Ich bin KI-Ingenieur und entwickle produktive Systeme mit generativer KI: Large Language Models und agentenbasierte Architekturen für reale, regulierte Arbeitsabläufe – nicht nur für Demonstrationen im Notebook.

Meine aktuelle Arbeit konzentriert sich darauf, komplexe Finanz- und Versicherungsdokumente in strukturierte Daten für Kredit- und Versicherungsprozesse zu überführen. Die eigentliche Herausforderung liegt nicht allein im Modell, sondern in der Vertrauenswürdigkeit seiner Ergebnisse. Deshalb arbeite ich mit Grounding, deterministischer Validierung, Evaluation und Nachvollziehbarkeit, damit Ergebnisse geprüft werden können, bevor sie in Entscheidungen einfließen.

Von NLP über Computer Vision und Sprachverarbeitung bis zu generativen Modellen zieht sich ein Thema durch meine Arbeit: komplexe Modelle in Systeme zu überführen, auf die sich Menschen tatsächlich verlassen können. Dabei verbinde ich ML Engineering, Systemdesign und angewandte KI-Sicherheit.

Berufserfahrung

AI Engineer – additiv (Mai 2024–heute · Zürich, Schweiz)

  • Entwicklung von KI-Systemen für dokumentenintensive Finanz- und Versicherungsprozesse mit Fokus auf strukturierte Extraktion, Retrieval, Evaluation und menschliche Prüfung.
  • Konzeption agentenbasierter Workflows mit in Azure betriebenen Sprachmodellen, OCR, deterministischer Validierung und produktiven APIs.
  • Arbeit an Systemarchitektur, Evaluation, Monitoring und Bereitstellung.

Diese Beschreibung beschränkt sich bewusst auf öffentlich teilbare Aufgaben. Kunden, interne Projektnamen, Daten und Implementierungsdetails werden nicht genannt.

Machine Learning Engineer – Validaitor (Apr. 2023–März 2024 · Karlsruhe, Deutschland)

  • Entwicklung experimenteller Pipelines zur Evaluation von adversarialem maschinellem Lernen, darunter Evasion-, Poisoning- und Model-Extraction-Szenarien.
  • Implementierung von Watermarking- und Fingerprinting-Experimenten zum Schutz von Modellen.
  • Evaluation von LLM-Ausgaben im Hinblick auf Fairness, Bias und Toxizität.

Wissenschaftlicher Mitarbeiter – Institut für Parallele und Verteilte Systeme, Universität Stuttgart (Mai 2022–Okt. 2022 · Stuttgart, Deutschland)

  • Forschung an räumlich-zeitlichen Wort-Embeddings, die zeitlichen und geografischen Kontext abbilden.
  • Entwicklung Python-basierter Embedding-Pipelines und Evaluationsframeworks zur Analyse semantischer Veränderungen über Zeit und Region.
  • Untersuchung nachgelagerter NLP-Aufgaben, darunter zeitabhängige Textanalyse und die Erkennung regionaler Sprachverwendung.

Machine Learning Engineer – Quantiphi (Jan. 2021–Okt. 2021 · Bengaluru, Indien)

  • Arbeit an multimodaler Emotionserkennung, die Text- und Sprachsignale verbindet.
  • Entwicklung einer unüberwachten Sprecherdiarisierungs-Pipeline mit Sprachaktivitätserkennung, Sprecherrepräsentationen und Clustering.

Machine Learning Engineer – Scanta Inc. (März 2019–März 2020 · Gurgaon, Indien)

  • Koordination eines kleinen ML-Engineering-Teams von der Experimentphase bis zur Bereitstellung.
  • Konzeption und Bereitstellung cloudbasierter NLP-Pipelines für Textverarbeitung und Sprachtransformation.
  • Arbeit an Datenaugmentation, Sprachkorrektur und Style-Transfer-Modellen, evaluiert auf internen Datensätzen.
  • Zusammenarbeit mit Produkt- und Unternehmensverantwortlichen, um Anforderungen in einsetzbare ML-Systeme zu überführen.

Machine Learning Engineer – Mobile Programming LLC. (Juli 2018–Dez. 2018 · Gurgaon, Indien)

  • Entwicklung eines aufmerksamkeitsbasierten Encoder-Decoder-Prototyps für domänenspezifische maschinelle Übersetzung.
  • Entwicklung eines BiLSTM-CRF-Prototyps für Named Entity Recognition in pharmakologischen und medizinischen Texten.

Ausbildung

M.Sc. Computerlinguistik – Universität Stuttgart

B.Tech. Informatik – Dr. A.P.J. Abdul Kalam Technical University

Kenntnisse

Programmiersprachen und Frameworks: Python, C++, PyTorch, TensorFlow, scikit-learn

LLMs und generative KI: LangChain, Hugging Face Transformers, Azure OpenAI, RAG-Pipelines, Agentic AI, PEFT / LoRA

Cloud und Infrastruktur: Azure (AI Services, Functions, Blob Storage), AWS, Google Cloud, Docker

ML-Bereiche: NLP, Sprachverarbeitung, Computer Vision, OCR, adversariales ML, Diffusionsmodelle

Weitere Themen: Knowledge Engineering, Prompt Design, Modellevaluation und Sicherheit

Öffentliche Arbeiten

Interessen

Tischtennis, Schach, Finanzmärkte und Quantenphysik