Senior AI-Ingenieur

Entwicklung einer KI-gestützten Computer-Vision-SaaS für industrielle Qualitätskontrolle, die Echtzeit-Fehlererkennung und vorausschauende Wartung in Fertigungsumgebungen automatisiert.

Aufbau einer Generative-AI-Plattform unter Verwendung von LLMs und transformerbasierter Logik, die die Echtzeitinterpretation von Industrie-Telemetriedaten erlaubt und Falschmeldungen um 32 % reduziert.

Entwurf eines agentenbasierten KI-Wartungsassistenten mit LangChain, RAG und kundenspezifischen Embeddings, der Technikern dialogbasierte Fehlersuche ermöglicht.

Implementierung von Streaming- und ETL-Workflows (Kafka, Spark, Airflow), die textbasierte Logs und Simulationsnarrative für nachgelagerte Modellierung anreichern.

Erstellung von Multi-Agent-Inferenz-Pipelines mit LLM-Orchestrierung und Optimierung der Modelle mit ONNX Runtime, was die Latenz um 45 % verbessert.

Umstellung von Batch-NLP-Pipelines auf Continuous-Learning-Systeme, die Echtzeitanpassung und Reinforcement-Learning-Loops ermöglichen.

Aufbau von Deep-Learning-Pipelines für Multiklassen-Segmentierung, Anomalieerkennung und Bewertung der Oberflächenqualität mittels PyTorch und TensorFlow.

Implementierung von KI-Überwachung mit Drift-Erkennung, kontinuierlicher Bewertung und automatisierten Retraining-Zyklen zur Aufrechterhaltung der Modellgenauigkeit.

Betreuung von Ingenieuren in Prompt-Entwicklung, LLM-Lifecycle und agentenbasiertem Systemdesign, was die KI-Reife des Teams erhöht.

Schlüsseltechnologien: Python, TensorFlow, PyTorch, FastAPI, Databricks, MLflow, SHAP, LIME, Redis, Azure

Implementierung ML-gestützter Systeme zur Betrugserkennung und Kampagnenoptimierung für globale Adtech-Netzwerke, die Millionen von Benutzerereignissen pro Tag verarbeiten.

Entwicklung von ML-Pipelines mit scikit-learn und TensorFlow zur Klassifikation von betrügerischem Traffic, Bot-Verhalten und ungültigen Conversions.

Entwicklung verteilter Verarbeitungspipelines mit Kafka und Spark zur Verarbeitung von dutzenden Millionen Events pro Stunde.

Implementierung von Datenvalidierung, Drift-Erkennung und A/B-Tests zur Sicherstellung der Übereinstimmung von Offline-Training und Online-Performance.

Aufbau von Überwachungssystemen zur Erfassung von Latenz, Genauigkeitsverlust, Vorhersagedurchsatz und automatischen Retraining-Auslösern.

Schlüsseltechnologien: Python, scikit-learn, TensorFlow, Flask, Django, Kafka, Spark, AWS SageMaker, GCP AI Platform

Mitarbeit an einer skalierbaren Sales-Intelligence- und Workflow-Automatisierungsplattform zur Verbesserung der Backend-Performance, Zuverlässigkeit der Datenverarbeitung und Integration von Enterprise-CRM-Systemen.

Entwicklung von Backend-Services und Django-REST-APIs für Lead-Verarbeitung, Workflow-Automatisierung und CRM-Synchronisation.

Implementierung asynchroner Pipelines mit Celery und Redis zur Steigerung des Durchsatzes und Reduzierung der Antwortlatenz.

Entwurf und Optimierung von PostgreSQL-Schemata mit Indexierung, Partitionierung und Abfrage-Tuning zur Unterstützung großer analytischer Datensätze.

Integration von Drittanbieter-CRM-Systemen mittels REST-Endpunkten, Datenmapping-Logik und sicheren Authentifizierungsmechanismen.

Refactoring von Python-Modulen zur Verbesserung der Wartbarkeit, Backend-Performance und Service-Zuverlässigkeit.

Unterstützung von Deployment-Workflows mit Docker, Git und umgebungsspezifischen Konfigurationspraktiken.

Schlüsseltechnologien: Python, Django, Django REST Framework, Celery, Redis, PostgreSQL, Docker, Git, REST-APIs