Design und Entwicklung eines Backend-Agents, der aus Nutzereingaben personalisierte Konfigurationsempfehlungen für Fahrzeuge ableitet. Der Agent nutzt ein LLM-API für Reasoning und ruft über angebundene Tools verschiedene interne APIs auf, um Daten zu kombinieren (Fahrzeugdetails, Konfigurationsmöglichkeiten, Modellverfügbarkeiten, etc.). Er arbeitet als ?Intelligence Layer? in einer Multi-Agent-Architektur. Die Interaktion mit dem Kunden erfolgt in einem separieren Chatbot auf einer frei zugänglichen Webseite.

Aufbau eines KI-gestütztes Kommunikationssystems, das schnelle, präzise und personalisierte Antworten auf Mandantenanfragen in einer Steuerkanzlei liefert. Durch die Automatisierung routinemäßiger Interaktionen und kontinuierliches Lernen aus vergangenen Fällen verbessert es die Reaktionsfähigkeit und entlastet Fachkräfte, damit sie sich auf komplexe Beratungsaufgaben konzentrieren können.

Aufgaben:

• Unterstützung bei der Konfiguration und Erweiterung der vom Kunden eingesetzten KI-Plattform
• Anbindung eines in der EU bereitgestellten LLM zur DSGVO-konformen Nutzung der Applikation
• Evaluation und Implementierung von Anonymisierungsverfahren, um textuelle Anfragen der Kunden DSGVO-konform zu schwärzen
• Konfiguration einer Vektordatenbank und Anbindung der Datenbank an die vom Kunden eingesetzte KI-Plattform
• Konzeption & Implementierung RAG-Architektur mit Amazon Bedrock + Pinecone
• Integration & Indexierung strukturierter/unstrukturierter Datenquellen inkl. Metadatenmanagement
• Semantische Suche & Embeddings für juristische Fachdokumente
• Evaluation der Antwortqualität (Halluzinationsvermeidung, Prompt Engineering, Retrieval-Qualität)

Entwicklung einer KI-Lösung, die den gesamten IT-Support-Lifecycle im Unternehmen intelligent automatisiert. Durch den Einsatz von Large Language Models (LLMs) für automatisiertes Ticket-Triage und vernetzten Multi-Agenten-Systemen zur Ursachenanalyse werden Bearbeitungszeiten verkürzt, Routing-Fehler reduziert und Supportkosten gesenkt. Das System nutzt ein verteiltes Agentennetzwerk, das über das A2A-Protokoll (Agent-to-Agent) kommuniziert und MCP für den Datenabruf einsetzt, um komplexe Unternehmensprozesse effizient zu unterstützen. 

Aufgaben:

• Definition der Produktvision und Zielarchitektur
• Erstellung von Domänen- und Schnittstellenmodellen
• Entwurf von Tool-Calling-Patterns
• Definition des Verhaltensmodells für die Kommunikation zwischen KI-Agenten
• Integration von Grafana Tempo als Datenquelle für strukturierte und unstrukturierte Trace-Daten
  
• Erstellung und Pflege technischer Dokumentationen
  

Konzeption und Architekturdesign für die technische Integration eines virtuellen Bankassistenten in die Mobile-Banking-Anwendung einer führenden international agierenden Bank. Der Fokus lag auf dem Aufbau einer skalierbaren Architektur unter Einsatz von Sprachmodellen, Avatar-Generierungsmodellen und Cloud-Technologien. Besondere Beachtung fanden dabei die bankinternen Richtlinien für KI-Anwendungen sowie die Anforderungen des EU AI Acts.

Begleitung des Go-Live von ML-Anwendungen zur Steigerung der Effizienz von KYC-(Know Your Customer)-Prozessen für eine führende international agierende Bank. Ziel des Projekts war die Optimierung bestehender Workflows sowie die Sicherstellung einer skalierbaren und regulatorisch konformen IT-Systemlandschaft. Durch die enge Verzahnung von fachlicher und technischer Unterstützung wurde eine stabile, revisionssichere und zukunftsfähige Lösung geschaffen. So konnten Compliance-Anforderungen effizient erfüllt und die Gesamtperformance der KYC-Prozesse deutlich verbessert werden.