Robert Kasseck

Profil

1. Aufbau von KI- & MLOps-Plattformen

Ich konzipiere und baue ML- und LLM-Plattformen, in denen Modelle nicht nur einmal funktionieren, sondern reproduzierbar und überwachbar in Produktion laufen.

Das reicht von der initialen Architektur über CI/CD-Pipelines, Testing und Monitoring bis zur Integration in bestehende Systeme und Datenquellen – auf AWS, Azure oder GCP, je nachdem was im jeweiligen Kontext passt.

Ein häufiges Problem ist nicht die fehlende Idee, sondern dass KI-Initiativen nach dem ersten Prototyp ins Stocken geraten, weil Betrieb, Versionierung und Reproduzierbarkeit nicht mitgedacht wurden.

Genau da setze ich an. Dazu gehört auch das Einführen von MLOps-Standards und das Enablement von Teams, die diese Plattform langfristig selbst betreiben sollen.

2. Individuelle KI- & Automationslösungen

Ich entwickle Lösungen, die auf den konkreten Kontext zugeschnitten sind – auf vorhandene Daten, bestehende Prozesse und spezifische Anforderungen. Kein generisches Produkt von der Stange, sondern etwas, das zum Problem passt.

Das kann Dokumenten- und Textanalyse mit LLMs sein, die automatisierte Auswertung von Sensordaten oder Zeitreihen, Computer Vision für Klassifikation oder Objekterkennung, oder Entscheidungsunterstützungssysteme auf Basis von ML-Modellen.

Was davon sinnvoll ist, ergibt sich aus dem Problem – nicht aus einem vordefinierten Leistungskatalog.

3. Generative AI & LLM-Integration

Ich unterstütze beim produktiven Einsatz von LLMs – eingebettet in bestehende Abläufe und Systeme, nicht als isoliertes Experiment.

Der Unterschied liegt oft darin, wie gut ein Modell in den tatsächlichen Prozess integriert ist: Welche Daten bekommt es? Wie wird die Ausgabe weiterverarbeitet? Wie verhält es sich bei Grenzfällen?

Technisch umfasst das RAG-Architekturen, Prompt Engineering, Evaluierung und die Anbindung an Backend-Systeme und APIs.

Genauso wichtig ist die Einschätzung, welche Use Cases sich tatsächlich lohnen – manche Probleme sind mit einfacheren Mitteln besser gelöst.

4. Data Engineering & KI-Infrastruktur

Ich baue Datenplattformen und Pipelines, die wartbar, nachvollziehbar und stabil bleiben. Dazu gehören Data Lakes und Data Warehouses, ETL/ELT-Prozesse, Datenqualität und Validierung sowie Monitoring und Observability – alles cloud-native mit Docker, Kubernetes und Terraform.

Dateninfrastruktur ist oft der Teil, der zu spät angegangen wird. Wenn Modelle auf inkonsistenten oder schlecht dokumentierten Daten trainiert werden, ist das Ergebnis entsprechend.

Ich lege Wert darauf, dass die Grundlage stimmt, bevor Komplexität draufgestapelt wird.

5. Beratung, Coaching & Architektur

Ich begleite Unternehmen und Teams bei Architekturentscheidungen, Tool-Auswahl, Use-Case-Bewertung und dem Aufbau von Standards und Governance-Strukturen.

Das kann strategisch sein – welche KI-Initiativen haben Priorität, was ist realistisch umsetzbar – oder sehr konkret: Wie sollte eine bestimmte Komponente aufgebaut sein, welches Framework passt hier wirklich.

Dazu kommt das Coaching von Engineering- und Data-Science-Teams. Ziel ist, dass Know-how im Unternehmen aufgebaut wird und nicht dauerhaft von außen eingekauft werden muss.