01
Deterministisch
- Regeln
- klassische Software
- Datenbanken
- APIs
Wenn ein Problem eindeutig beschrieben werden kann, ist ein LLM häufig nicht die beste Lösung.
GENERATIVE AI & INTELLIGENT PROCESS AUTOMATION
AI Engineering für anspruchsvolle Geschäftsprozesse
Ich konzipiere und entwickle produktive AI-Lösungen für dokumenten- und wissensintensive Prozesse – von der fachlichen Logik über Software und klassische Verfahren bis zu LLM- und Agenten-Systemen und dem stabilen Betrieb.
Projekt besprechenDocument Intelligence · Agentic AI · AI Engineering
Geschäftsproblem
Fachliche Logik
Regeln &
Software
Software
AI / LLM
Workflow / Tools / Systeme
Mensch & Ergebnis
Technical Lead · Production GenAI · Full-Stack Engineering · Prozessautomatisierung
Ansatz
Die passende Technologie für das Problem
Nicht jeder Prozessschritt benötigt Generative AI. Deterministische Regeln und klassische Software sind häufig schneller, günstiger und zuverlässiger. Generative AI wird dort interessant, wo Sprache, unstrukturierte Informationen oder komplexe fachliche Zusammenhänge verarbeitet werden müssen.
Entscheidend ist deshalb nicht der maximale Einsatz von AI, sondern eine Architektur, die für den konkreten Prozess zuverlässig funktioniert.
02
AI-gestützt
- LLMs
- Retrieval
- multimodale Modelle
- semantische Verarbeitung
Für Sprache, Dokumente, unstrukturierte Informationen und kontextabhängige Bewertungen.
03
Agentisch
- Tools
- Workflows
- Datenquellen
- mehrstufige Entscheidungen
Wenn mehrere Systeme, Informationsquellen und Arbeitsschritte kontrolliert orchestriert werden müssen.
Architekturentscheidung
Modell- und Hostingstrategie
Auch bei der Modellwahl gibt es nicht die eine richtige Antwort. Je nach Anforderungen an Qualität, Datenschutz, Kosten, Latenz und technologische Souveränität kommen unterschiedliche Strategien infrage.
Entscheidend ist nicht, welches Modell aktuell am meisten Aufmerksamkeit bekommt, sondern welche Architektur für den konkreten Anwendungsfall zuverlässig funktioniert.
Leistungen
Was ich umsetze
Mein Schwerpunkt liegt auf AI-Systemen, die reale Geschäftsprozesse unterstützen oder automatisieren und sich in bestehende technische und fachliche Abläufe integrieren.
01
Intelligent Process Automation
Komplexe Geschäftsprozesse technisch strukturieren und dort automatisieren, wo dies sinnvoll, kontrollierbar und wirtschaftlich ist.
- fachliche Entscheidungs- und Prüflogiken
- AI-gestützte Workflows
- Human-in-the-Loop-Prozesse
- Integration bestehender Systeme
02
Document Intelligence
Dokumente verstehen, strukturieren, vergleichen und anhand fachlicher Kriterien prüfen – mit geeigneten Kombinationen aus Software, Regeln und AI.
- Extraktion und Klassifikation
- Dokumentenprüfung
- Multi-Document-Workflows
- strukturierte Prüfergebnisse
03
Agentic AI
Systeme entwickeln, die AI-Modelle kontrolliert mit Datenquellen, APIs und Werkzeugen verbinden und mehrstufige Aufgaben bearbeiten können.
- Tool Calling
- API- und Datenzugriffe
- orchestrierte Workflows
- mehrstufige Entscheidungsprozesse
Erfahrung
Ausgewählte Projekterfahrung
Ausgewählte anonymisierte Beispiele aus meiner bisherigen Arbeit an produktiven GenAI-Systemen.
DOCUMENT INTELLIGENCE
GenAI-gestützte Dokumentenprüfung
Technische Gesamtverantwortung für die Konzeption, Entwicklung und Produktivsetzung von Generative-AI-Lösungen in dokumentenbasierten Prüfprozessen.
Fachliche Prüflogiken wurden gemeinsam mit Domänenexpert:innen erarbeitet und in produktiv nutzbare AI-Workflows überführt.
AI PLATFORM
Self-Service-Plattform für AI-Anwendungen
Eigenständige Full-Stack-Entwicklung einer internen Plattform, über die Fachbereiche AI-Anwendungen ohne direkte Entwicklungsunterstützung produktiv nutzen konnten.
AGENTIC AI
Agentische Dokumentenverarbeitung
Konzeption und Entwicklung werkzeuggestützter AI-Systeme zur mehrstufigen Dokumentenprüfung und Automatisierung zuvor manueller Prozessschritte.
Dazu gehörten auch skalierbare Bereitstellung, Monitoring und kontinuierliche Weiterentwicklung im produktiven Betrieb.
Vorgehen
Von der Problemstellung zum produktiven System
Der sinnvolle Einstieg hängt vom Anwendungsfall ab. Ein belastbares AI-System entsteht typischerweise aus mehreren fachlichen und technischen Schritten – nicht aus einem einzelnen Prompt.
-
01
Verstehen
Prozess, Fachlogik und Anforderungen verstehen.
Prozess · Fachlogik · Daten · Automatisierungsgrenzen
-
02
Evaluieren
Technische Optionen früh mit realistischen Beispielen bewerten.
Modelle · Datenqualität · Architektur · Evaluation
-
03
Umsetzen
Die geeignete Kombination aus Software, Regeln und AI entwickeln und integrieren.
Backend · AI Workflows · APIs · Integration
-
04
Betreiben
Produktive Systeme beobachten, bewerten und kontinuierlich verbessern.
Deployment · Monitoring · Evaluation · Weiterentwicklung
Der konkrete Projektumfang hängt stark vom Prozess, der Datenlage, bestehenden Integrationen sowie den Anforderungen an Qualität und Betrieb ab. Deshalb beginnt eine Zusammenarbeit in der Regel mit einer gemeinsamen technischen und fachlichen Einordnung.
Profil
AI Engineering mit Prozessverständnis
Ich verbinde praktische Softwareentwicklung und AI Engineering mit langjähriger Erfahrung in technischen und datengetriebenen Projekten.
Mein Schwerpunkt liegt heute auf produktiven Generative-AI-Systemen: von der Zusammenarbeit mit Fachbereichen und der Operationalisierung komplexer Fachlogiken über Full-Stack-Entwicklung bis zur Bereitstellung und Weiterentwicklung im laufenden Betrieb.
Dabei verstehe ich AI nicht als isolierte Technologie. Gute Lösungen entstehen aus dem Zusammenspiel von Fachwissen, Softwarearchitektur, Daten, klassischen Verfahren und geeigneten AI-Modellen.
LinkedIn ProfilEngineering Profil
0120+ Jahre Industrieerfahrung
02Technical Lead
03Hands-on Full Stack
04Production GenAI
Kontakt
Lassen Sie uns über Ihren Anwendungsfall sprechen.
Sie prüfen einen konkreten AI-Anwendungsfall, haben bereits einen Prototyp oder möchten einen bestehenden Prozess sinnvoll automatisieren? Gerne bespreche ich mit Ihnen die fachlichen und technischen Anforderungen und eine realistische Vorgehensweise.