POSITIONIERUNG

• Ich arbeite eingebettet im Produktteam meiner Kunden und bringe KI-Funktionen an deren echten Daten, echten Nutzern und echten Compliance-Auflagen zum Laufen: Retrieval-Pipeline, Backend, Frontend und die DSGVO-Argumentation, die den Produktivgang in Deutschland überhaupt erst möglich macht.
• Über 5 Jahre Produktentwicklung, davon 2 Jahre mit Schwerpunkt auf produktiven KI-Anwendungen. Ich liefere Features bis zum Ende: Datenschicht, API, Oberfläche, Deployment. Der Compliance-Blocker ist dabei Teil der Lieferung und wird nicht an eine separate Beratung weitergereicht. In regulierten deutschen Unternehmen ist das die Stelle, an der KI-Projekte tatsächlich stehenbleiben. Zweisprachig Deutsch/Englisch, sicher im Fachbereich wie im Entwicklungsteam. Davor gut zwei Jahre in Festanstellung bei Amazon Web Services (AWS).
• Zuletzt verantwortlich für eine mandantenfähige KI-Plattform mit 12 Mandanten und rund 4.000 Nutzern, bei der die Modelle vollständig in den Cloud-Umgebungen der Kunden liefen, je nach Modell auf Azure, AWS oder Google Cloud.
• Einsatzfeld: Mittelstand und regulierte Branchen (Energie, öffentlicher Sektor, SaaS) mit KI-Auftrag, aber ohne eigenes KI-Team im Haus.

SO ARBEITE ICH IM EINSATZ

• Ich sitze im Team, nicht daneben: vor Ort in Köln / NRW, remote darüber hinaus.
• Ich baue Retrieval- und KI-Funktionen an Produktionsdaten, nicht am bereinigten Beispieldatensatz.
• Ich bringe das Feature bis zum Ende: Datenschicht, API, Oberfläche, Deployment.
• Ich löse den DSGVO- und Datenresidenz-Blocker als Teil der Lieferung: EU-Datenhaltung, Mandantentrennung, 
• Auftragsverarbeitung, Prompt-Injection-Härtung.
• Ich hinterlasse Code, den das interne Team übernehmen kann, plus die Übergabe, die das real macht.
• Ich betreibe, was ich ausliefere: Infrastructure as Code, CI/CD, Monitoring und Bereitschaft für die Systeme, die ich baue. 
• Das ersetzt kein Plattformteam, ist aber der Grund, warum meine Entwürfe nicht an der Umsetzung scheitern.

TECHNOLOGIE & STACK

• KI & Daten: RAG-Pipelines, LLM-Integration (Azure OpenAI, AWS Bedrock, Google Vertex AI), Vektorsuche & Embeddings, Prompt Engineering, Evaluation, agentische Workflows
• Anwendung & Datenschicht: TypeScript, JavaScript, Python, React, Next.js, Node.js, PostgreSQL/Prisma, REST-API-Design, mandantenfähige SaaS-Architektur
• Sicherheit & Compliance: DSGVO-konforme Architektur, EU-Datenresidenz, Mandantentrennung, SSO/SCIM mit Microsoft Entra ID, Prompt-Injection-Härtung, Guardrails, Zugriffskontrolle auf Indexebene
• Cloud & Betrieb: Microsoft Azure (Functions, App Services, AI Search, OpenAI Service, Entra ID); ich betreibe, was ich ausliefere: Terraform (IaC), CI/CD, Docker, Multi-Region, Monitoring