Nima Nooshi - Mitgründender LLM-Ingenieur

Q: Wo ist Nima ansässig?

Nima ist in München, Deutschland ansässig.

Q: Welche Sprachen spricht Nima?

Nima spricht folgende Sprachen: Persisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher) .

Q: Wie viele Jahre Erfahrung hat Nima?

Nima hat mindestens 16 Jahre Erfahrung. In dieser Zeit hat Nima in mindestens 11 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 5 Monate . Beachten Sie, dass Nima möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Q: Was ist das neueste Projekt von Nima?

Die neueste Position von Nima ist Mitgründer und LLM-Ingenieur bei LLM Ventures .

Q: Für welche Unternehmen hat Nima in den letzten Jahren gearbeitet?

In den letzten Jahren hat Nima für LLM Ventures und Databricks gearbeitet.

Q: In welchen Industrien hat Nima die meiste Erfahrung?

Nima hat die meiste Erfahrung in Industrien wie Informationstechnologie , Professionelle Dienstleistungen und Bank- und Finanzwesen . Nima hat auch etwas Erfahrung in Einzelhandel und Fertigung .

Q: In welchen Bereichen hat Nima die meiste Erfahrung?

Nima hat die meiste Erfahrung in Bereichen wie Informationstechnologie , Business Intelligence und Kundendienst . Nima hat auch etwas Erfahrung in Finanzen , Produktentwicklung und Forschung und Entwicklung .

Q: In welchen Industrien hat Nima kürzlich gearbeitet?

Nima hat kürzlich in Industrien wie Informationstechnologie , Bank- und Finanzwesen und Einzelhandel gearbeitet.

Q: In welchen Bereichen hat Nima kürzlich gearbeitet?

Nima hat kürzlich in Bereichen wie Kundendienst , Business Intelligence und Informationstechnologie gearbeitet.

Recommended expert

München, Deutschland

Erfahrungen

Jan. 2025 - Dez. 2026

2 Jahren

Deutschland

Mitgründer und LLM-Ingenieur

LLM Ventures

Ein AI-Unternehmen mitgegründet, das auf die Entwicklung produktionsreifer LLM-Anwendungen und Agentensysteme spezialisiert ist
Multi-Agenten-AI-Workflows für Finanz- und Handelsanwendungen entworfen und implementiert
LLM-basierte Copilot-Architekturen für Portfolioanalyse, Trade-Management und personalisiertes Coaching entwickelt
Inferenzanwendungen für On-Device und Edge entwickelt und Modelle für geringe Latenz, Datenschutz und ressourcenbegrenzte Umgebungen optimiert
Entscheidungen zur Systemarchitektur in Bezug auf Modellauswahl, Orchestrierung, Zustandsverwaltung und Deployment getroffen

Jan. 2024 - Bis heute

2 Jahren 2 Monate

AI-gestützter Optionshandels-Copilot (graVIXor) — Eigenes Projekt

Ein Multi-Agenten-System für autonome Handelsideen-Generierung und Echtzeit-Risikomonitoring entworfen
Marktregime-Erkennung implementiert, um Strategievorschläge dynamisch anzupassen
Erklärbare AI-Schicht entwickelt, die transparente Begründungen für jede Handelsempfehlung liefert
Bildungsorientierte Coaching-Funktionen mit personalisierten Lernpfaden für Optionshändler entwickelt
Stack: Python, Multi-Agent-Frameworks, Finanz-APIs, React, Streaming in Echtzeit

Jan. 2024 - Dez. 2025

2 Jahren

LLM-basierter Optionshandels-Copilot & Portfolio-Intelligenz-Plattform

Ein Multi-Agenten-LLM-System entworfen und aufgebaut, das als Echtzeit-Handelscoach für Privatanleger im Optionshandel fungiert und den gesamten Lebenszyklus von der Ideenfindung bis zum Positionsmanagement abdeckt
Einen zustandsbehafteten, orchestrierten AI-Workflow implementiert, der auf Live-Portfolio- und Marktdaten arbeitet
Autonome Handelsmanagement-Agenten entwickelt, die offene Positionen überwachen, Risikoschwellen erkennen und Anpassungen (Schließen, Rollen, Rebalancing) mit Vertrauensbewertungen und Dringlichkeitsstufen empfehlen
Echtzeit-Marktsignale in die LLM-Entscheidungsfindung integriert, um kontextbewusste, adaptive Empfehlungen zu ermöglichen
System für Transparenz und Lernen ausgelegt: Jede Empfehlung ist erklärbar, abfragbar und dient als kontextuelle Schulung für den Händler
Stack: Python, OpenAI (GPT-4-Modelle), LangChain-ähnliche Orchestrierung, Multi-Agenten-Architekturen, Marktdaten-APIs, strukturierte Zustandsverwaltung, asynchrone Pipelines, Cloud-native Bereitstellung

