Meine Projekte

In diesem Projekt wurde ein intelligenter Chat-Agent auf Basis von Large Language Models (LLMs) entwickelt, der rund um die Uhr für Kundenanfragen zur Verfügung steht. Mithilfe einer umfangreichen Wissensdatenbank kann er häufig gestellte Fragen automatisiert beantworten und dabei sowohl Text- als auch strukturierten Dateninhalt verarbeiten. Das System ermöglicht es, dass das Support-Team sich auf komplexere Anliegen konzentrieren kann, während Routineanfragen zuverlässig und schnell bearbeitet werden.

Hierbei handelt es sich um eine Lösung zur automatisierten Verarbeitung großer Textmengen und Dokumente, speziell für den Einsatz in der Finanzbranche. Das System extrahiert relevante Datenpunkte, kategorisiert Dokumente und fasst deren Inhalte zusammen, um Compliance-Anforderungen effizienter gerecht zu werden. Manuelle Prüfungen werden drastisch reduziert und Fehlerquellen minimiert, was den Workflow erheblich beschleunigt und die Qualität der Dokumentation steigert.

Für einen Industriekunden wurde ein System entwickelt, das Maschinendaten in Echtzeit erfasst, um den Zustand von Produktionsanlagen kontinuierlich zu überwachen. Ein automatisiertes Reporting-Tool auf LLM-Basis analysiert diese Daten, erkennt ungewöhnliche Muster und erstellt Warnmeldungen, bevor ein Ausfall oder Schaden auftritt. Dadurch können Wartungsarbeiten vorausschauend geplant und ungeplante Stillstandszeiten erheblich reduziert werden.

Ein Machine-Learning-System wurde implementiert, das Verkaufs- und Kundenverhaltensdaten automatisch analysiert und daraus präzise Prognosen über künftige Absatz- und Umsatzentwicklungen ableitet. Dieses Projekt ermöglicht es einem E-Commerce-Unternehmen, Lagerbestände besser zu planen und Marketingkampagnen gezielter auszusteuern. Dank datengetriebener Vorhersagen können Entscheidungen schneller getroffen und Ressourcen effizienter eingesetzt werden.

Für ein Fintech-Startup wurde eine hochgradig skalierbare, cloud-native Microservices-Architektur aufgebaut. Mithilfe moderner Technologien wie Kubernetes und Docker laufen die Services unabhängig voneinander und können bei steigender Last flexibel skaliert werden. Das Projekt stellte zudem sicher, dass bei gleichzeitiger Nutzung durch tausende Anwender eine stabile und performante Plattform gewährleistet ist, während die Infrastrukturkosten optimiert wurden.

Dieses Projekt zielt darauf ab, große Mengen juristischer Dokumente schnell und zuverlässig zu analysieren und zu kategorisieren. Mithilfe semantischer Suchverfahren und einer trainierten NLP-Pipeline werden relevante Klauseln und Themen extrahiert und automatisch in die entsprechende Kategorie eingeteilt. Dadurch verkürzt sich die Bearbeitungszeit für Routinefälle erheblich, und die Qualität der Rechtstexteinschätzung nimmt zu.

Ein interaktiver Chatbot wurde entwickelt, der Patienten und medizinischem Fachpersonal bei allgemeinen Anfragen und Terminvereinbarungen unterstützt. Das System nutzt LLM-basierte Dialogfunktionen, um medizinische Fachbegriffe zu erkennen und in verständliche Antworten umzuwandeln. So werden Wartezeiten für Patienten reduziert und das Personal kann sich auf wichtige Diagnosen und Behandlungen konzentrieren.

In diesem Projekt wurde ein System entwickelt, das Millionen von Social-Media-Posts in Echtzeit erfasst und analysiert, um die Stimmung gegenüber einer Marke oder einem Produkt zu erfassen. Mit modernen Machine-Learning-Methoden und Sprachverarbeitungsmodellen werden positive, neutrale und negative Äußerungen herausgefiltert und übersichtlich aufbereitet. Unternehmen können damit schneller auf Feedback reagieren und Marketingstrategien datenbasiert anpassen.

Eine cloudbasierte Lösung, die mithilfe von KI und Bildanalyse Verfahren zur automatischen Identitätsprüfung anbietet. Nutzer können Dokumente hochladen, die das System auf Echtheit und Gültigkeit überprüft. Dadurch lassen sich Onboarding-Prozesse in Branchen wie E-Commerce oder Fintech wesentlich beschleunigen, während Sicherheitsstandards und Compliance-Vorgaben eingehalten werden.