AI Product Builder ? Agentic Engineering: RAG, Multi-Agent & Voice solo in Produktion (Claude Code, MCP, Python, LangGraph, React)
Aktualisiert am 10.06.2026
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 16.06.2026
Verfügbar zu: 100%
davon vor Ort: 20%
RAG
AI Agents
Generative AI
Python
FastAPI
LangChain
LangGraph
MCP
LLM
Document Intelligence
Vector Database
Embeddings
Voice AI
Conversational AI
React
TypeScript
Azure
Azure OpenAI
Databricks
Docker
Prompt Engineering
Deutsch
Muttersprache
Englisch
Muttersprache

Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

2025 ? 2026: Knowledge-Retrieval- & RAG-Plattform ? Mio. Dokumente


Aufgaben:

  • Chat-with-the-Data-Plattform über Millionen unstrukturierter Verträge: automatisierte Ingestion, Text-Extraktion, Embedding-Generierung, semantische Suche und synthetisierte, nachvollziehbare Antworten ? solo in Produktion.
  • Hybrider Speicher (Vektor-DB Qdrant + relationale Metadaten), RBAC & DSGVO-Konformität, skalierbares Backend & APIs auf Azure. Stack: Python, LangChain, LangGraph, RAGAS-Evals.


Kenntnisse:

RAG | Multi-Agent | Qdrant | Ingestion | RBAC | Azure | Python

2026 ? 2026: Zwei Live-Demos: Agentic RAG + Voice-Agent (PoC, solo)


Aufgaben:

  • Agentic RAG auf echtem Azure Databricks: LLM ruft die Suche als Tool (Multi-Hop), hybrider Speicher (Vektor + lexikalisch + Text-to-SQL), Re-Ranking & gegroundete Antworten mit Zitaten; Governance über Unity Catalog/RBAC, MLflow-Evals als Regressions-Gate. React-Chat-Frontend, live gestreamt.
  • Voice-Agent (Echtzeit Speech-to-Speech) mit RAG-gestützten Tool-Calls ? dasselbe Wissens-Backend über einen zweiten Kanal. Beide solo in Tagen gebaut: mein hands-on Arbeitsmodus.


Kenntnisse:

Agentic RAG | Multi-Hop | Hybrid + SQL | RBAC | Voice-Agent | React | Databricks

2022 ? 2024: Provider-agnostische Multi-LLM-Plattform


Aufgaben:

  • Pluggable LLM-Architektur mit Ingestion (OCR) ? Azure OpenAI, Gemini-Fallback ? Anbieterwechsel über Konfiguration. Full-Stack React/TS, Node.js, Python; produktiv in hunderten Schulen.


Kenntnisse:

provider-agnostic | Ingestion | React | Node.js

Aus- und Weiterbildung

Aus- und Weiterbildung

2007 ? 2013

Universität Osnabrück

M.Sc. Geoinformatik · 1,4

Homann Studienpreis · GiN-Preis


2011 ? 2012

UC London

Geographic Information Science

Kompetenzen

Kompetenzen

Top-Skills

RAG AI Agents Generative AI Python FastAPI LangChain LangGraph MCP LLM Document Intelligence Vector Database Embeddings Voice AI Conversational AI React TypeScript Azure Azure OpenAI Databricks Docker Prompt Engineering

Produkte / Standards / Erfahrungen / Methoden

PROFIL

  • Ich bringe KI-Systeme allein in Produktion, für die Unternehmen sonst ganze Teams aufstellen. Von der ersten Skizze bis zum laufenden, abgesicherten Betrieb ? Architektur, Backend und Frontend in einer Hand, ohne Reibung an Übergaben.
  • Für einen globalen Pharmakonzern habe ich Fachbereichen einen Assistenten gebaut, der aus Millionen unstrukturierter Dokumente belastbare, mit Quellen belegte Antworten zieht ? mit Rechte- und Zugriffsmodell, DSGVO-konform, auf Azure. Dahinter arbeiten kooperierende KI-Agenten, die selbst entscheiden, wann sie suchen, und Wissen aus Dokumenten und strukturierten Daten zusammenführen. Die Sprachmodelle (Claude, GPT) bleiben dabei austauschbar ? keine Bindung an einen Anbieter.
  • Tempo gehört zum Angebot: lauffähige Prototypen entstehen in Tagen, nicht Quartalen. Möglich macht das mein Arbeitsmodus ? ich entwickle mit Coding-Agents (Claude Code) und baue die Infrastruktur drumherum selbst: eigene MCP-Server, lokaler Memory-/Knowledge-Layer, hybrid lokal/Cloud. Zwei Demos sind frei testbar (unten verlinkt), jeweils im Alleingang gebaut.


