Konzeption und Entwicklung einer multi-tenantfähigen KI-Plattform zur automatischen Verarbeitung von Meeting-Transkripten und Memos. Das System extrahiert strukturiert Aufgaben, Entscheidungen, Abhängigkeiten und Timelines aus unstrukturierten Texteingaben und leitet die Ergebnisse automatisch an Projektmanagement-Plattformen wie Jira, Linear, Monday oder ClickUp weiter.
Kernbestandteile waren eine mehrstufige LLM-Pipeline mit Claude als Generierungsmodell, ein graph-basiertes Wissensmanagementsystem auf Basis von LightRAG für organisationales Gedächtnis, sowie eine multi-agente Infrastruktur mit spezialisierten Agents für Parsing, Abhängigkeitsanalyse, Sprint-Planung, Delivery und Wissensbasis-Management.
Besondere Schwerpunkte lagen auf per-Client-Datenisolierung auf Retrieval-Ebene, row-level Authentifizierung, einem Feedback-Loop zur kontinuierlichen Verbesserung der Retrieval-Qualität über Zeit, sowie DSGVO-konformer Infrastruktur auf AWS Frankfurt.
Entwicklung einer Echtzeit Speech-to-Speech Übersetzungspipeline auf Basis großer Sprachmodelle. Die Pipeline verarbeitet eingehende Audiodaten kontinuierlich, transkribiert gesprochene Sprache mit minimaler Latenz, übergibt den Text an ein LLM zur kontextuellen Übersetzung und Umformulierung, und synthetisiert die übersetzte Ausgabe als natürliche Sprache zurück.
Kernbestandteil war die Implementierung von Speaker Diarization ? die automatische Erkennung und Trennung verschiedener Sprecher im Audiostream, sodass das System in Mehrpersonengesprächen den Gesprächsfluss und den Kontext pro Sprecher korrekt zuordnet.
Technische Schwerpunkte waren Buffer-Management zur Latenzoptimierung, Fehlerbehandlung bei unvollständigen Audiofragmenten, Vermeidung unerwünschten Modellverhaltens während Sprechpausen, sowie die Integration von Transkriptions-, Übersetzungs- und Synthesediensten über REST APIs in eine durchgängige Backend-Architektur.
Ich arbeite als freiberuflicher AI Engineer mit Schwerpunkt auf der Entwicklung und dem Deployment von LLM-basierten Systemen, RAG-Architekturen und multi-agenten Infrastruktur. Meine Stärke liegt in der Verbindung von Backend-Engineering und KI-Architektur ? ich designe Systeme von der Datenpipeline bis zur Produktionsumgebung und übernehme dabei vollständige Verantwortung für das Endergebnis.
Besonderes Interesse gilt Systemen bei denen Genauigkeit und Nachvollziehbarkeit entscheidend sind: Dokumentenintelligenz, autonome Agenten mit strukturierten Outputs, und KI-Lösungen für europäische Unternehmen mit DSGVO-Anforderungen. Ich arbeite bevorzugt eng mit Gründern und technischen Führungskräften zusammen um KI-Potenziale konkret und messbar zu erschließen.
Konzeption und Entwicklung einer multi-tenantfähigen KI-Plattform zur automatischen Verarbeitung von Meeting-Transkripten und Memos. Das System extrahiert strukturiert Aufgaben, Entscheidungen, Abhängigkeiten und Timelines aus unstrukturierten Texteingaben und leitet die Ergebnisse automatisch an Projektmanagement-Plattformen wie Jira, Linear, Monday oder ClickUp weiter.
Kernbestandteile waren eine mehrstufige LLM-Pipeline mit Claude als Generierungsmodell, ein graph-basiertes Wissensmanagementsystem auf Basis von LightRAG für organisationales Gedächtnis, sowie eine multi-agente Infrastruktur mit spezialisierten Agents für Parsing, Abhängigkeitsanalyse, Sprint-Planung, Delivery und Wissensbasis-Management.
Besondere Schwerpunkte lagen auf per-Client-Datenisolierung auf Retrieval-Ebene, row-level Authentifizierung, einem Feedback-Loop zur kontinuierlichen Verbesserung der Retrieval-Qualität über Zeit, sowie DSGVO-konformer Infrastruktur auf AWS Frankfurt.
Entwicklung einer Echtzeit Speech-to-Speech Übersetzungspipeline auf Basis großer Sprachmodelle. Die Pipeline verarbeitet eingehende Audiodaten kontinuierlich, transkribiert gesprochene Sprache mit minimaler Latenz, übergibt den Text an ein LLM zur kontextuellen Übersetzung und Umformulierung, und synthetisiert die übersetzte Ausgabe als natürliche Sprache zurück.
Kernbestandteil war die Implementierung von Speaker Diarization ? die automatische Erkennung und Trennung verschiedener Sprecher im Audiostream, sodass das System in Mehrpersonengesprächen den Gesprächsfluss und den Kontext pro Sprecher korrekt zuordnet.
Technische Schwerpunkte waren Buffer-Management zur Latenzoptimierung, Fehlerbehandlung bei unvollständigen Audiofragmenten, Vermeidung unerwünschten Modellverhaltens während Sprechpausen, sowie die Integration von Transkriptions-, Übersetzungs- und Synthesediensten über REST APIs in eine durchgängige Backend-Architektur.
Ich arbeite als freiberuflicher AI Engineer mit Schwerpunkt auf der Entwicklung und dem Deployment von LLM-basierten Systemen, RAG-Architekturen und multi-agenten Infrastruktur. Meine Stärke liegt in der Verbindung von Backend-Engineering und KI-Architektur ? ich designe Systeme von der Datenpipeline bis zur Produktionsumgebung und übernehme dabei vollständige Verantwortung für das Endergebnis.
Besonderes Interesse gilt Systemen bei denen Genauigkeit und Nachvollziehbarkeit entscheidend sind: Dokumentenintelligenz, autonome Agenten mit strukturierten Outputs, und KI-Lösungen für europäische Unternehmen mit DSGVO-Anforderungen. Ich arbeite bevorzugt eng mit Gründern und technischen Führungskräften zusammen um KI-Potenziale konkret und messbar zu erschließen.