird vor dem Livegang gegen dasselbe Testset geprüft
  • Austauschbare Provider-Schicht für Embeddings, um Modelle direkt gegeneinander zu messen
  • Performance: Snippet-Seek p95 von 17,0 s auf 4,5 s (?73 %) durch indizierte Abfragen in PostgreSQL; parallelisierte Extraktion pro Kapitel (p50 von 30,0 s auf 14,8 s, ?51 %); Streaming der Antworten per SSE, Time-to-first-term 1,7 s (p50)
  • Produktive OCR-Pipeline: Ein Vision-Modell liest Text aus Bildern, Background-Jobs auf Heroku strukturieren ihn und speichern ihn in PostgreSQL
  • 2026: atlandex-mcp entwickelt und als Open Source veröffentlicht: MCP-Server (Python MCP SDK 2.x) mit drei Read-only-Retrieval-Tools und zeitgestempelten Zitaten; 78 Tests, CI. Überarbeitete Tool-Beschreibungen und Output-Schema hoben den Score von Claude Sonnet in einer Live-Agent-Evaluation von 6/10 auf 10/10.
  • 2026: atlandex-agent entwickelt: LangGraph-Tool-Calling-Agent mit Router, Citation-Check, Langfuse-Tracing und LLM-as-Judge-Evaluation (validiert gegen Referenz-Labels, ? 0,60): richtige Passage bei 91 % der Fragen zitiert; Trace-basierte Fixes senkten unbelegte Sätze von 42 % auf 16 %. Multi-Agent-Variante (Supervisor + Search- und Fact-Checking-Agent) nach vorab festgelegten Regeln verglichen: kein Qualitätsgewinn bei ca. doppelten Kosten, daher bleibt der Single-Agent.

Python RAG Information Retrieval Hybride Suche Embeddings FAISS PostgreSQL NLP MCP LangGraph LangChain Langfuse LLM-as-Judge Multi-Agent Systems pytest GitHub Actions Flask AWS Bedrock DeepInfra SSE Docker Heroku React React Native
Atlandex (eigenes Produkt)
München
3 Jahre 10 Monate
2023-01 - heute

Client-Entwicklung ? Atlandex (React-Web-App, React-Native-App, Chrome-Extension)

Software Engineer (Frontend/Mobile) React React Native JavaScript ...
Software Engineer (Frontend/Mobile)
Entwicklung der Client-Anwendungen zum eigenen Produkt Atlandex: React-Web-App, React-Native-App (mobil) und Chrome-Extension.
React React Native JavaScript Chrome-Extension
Atlandex (eigenes Produkt)
München
5 Jahre
2019-01 - 2023-12

Software Engineer ? Geodaten-Webanwendung (eigenes Produkt)

Software Engineer Geodaten Webentwicklung PostgreSQL/PostGIS ...
Software Engineer
Produktives Backend mit PostgreSQL/PostGIS, Node.js/Express, REST-APIs, Geocoding und Google Maps; live seit 2021.
Geodaten Webentwicklung PostgreSQL/PostGIS Node.js Express REST API Google Maps
Eigenprojekt
München

Aus- und Weiterbildung

Aus- und Weiterbildung

2011 ? 2016

Theoretical and Mathematical Physics ? TUM / LMU Munich

Left to build software full-time. Coursework in analysis, linear algebra, probability and statistical mechanics.

Kompetenzen

Kompetenzen

Top-Skills

RAG (Retrieval-Augmented Generation) LLM Python Semantic Search Vector Search Embeddings Information Retrieval Hybrid Search Generative AI Natural Language Processing Function Calling / Tool Calling MCP (Model Context Protocol) AWS Bedrock AWS S3 PostgreSQL Flask REST API Docker React React Native TypeScript JavaScript Heroku

Produkte / Standards / Erfahrungen / Methoden

RAG
Experte
Python
Experte
LLM
Experte
AI Agents
Fortgeschritten
MCP
Fortgeschritten
Semantic Search
Experte
NLP
Experte
Flask
Experte
React
Experte
LangChain
Basics
LangGraph
Basics
Langfuse
Basics
Embeddings
Fortgeschritten
Vector Search
Fortgeschritten
PostgreSQL
Experte
AWS
Basics
TypeScript
Basics
Docker
Basics
Multi-Agent Systems
Basics

PROFILE

Python engineer, 7 years building production software (2019?present); last 3 years on LLM/NLP systems in production. Build Python services, unstructured-text pipelines, and RAG workflows ? chunking, embeddings, hybrid retrieval, information extraction ? and evaluate them with recall@k and nDCG. Flask APIs, PostgreSQL, AWS (S3, Bedrock). Munich; available on-site and at short notice.


SKILLS

  • NLP / AI: LLMs, RAG, MCP (Model Context Protocol), embeddings, semantic search, information extraction, OCR (vision models), hybrid retrieval (RRF), retrieval evaluation (recall@k, nDCG), FAISS, Qwen3-Embedding, AWS Bedrock, DeepInfra, LangChain
  • Python backend: Python, Flask, REST APIs, SQL (PostgreSQL, PostGIS), Gunicorn, RQ/Redis, concurrency (ThreadPoolExecutor), pytest, GitHub Actions (CI/CD)
  • Cloud / tooling: AWS (S3, Bedrock), GCP (Vision API, Maps/Geocoding APIs), Git/GitHub, Docker (containerized a Python Heroku backend), Heroku, agent-assisted development (Claude Code, Cursor)
  • Also: TypeScript, Node.js, Express, React, React Native (Expo), Chrome Extensions (clients in front of the same AI API)

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.