WAS ICH LIEFERE

  • Kooperierende KI-Agenten (LangChain/LangGraph, MCP)
  • Antworten mit Quellen aus Vektor-, Volltext- & SQL-Suche
  • Chat-Frontend (React) auf Python/FastAPI
  • On-Prem bis lokale Inferenz (llama.cpp / Ollama)
  • Sprachmodelle austauschbar (Claude, GPT)
  • Dokument-Aufbereitung: Extraktion, Chunking, Embeddings
  • Zugriffsrechte, Verschlüsselung, Audit ? reguliert
  • Prototyp in Tagen · Englisch auf Muttersprachniveau


AGENTEN & ORCHESTRIERUNG

  • Multi-Agent
  • LangChain
  • LangGraph
  • MCP
  • Function Calling
  • Tool-Orchestrierung
  • provider-agnostic (Claude/GPT)
  • Evals


RAG & KNOWLEDGE RETRIEVAL

  • RAG
  • Embeddings
  • Vektor-DB (Qdrant)
  • Hybride Suche
  • Re-Ranking
  • Ingestion
  • Text-Extraktion


FULLSTACK & BACKEND

  • Python
  • FastAPI
  • Node.js
  • React
  • TypeScript
  • Async APIs
  • SQL


CLOUD / INFRA / SECURITY

  • Azure
  • GCP
  • Docker
  • RBAC
  • On-Premise / lokale Inferenz
  • Serverless


WERDEGANG

2020 ? heute

Rolle: Freelance AI Architect & Engineer 

Kunde: Multi-Agent, RAG/Knowledge Retrieval, Fullstack, solo end-to-end


2022 ? 2024

Rolle: Gründer & Alleinentwickler 

Kunde: auf Anfrage, Osnabrück (Multi-LLM-Plattform)


2019 ? 2020

Rolle: Product Manager ? ML / Computer Vision 

Kunde: DARVIS, San Francisco


2016 ? 2020

Rolle: Gründer ? E-Commerce & Video-SaaS 

Kunde: auf Anfrage, Whipple


2013 ? 2015

Rolle: IT-Berater 

Kunde: Business Technology Consulting AG, Oldenburg

Einsatzorte

Einsatzorte

Deutschland, Schweiz, Österreich
möglich

Projekte

Projekte

2025 ? 2026: Knowledge-Retrieval- & RAG-Plattform ? Mio. Dokumente


Aufgaben:

  • Chat-with-the-Data-Plattform über Millionen unstrukturierter Verträge: automatisierte Ingestion, Text-Extraktion, Embedding-Generierung, semantische Suche und synthetisierte, nachvollziehbare Antworten ? solo in Produktion.
  • Hybrider Speicher (Vektor-DB Qdrant + relationale Metadaten), RBAC & DSGVO-Konformität, skalierbares Backend & APIs auf Azure. Stack: Python, LangChain, LangGraph, RAGAS-Evals.


Kenntnisse:

RAG | Multi-Agent | Qdrant | Ingestion | RBAC | Azure | Python

2026 ? 2026: Zwei Live-Demos: Agentic RAG + Voice-Agent (PoC, solo)


Aufgaben:

  • Agentic RAG auf echtem Azure Databricks: LLM ruft die Suche als Tool (Multi-Hop), hybrider Speicher (Vektor + lexikalisch + Text-to-SQL), Re-Ranking & gegroundete Antworten mit Zitaten; Governance über Unity Catalog/RBAC, MLflow-Evals als Regressions-Gate. React-Chat-Frontend, live gestreamt.
  • Voice-Agent (Echtzeit Speech-to-Speech) mit RAG-gestützten Tool-Calls ? dasselbe Wissens-Backend über einen zweiten Kanal. Beide solo in Tagen gebaut: mein hands-on Arbeitsmodus.


Kenntnisse:

Agentic RAG | Multi-Hop | Hybrid + SQL | RBAC | Voice-Agent | React | Databricks

2022 ? 2024: Provider-agnostische Multi-LLM-Plattform


Aufgaben:

  • Pluggable LLM-Architektur mit Ingestion (OCR) ? Azure OpenAI, Gemini-Fallback ? Anbieterwechsel über Konfiguration. Full-Stack React/TS, Node.js, Python; produktiv in hunderten Schulen.


