Was machst du eigentlich als …?

Designt, testet und optimiert Prompts für LLMs in produktiven Anwendungen — von RAG-Systemen über Agenten bis hin zu Customer-Support-Bots.

Baut, trainiert und deployt ML-Modelle in produktiven Systemen. Brücke zwischen Data Science und Software Engineering.

Vermittelt KI-Kompetenz in Unternehmen — von ChatGPT-Grundlagen bis zu maßgeschneiderten KI-Workflows für Fachabteilungen.

Berät Mittelstand und Konzerne bei KI-Strategie, Use-Case-Identifikation und Implementierung produktiver KI-Lösungen.

Stellt sicher, dass KI-Systeme im Unternehmen den Anforderungen des EU AI Act, DSGVO und internen Richtlinien entsprechen.

Verantwortet KI-Produkte oder KI-Features innerhalb bestehender Produkte — von Discovery bis zum produktiven Rollout.

Analysiert Geschäftsdaten, baut Vorhersagemodelle und liefert datengetriebene Empfehlungen — zunehmend mit KI/LLM-Unterstützung.

Baut die Daten-Pipelines, die ML-Modelle und KI-Anwendungen mit Trainings- und Produktionsdaten versorgen.

Betreibt ML-Modelle in Produktion — Deployment, Monitoring, Drift-Detection, A/B-Tests und LLM-Observability.

Forscht an Foundation-Models, Agenten-Architekturen und neuen ML-Methoden — typischerweise mit Publikations-Anteil.

Designt KI-Systemarchitekturen für Unternehmen — von der Modellauswahl über Vector-Stores bis zur Sicherheits- und Skalierungs-Strategie.

Baut Bild- und Video-Analyse-Systeme — Object Detection, Segmentation, multimodale Modelle für Robotik, Medical, Defense.

Entwickelt Sprach-KI-Systeme — von klassischer Textanalyse bis zu LLM-basierten Anwendungen, oft mit Fokus auf Deutsch.

Designt die Dialoge und User-Flows für Chatbots, Voice-Bots und KI-Assistenten — Schnittstelle zwischen UX, Linguistik und Engineering.

Baut produktive LLM-Anwendungen — RAG-Systeme, Agenten, Workflow-Automatisierung. Software-Engineering mit LLM-Toolchain.

Klassisches Marketing-Management, ergänzt um den souveränen Einsatz von ChatGPT, Midjourney, n8n und Marketing-Automation für 10× Produktivität.

People-Funktion mit KI-Augmentierung — Active Sourcing mit LLMs, automatisierte Vorqualifikation, Pulse-Surveys mit KI-Auswertung.

B2B-Vertrieb mit KI-Hebel — Lead-Recherche und Outreach mit LLMs, Account-Briefings auf Knopfdruck, Demo-Personalisierung.

Texten, Recherche und Multimedia-Produktion mit KI-Tools als Co-Pilot — bei gleichbleibender redaktioneller Verantwortung.

Klassisches SEO plus Generative Engine Optimization (GEO) — Inhalte für Google, Perplexity, ChatGPT und Gemini gleichzeitig optimieren.

Produkt- und Interaction-Design mit KI-Tools — Prototypen-Generierung, Research-Synthese, AI-natives UX (LLM-Interfaces, Agenten).

Klassische Daten-Analyse plus LLM-gestützte Exploration — Code-on-the-fly, Insights-Synthese, automatisiertes Reporting.

Klassische Software-Entwicklung mit Copilot, Cursor, Claude Code als Daily-Driver — 30–50 % schnellere Auslieferung.

Klassisches PM plus KI-Augmentierung — Status-Reports auf Knopfdruck, Stakeholder-Briefings, Risiko-Analysen mit LLM-Hilfe.

Active Sourcing und Talent Acquisition mit KI-Boost — LinkedIn-Personalisierung, automatische Pre-Screens, Bias-Reduktion.

CSM-Klassiker plus KI-Hebel — automatisierte Health-Scores, Renewal-Prognosen, KI-gestützte QBRs und Playbooks.

Klassisches Controlling mit KI-Augmentierung — Forecasting-Modelle mit ML, automatisiertes Reporting, Anomalie-Erkennung.

Verantwortet die unternehmensweite KI-Strategie — Use-Case-Portfolio, Governance, Adoption, Vendor-Beziehungen. Berichtet meist an CEO oder COO.

Führt die organisatorische KI-Transformation — von Workshops über Champions-Programme bis zu Adoption-Metriken. Schnittstelle zwischen Strategie und Belegschaft.

Verantwortet die digitale Transformation eines Geschäftsbereichs mit Schwerpunkt KI — Use-Case-Portfolio, Pilot-Projekte, Skalierung, Cross-funktionale Steuerung.