CTO / Head of Engineering
Zuverlässige Systeme. Auch die mit KI.
Ich habe 15 Jahre lang Plattformen stabilisiert, bei denen Ausfall Geld kostet. Jetzt wende ich dieselbe Disziplin auf KI-Systeme an, bei denen Halluzinationen mehr kosten als Downtime — Entscheidungsunterstützung in der Seefahrt, juristische Dokumentensuche, kritische Infrastruktur. Ownership, Metriken, Zuverlässigkeit vor Heldentum.
Bester Fit: B2B-SaaS-Scaleups im Wachstum — und Teams, die KI in Produktion bringen und Genauigkeit, Quellenangaben und Evaluation ernst nehmen.
Frankfurt, DE
CTO / Engineering Leader • Platforms & AI
Stabilität und Performance, während Systeme unter echter Last skalieren.
RAG, Evaluationen und Reliability-Praktiken für KI, bei der Genauigkeit nicht verhandelbar ist.
Klares Ownership, Delivery-Kadenz und Verantwortlichkeit ohne Bürokratie.
Fallstudien
Ausgewählte Engagements in Modernisierung, Zuverlässigkeit und Plattform-Skalierung.
RAG für deutsche Rechtstexte: Wenn Halluzination keine Option ist
RAG-System für deutsches Sozialrecht, das der Balkan-Diaspora beim Umgang mit dem Jobcenter hilft — mit erzwungenen Quellenangaben, mehrsprachiger Retrieval und einer Evaluation-Harness, die Fehler wirklich fängt.
Rolle: Gründer & Engineer • Umfang: RAG-Architektur, Korpus-Ingestion, Eval-Harness, Produktionssystem
Quellen-fundierte Antworten • 50+ Golden Eval Set
Operating-Model-Turnaround: Von Chaos zu planbarer Lieferung
Ein pragmatisches Playbook, um Lieferung zu stabilisieren, Verantwortung zu klären und eine nachhaltige Kadenz aufzubauen.
Rolle: Engineering Lead / Leitung Engineering • Umfang: Betriebsmodell, Liefer-Systeme, Zuverlässigkeitspraktiken
Chaos → planbare Lieferung
Microservices-Modernisierung: Vom Monolithen zur beobachtbaren Plattform
Release-Zyklen verkürzt und Incident-Auswirkungen reduziert durch Microservices-Migration und SLO-getriebene Zuverlässigkeit
Rolle: Systemarchitekt • Umfang: Plattformmodernisierung + Beobachtbarkeit + Zuverlässigkeit
Release-Zyklus Tage → Stunden + SLO-getriebener Betrieb
Wie ich Engineering führe
Ich baue skalierbare Engineering-Systeme: Ownership, Zuverlässigkeit und Delivery-Kadenz – damit Leadership planen kann, Product committen kann und Kunden Stabilität spüren.
Nicht verhandelbar: Ownership statt Aktivität, Metriken statt Meinungen, ruhige Operations statt Heroics.
Systems
Architektur-Ownership
Zielarchitektur und Entscheidungswege (ADRs) definieren, damit Teams schnell vorankommen – ohne Rework.
Zuverlässigkeit als Funktion
SLIs/SLOs, Error Budgets und Incident Response etablieren, um kritische Incidents zu reduzieren und Resilienz zu erhöhen.
Delivery-System
CI/CD und Infrastruktur standardisieren, damit Releases planbar, wiederholbar und schnell werden.
People & Alignment
Team-Skalierung
Engineers einstellen, onboarden und mentoren; klare Rollen, Ownership und Growth Paths schaffen.
Cross-funktionales Alignment
Engineering, Product und Stakeholder auf Prioritäten, Trade-offs und Execution-Kadenz ausrichten.
Tech-Fokus
Ich nutze Technologie, um Outcomes zu liefern: planbare Releases, stabile Operations und schnellere Iteration.
Stack
- TypeScript
- React/Next.js
- Node/Nest.js
- GraphQL & REST
- AWS · Terraform · Docker
Praktiken
- Systemdesign & ADRs
- SLIs/SLOs & Incident Response
- CI/CD & Release Engineering
- Observability & Performance
- Enablement & Standards
KI-Engineering
- Python, FastAPI
- RAG-Architekturen (ChromaDB, FAISS, pgvector)
- OpenAI, Anthropic, lokale Modelle (Ollama)
- Embedding-Modelle für mehrsprachige Retrieval
- Eval-Harness (RAGAS, custom) mit Golden Datasets
- Halluzinations-Guardrails und Citation-Forced Generation