Jan. 2024 - Dez. 2025

2 Jahren

RAG-System für regulatorische Compliance

Eine vierstufige Verarbeitungspipeline implementiert (Dokumentanalyse, semantische Suche, Knowledge Graph, Multi-Agenten-Orchestrierung)
Automatisierte Validierungsprüfungen zur Sicherstellung der Chunk-Integrität entwickelt
Einen Golden Evaluation Set (über 100 annotierte Frage-Antwort-Paare) gemeinsam mit Compliance-Fachleuten erstellt
92% Präzision@5 bei der Retrieval erzielt durch iteratives Tuning der Embedding-Modelle und Re-Ranking
Auf Cloud-Infrastruktur bereitgestellt mit strukturiertem Logging für jeden Retrieval- und Generierungsschritt (Audit-Trail)
Guardrails implementiert: Quellenprüfung, Halluzinations-Erkennung und Vertrauensbewertung
CI/CD-Pipeline mit automatisierten Regressionstests gegen das Evaluation Set vor jedem Deployment

Jan. 2024 - Dez. 2024

1 Jahr

LLM-gestützte Kundensupport-Automatisierung — Enterprise-Einzelhandelskunde

Einen RAG-basierten Support-Assistenten entworfen und implementiert, der die durchschnittliche Bearbeitungszeit um 40% verkürzt hat
Über 50.000 Knowledge-Base-Artikel in einen Vektorspeicher importiert; semantische Suche mit Re-Ranking implementiert
E-Mail-Automatisierungs-Pipeline aufgebaut: Klassifikation, Sentiment-Analyse, Zusammenfassung und Antwortgenerierung
Integration in bestehende CRM-Systeme über REST-APIs; mit Echtzeit-Monitoring und Feedback-Schleifen bereitgestellt
Stack: LangChain, OpenAI/Azure OpenAI, Pinecone, Python, Delta Lake, MLflow

Jan. 2023 - Dez. 2024

2 Jahren

Feinkörnige Bedarfsprognose im großen Maßstab — Fertigung & Handel

Entwickelte ein skalierbares Prognosesystem, das täglich über 100.000 SKU-Standort-Vorhersagen liefert und die Genauigkeit um 15 % steigert
Implementierte Prophet- und SARIMAX-Modelle mit automatisierter Hyperparameter-Optimierung mittels verteilter Rechenleistung
Entwickelte Feature-Engineering-Pipelines unter Einbeziehung von Saisonalität, Aktionen und externen Signalen
Erstellte eine Bestandsoptimierungsschicht, die Prognosen in umsetzbare Beschaffungsempfehlungen übersetzt
Tech-Stack: PySpark, Prophet, MLflow, Delta Lake, Airflow, Azure ML

Jan. 2023 - Dez. 2023

1 Jahr

Customer Lifetime Value-Prognose — E-Commerce-Plattform

Entwickelte ein probabilistisches CLV-Modell (BG/NBD + Gamma-Gamma) zur Verarbeitung von über 10 Mio. Kunden-Transaktionen
Ermöglichte dem Marketing-Team die Segmentierung von Kunden nach prognostiziertem Wert; steigerte die Retention-ROI um 25 %
Erstellte eine Echtzeit-Scoring-API, die personalisierte Angebote basierend auf individuellen CLV-Prognosen bereitstellt
Integrierte eine Marketing-Automationsplattform für ausgelöste Kampagnen basierend auf Wertschwellen
Tech-Stack: Python, Lifetimes, PySpark, Delta Lake, FastAPI, Azure Functions

