Konzeption und Entwicklung einer KI-Plattform, die Ersatzteilanfragen eines Pumpenherstellers weitgehend automatisiert bearbeitet. Eingehende Anfragen aus E-Mail und Online-Shop werden automatisch erfasst und kategorisiert, die Seriennummer wird aus dem Text oder per Bilderkennung aus Fotos extrahiert. Das System gleicht Kundendaten mit dem ERP ab, prüft Kundenschutz, Exklusivitätsvereinbarungen und Embargos, ermittelt die benötigten Ersatzteile anhand von Stücklisten und erstellt ein versandfertiges Angebot mit Preisen, Nachlässen und Lieferzeiten. Die Lösung ist als hybride Architektur umgesetzt: Die Daten verbleiben in den On-Premise-Systemen des Kunden (ERP, DMS, internes Laufwerk), die KI-Services laufen in Microsoft Azure. Jedes Ergebnis ist auf die zugrunde liegenden Quelldaten rückführbar, die finale Freigabe erfolgt durch die Mitarbeitenden.
Konzeption und Entwicklung eines Empfehlungssystems für ein Beschichtungsunternehmen. Vertriebsmitarbeitende können Kundenanfragen per Freitext eingeben und erhalten passende Beschichtungslösungen aus früheren Aufträgen, inklusive Filtermöglichkeiten nach Kriterien wie Material, Verfahren oder Schichtdicke. Als Datengrundlage wurden die Excel-Auftragsdaten der letzten 20 Jahre bereinigt, vereinheitlicht und für die semantische Suche aufbereitet. Dadurch lassen sich Anfragen deutlich schneller bewerten und bewährte Lösungen gezielt wiederverwenden.
Konzeption und Entwicklung eines sicheren, unternehmensinternen Inhouse Wissensdatenbank auf Basis von Microsoft Azure OpenAI. Mitarbeitende können über eine Chat-Oberfläche Fragen zu internen Dokumenten und Wissensbeständen stellen. Über eine Schnittstelle zu den lokalen Netzlaufwerken des Unternehmens werden Dokumente automatisch eingelesen, verarbeitet und in der Vektordatenbank indexiert. Die Antworten werden per Retrieval-Augmented Generation (RAG) aus den Unternehmensdaten erzeugt.
Projekt: ML-basierte Belastungsklassifizierung anhand von Zeitreihendaten von Dehnungsmessstreifen-Sensoren
Multimodales RAG-System (Tabellen + Bilder + Text)
Hallo zusammen,
ich bin ein KI-Entwickler mit praktischer Erfahrung von mehr als 3 Jahren in der Entwicklung von produktionsreifen KI-Anwendungen, z.B. RAG-Systemen, LLM-Pipelines, agentenbasierten Workflows etc. Derzeit bin ich bei der syntik GmbH tätig, wo ich zuletzt ein Azure gehostetes RAG-System entwickelt und bereitgestellt habe, das über 20.000 Dokumente indexiert und Antworten für die Unternehmensdokumentsuche liefert.
Kern-Stack: Python, LangChain/LangGraph, Azure (OpenAI, Container-Apps), Docker und Terraform.
Metallverarbeitung | Maschinen- und Anlagenbau | Kunststoffverarbeitung | Automotive |
Chemie | Lebensmittelindustrie | Beschichtungsindustrie | Baustoffindustrie
Konzeption und Entwicklung einer KI-Plattform, die Ersatzteilanfragen eines Pumpenherstellers weitgehend automatisiert bearbeitet. Eingehende Anfragen aus E-Mail und Online-Shop werden automatisch erfasst und kategorisiert, die Seriennummer wird aus dem Text oder per Bilderkennung aus Fotos extrahiert. Das System gleicht Kundendaten mit dem ERP ab, prüft Kundenschutz, Exklusivitätsvereinbarungen und Embargos, ermittelt die benötigten Ersatzteile anhand von Stücklisten und erstellt ein versandfertiges Angebot mit Preisen, Nachlässen und Lieferzeiten. Die Lösung ist als hybride Architektur umgesetzt: Die Daten verbleiben in den On-Premise-Systemen des Kunden (ERP, DMS, internes Laufwerk), die KI-Services laufen in Microsoft Azure. Jedes Ergebnis ist auf die zugrunde liegenden Quelldaten rückführbar, die finale Freigabe erfolgt durch die Mitarbeitenden.
Konzeption und Entwicklung eines Empfehlungssystems für ein Beschichtungsunternehmen. Vertriebsmitarbeitende können Kundenanfragen per Freitext eingeben und erhalten passende Beschichtungslösungen aus früheren Aufträgen, inklusive Filtermöglichkeiten nach Kriterien wie Material, Verfahren oder Schichtdicke. Als Datengrundlage wurden die Excel-Auftragsdaten der letzten 20 Jahre bereinigt, vereinheitlicht und für die semantische Suche aufbereitet. Dadurch lassen sich Anfragen deutlich schneller bewerten und bewährte Lösungen gezielt wiederverwenden.
Konzeption und Entwicklung eines sicheren, unternehmensinternen Inhouse Wissensdatenbank auf Basis von Microsoft Azure OpenAI. Mitarbeitende können über eine Chat-Oberfläche Fragen zu internen Dokumenten und Wissensbeständen stellen. Über eine Schnittstelle zu den lokalen Netzlaufwerken des Unternehmens werden Dokumente automatisch eingelesen, verarbeitet und in der Vektordatenbank indexiert. Die Antworten werden per Retrieval-Augmented Generation (RAG) aus den Unternehmensdaten erzeugt.
Projekt: ML-basierte Belastungsklassifizierung anhand von Zeitreihendaten von Dehnungsmessstreifen-Sensoren
Multimodales RAG-System (Tabellen + Bilder + Text)
Hallo zusammen,
ich bin ein KI-Entwickler mit praktischer Erfahrung von mehr als 3 Jahren in der Entwicklung von produktionsreifen KI-Anwendungen, z.B. RAG-Systemen, LLM-Pipelines, agentenbasierten Workflows etc. Derzeit bin ich bei der syntik GmbH tätig, wo ich zuletzt ein Azure gehostetes RAG-System entwickelt und bereitgestellt habe, das über 20.000 Dokumente indexiert und Antworten für die Unternehmensdokumentsuche liefert.
Kern-Stack: Python, LangChain/LangGraph, Azure (OpenAI, Container-Apps), Docker und Terraform.
Metallverarbeitung | Maschinen- und Anlagenbau | Kunststoffverarbeitung | Automotive |
Chemie | Lebensmittelindustrie | Beschichtungsindustrie | Baustoffindustrie