Freelance Engineer

AI & Cloud Engineering

Ich baue produktionsreife, agentische KI-Systeme: Multi-Agent-Architekturen, LLM-Plattformen und skalierbare Cloud-Infrastruktur.

Erstgespräch vereinbaren Leistungen

AWS Azure Terraform Python Databricks Docker

Über mich

Ich bin freiberuflicher AI Engineer mit Fokus auf agentische KI-Systeme und produktionsreife LLM-Anwendungen. Mein Schwerpunkt: der gesamte agentische Runtime-Stack. Von Orchestrierung und Context-Engineering bis zu Guardrails, Observability und autonomen Agenten.

Aktuell baue ich komplexe Multi-Agent-Architekturen für Enterprise-KI-Plattformen: Orchestrierung, Tool-Dispatch, Human-in-the-Loop, durable Execution sowie Evaluation und Tracing (Langfuse, promptfoo). Fundiert in Data Engineering, MLOps und Cloud, mit Python, Terraform, AWS CDK und FastAPI auf AWS, Azure und Databricks.

B.Sc. Engineering Business Information Systems (Note 1,0)

Erfahrung u.a. bei BOSCH: Skalierung von ML-Workloads und Betrieb großer Data-Lakes.

AWS Certifications

AWS Solutions Architect – Associate

AWS Data Engineer – Associate

AWS Generative AI Developer – Professional

Leistungen

Von der ersten Beratung über MVP-Entwicklung bis zum laufenden Betrieb. Ich begleite Projekte End-to-End oder unterstütze punktuell.

Software Engineering für AI/ML

Entwicklung produktionsreifer KI-Services und Anwendungen. Python, APIs, Microservices, Event-driven Architekturen.

KI-Agenten & Plattformen

Agentic AI, Multi-Agent Systeme, Context Engineering. Skill-Frameworks und Enterprise-Integrationen.

Cloud Engineering & Infrastruktur

IaC mit Terraform für Multi-Account/Multi-Region Setups, Netzwerke, IAM, Container-Plattformen und Kostenoptimierung.

MLOps & CI/CD

Model-Registries, automatisierte Trainings-/Inference-Pipelines, GitHub Actions, Canary Releases, Blue/Green Deployments.

Data Engineering & Lakehouse

Databricks / Delta Lake Design, Spark/PySpark ETL/ELT, Data Cataloging, Quality Monitoring.

Observability & Betrieb

Logging/Tracing, Alerts & Runbooks, SLO/SLI Definitionen, Incident Playbooks.

Ausgewählte Projekte

BOSCH

Multi-tenant ML-Inferenz & Datenpipelines; Databricks Lakehouse, Spark ETL.

Azure Databricks Spark Delta Lake

Neural Automated Labeling

Featured

Cloud-Orchestrierung, skalierbare Batch-Pipelines, Custom AMIs/Container Images für automatisiertes 3D-Labeling.

AWS Batch Terraform Docker GPU/CUDA

Globaler Industriekonzern

KI-Plattform: Sichere Infrastruktur, Skill-Frameworks für Enterprise-Integrationen.

Agentic AI Multi-Agent Context Engineering

Serverless Analytics

Time-Series Analyse mit skalierbaren Lambda-Workloads und ereignisgesteuerter Architektur.

AWS Lambda Serverless Time-Series

Arbeitsweise

Discovery

1–2 Sessions, Zielsetzung, Akzeptanzkriterien

MVP-Planung

Minimaler, produkttauglicher Scope + Meilensteine

Umsetzung

Iterative Sprints, IaC, automatisierte Tests

Betrieb

Observability, Runbooks, Übergabe & optionaler Support

Security by Design

Kostenbewusstsein

Reproduzierbarkeit

MVP-Orientierung

Skills & Tools

Sprachen

Python SQL TypeScript Bash

Agentic AI & LLM-Systeme

Agentic AI Multi-Agent Orchestration Context Engineering Harness Engineering Guardrails Human-in-the-Loop Durable Execution RAG MCP

Frameworks & Provider

LangGraph PydanticAI LangChain LiteLLM FastMCP Temporal Anthropic OpenAI Bedrock

Evaluation & Observability

Langfuse promptfoo Agent Red Teaming Prompt Regression Prometheus Grafana Loki

Cloud & Platform

AWS Azure Databricks Lambda ECS Serverless Terraform AWS CDK Docker GitHub Actions FastAPI

Data Engineering & Lakehouse

Databricks Delta Lake Unity Catalog PySpark MLflow Databricks Asset Bundles DuckDB ETL/ELT Parquet/PyArrow Qdrant PostgreSQL Redis Elasticsearch

Kontakt

Interesse an einer Cloud-Architektur oder MLOps-Optimierung?

anton@antonroesler.com +49 1573 1326428