Kenntnisse:

provider-agnostic | Ingestion | React | Node.js

Aus- und Weiterbildung

Aus- und Weiterbildung

2007 ? 2013

Universität Osnabrück

M.Sc. Geoinformatik · 1,4

Homann Studienpreis · GiN-Preis


2011 ? 2012

UC London

Geographic Information Science

Kompetenzen

Kompetenzen

Top-Skills

RAG AI Agents Generative AI Python FastAPI LangChain LangGraph MCP LLM Document Intelligence Vector Database Embeddings Voice AI Conversational AI React TypeScript Azure Azure OpenAI Databricks Docker Prompt Engineering

Produkte / Standards / Erfahrungen / Methoden

PROFIL

  • Ich bringe KI-Systeme allein in Produktion, für die Unternehmen sonst ganze Teams aufstellen. Von der ersten Skizze bis zum laufenden, abgesicherten Betrieb ? Architektur, Backend und Frontend in einer Hand, ohne Reibung an Übergaben.
  • Für einen globalen Pharmakonzern habe ich Fachbereichen einen Assistenten gebaut, der aus Millionen unstrukturierter Dokumente belastbare, mit Quellen belegte Antworten zieht ? mit Rechte- und Zugriffsmodell, DSGVO-konform, auf Azure. Dahinter arbeiten kooperierende KI-Agenten, die selbst entscheiden, wann sie suchen, und Wissen aus Dokumenten und strukturierten Daten zusammenführen. Die Sprachmodelle (Claude, GPT) bleiben dabei austauschbar ? keine Bindung an einen Anbieter.
  • Tempo gehört zum Angebot: lauffähige Prototypen entstehen in Tagen, nicht Quartalen. Möglich macht das mein Arbeitsmodus ? ich entwickle mit Coding-Agents (Claude Code) und baue die Infrastruktur drumherum selbst: eigene MCP-Server, lokaler Memory-/Knowledge-Layer, hybrid lokal/Cloud. Zwei Demos sind frei testbar (unten verlinkt), jeweils im Alleingang gebaut.


WAS ICH LIEFERE

  • Kooperierende KI-Agenten (LangChain/LangGraph, MCP)
  • Antworten mit Quellen aus Vektor-, Volltext- & SQL-Suche
  • Chat-Frontend (React) auf Python/FastAPI
  • On-Prem bis lokale Inferenz (llama.cpp / Ollama)
  • Sprachmodelle austauschbar (Claude, GPT)
  • Dokument-Aufbereitung: Extraktion, Chunking, Embeddings
  • Zugriffsrechte, Verschlüsselung, Audit ? reguliert
  • Prototyp in Tagen · Englisch auf Muttersprachniveau


AGENTEN & ORCHESTRIERUNG

  • Multi-Agent
  • LangChain
  • LangGraph
  • MCP
  • Function Calling
  • Tool-Orchestrierung
  • provider-agnostic (Claude/GPT)
  • Evals


RAG & KNOWLEDGE RETRIEVAL

  • RAG
  • Embeddings
  • Vektor-DB (Qdrant)
  • Hybride Suche
  • Re-Ranking
  • Ingestion
  • Text-Extraktion


FULLSTACK & BACKEND

  • Python
  • FastAPI
  • Node.js
  • React
  • TypeScript
  • Async APIs
  • SQL


CLOUD / INFRA / SECURITY

  • Azure
  • GCP
  • Docker
  • RBAC
  • On-Premise / lokale Inferenz
  • Serverless


WERDEGANG

2020 ? heute

Rolle: Freelance AI Architect & Engineer 

Kunde: Multi-Agent, RAG/Knowledge Retrieval, Fullstack, solo end-to-end


2022 ? 2024

Rolle: Gründer & Alleinentwickler 

Kunde: auf Anfrage, Osnabrück (Multi-LLM-Plattform)


2019 ? 2020

Rolle: Product Manager ? ML / Computer Vision 

Kunde: DARVIS, San Francisco


2016 ? 2020

Rolle: Gründer ? E-Commerce & Video-SaaS 

Kunde: auf Anfrage, Whipple


2013 ? 2015

Rolle: IT-Berater 

Kunde: Business Technology Consulting AG, Oldenburg

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.