Jan. 2019 - Dez. 2025

7 Jahren

Deutschland

Senior Customer Enablement Architekt / Senior Customer Success Engineer

Databricks

Erster CSE in der DACH-Region; baute die technische Beratung und Enablement-Praxis von Grund auf auf
Betreute ein ARR-Geschäftsvolumen von über 5 Mio. USD mit konstant über 100 % Net Revenue Retention
Entwarf und lieferte skalierbare Enablement-Programme für die größten Unternehmen der Region
Definierte POVs, Erfolgskriterien und SOWs für Greenfield-Datenplattform- und KI-Initiativen

Jan. 2018 - Dez. 2019

2 Jahren

Manager – Analytik & Angewandte Intelligenz

Accenture

Verantwortete KI/ML-Engagements End-to-End: Scoping, Lösungsdesign, Teamführung, Produktionsübergabe
Führte Entwicklungsteams in mehreren Projekten; lieferte KI-Anwendungsfälle vom PoC bis zur Produktion

Jan. 2014 - Dez. 2018

5 Jahren

Senior Consultant

PwC

Entwickelte Preis- und Risiko-Datenflüsse für Handels-/Treasury-Produkte; integrierte quantitative Bibliotheken
Unterstützte aufsichtsrechtliche und Risikoberichte mit Technologiearchitektur und Datenqualitätskontrollen

Jan. 2011 - Dez. 2013

3 Jahren

Berater

ADWEKO Group

SAP-Beratung und -Implementierungsprojekte im Banken- und Finanzwesen

Industrie Erfahrung

Sehen Sie, wo dieser Freiberufler den Großteil seiner beruflichen Laufbahn verbracht hat. Längere Linien stehen für umfangreichere praktische Erfahrung, während kürzere Linien auf gezielte oder projektbezogene Arbeit hindeuten.

Erfahren in Informationstechnologie (8 Jahre), Bank- und Finanzwesen (6 Jahre), Professionelle Dienstleistungen (6 Jahre), Einzelhandel (2 Jahre) und Fertigung (2 Jahre).

Informationstechnologie

Bank- und Finanzwesen

Professionelle Dienstleistungen

Einzelhandel

Fertigung

Geschäftsbereich Erfahrung

Die folgende Grafik bietet einen Überblick über die Erfahrungen des Freiberuflers in verschiedenen Geschäftsbereichen, berechnet anhand abgeschlossener und aktiver Aufträge. Sie zeigt die Bereiche, in denen der Freiberufler am häufigsten zur Planung, Umsetzung und Erzielung von Geschäftsergebnissen beigetragen hat.

Erfahren in Informationstechnologie (13 Jahre), Business Intelligence (12 Jahre), Kundendienst (7 Jahre), Finanzen (5 Jahre), Produktentwicklung (3 Jahre) und Forschung und Entwicklung (3 Jahre).

Informationstechnologie

Business Intelligence

Kundendienst

Finanzen

Produktentwicklung

Forschung und Entwicklung

Zusammenfassung

Data- und AI-Architekt mit über 14 Jahren Erfahrung in der Bereitstellung von End-to-End-Lösungen – von Lakehouse-Architekturen und ML-Pipelines bis hin zu produktiven LLM-Einsätzen und Multi-Agenten-Systemen. Nachweisliche Erfolge im Unternehmensmaßstab (Databricks, Accenture, PwC) kombiniert mit praktischer Startup-Erfahrung beim Aufbau von Open-Source-AI-Produkten.

Tiefes Fachwissen in Spark, Delta Lake, Azure/AWS/GCP und modernen GenAI-Stacks. Ich helfe Organisationen dabei, Datenplattformen und AI-Lösungen zu entwerfen, aufzubauen und in Betrieb zu nehmen, die messbare Geschäftsergebnisse liefern.

Fähigkeiten

Daten & Analytik: Databricks, Apache Spark, Delta Lake, Azure Synapse, Bigquery, Snowflake, Dbt, Airflow, Kafka
Ai & Maschinelles Lernen: Llm/genai, Rag, Langchain, Llamaindex, Mlflow, Pytorch, Hugging Face, Fine-tuning, Vektordatenbanken
Agentensysteme: Multi-agenten-architekturen, Tool-use-agenten, On-device-llms, Crewai, Autogen, Langgraph
Cloud & Devops: Azure, Aws, Gcp, Terraform, Docker, Kubernetes, Ci/cd, Mlops, Unity Catalog, Daten-governance

Sprachen

Persisch

Muttersprache

Deutsch

Verhandlungssicher

Englisch

Verhandlungssicher

Ausbildung

Okt. 2020 - Juni 2022

TU München

M.Sc. · Physik · München, Deutschland

KIT

Ph.D. · Finanzmathematik · Karlsruhe, Deutschland

Sharif University

B.Sc. · Physik · Tehran, Iran, Islamische Republik

Zertifikate & Bescheinigungen

Apache Spark-Entwickler-Zertifizierung

Sharif University

Databricks-Zertifikat als Data Engineer Professional

Databricks

Profil

Erstellt

Februar 2026

Sie suchen Freelancer?Passende Kandidaten in Sekunden!

FRATCH GPT testen

Frequently asked questions

Sie haben Fragen? Hier finden Sie weitere Informationen.

Wo ist Nima ansässig?

Nima ist in München, Deutschland ansässig.

Welche Sprachen spricht Nima?

Nima spricht folgende Sprachen: Persisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher).

Wie viele Jahre Erfahrung hat Nima?

Nima hat mindestens 16 Jahre Erfahrung. In dieser Zeit hat Nima in mindestens 11 verschiedenen Rollen und für 5 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 5 Monate. Beachten Sie, dass Nima möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.

Für welche Rollen wäre Nima am besten geeignet?

Basierend auf der jüngsten Erfahrung wäre Nima gut geeignet für Rollen wie: Mitgründer und LLM-Ingenieur, AI-gestützter Optionshandels-Copilot (graVIXor) — Eigenes Projekt, LLM-basierter Optionshandels-Copilot & Portfolio-Intelligenz-Plattform.

Was ist das neueste Projekt von Nima?

Die neueste Position von Nima ist Mitgründer und LLM-Ingenieur bei LLM Ventures.

Für welche Unternehmen hat Nima in den letzten Jahren gearbeitet?

In den letzten Jahren hat Nima für LLM Ventures und Databricks gearbeitet.

In welchen Industrien hat Nima die meiste Erfahrung?

Nima hat die meiste Erfahrung in Industrien wie Informationstechnologie, Professionelle Dienstleistungen und Bank- und Finanzwesen. Nima hat auch etwas Erfahrung in Einzelhandel und Fertigung.

In welchen Bereichen hat Nima die meiste Erfahrung?

Nima hat die meiste Erfahrung in Bereichen wie Informationstechnologie, Business Intelligence und Kundendienst. Nima hat auch etwas Erfahrung in Finanzen, Produktentwicklung und Forschung und Entwicklung.

In welchen Industrien hat Nima kürzlich gearbeitet?

Nima hat kürzlich in Industrien wie Informationstechnologie, Bank- und Finanzwesen und Einzelhandel gearbeitet.

In welchen Bereichen hat Nima kürzlich gearbeitet?

Nima hat kürzlich in Bereichen wie Kundendienst, Business Intelligence und Informationstechnologie gearbeitet.

Was ist die Ausbildung von Nima?

Nima hat einen Doktor in Finanzmathematik from KIT, einen Master in Physik from TU München und einen Bachelor in Physik from Sharif University.

Ist Nima zertifiziert?

Nima hat 2 Zertifikate. U.a: Apache Spark-Entwickler-Zertifizierung und Databricks-Zertifikat als Data Engineer Professional.

Wie ist die Verfügbarkeit von Nima?

Nima wird ab Februar 2026 verfügbar sein.

Wie hoch ist der Stundensatz von Nima?

Der Stundensatz von Nima hängt von den spezifischen Projektanforderungen ab. Bitte verwenden Sie die Meet-Schaltfläche im Profil, um ein Meeting zu planen und die Details zu besprechen.

Wie kann man Nima beauftragen?

Um Nima zu beauftragen, klicken Sie auf die Meet-Schaltfläche im Profil, um ein Meeting anzufragen und Ihre Projektanforderungen zu besprechen.

Durchschnittlicher Tagessatz für ähnliche Positionen

Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.

1200

900

600

300

⌀ Markt: 910-1070 €

Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freiberufler in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.

Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.