KI-Services und Chatbot für Netz-Zertifizierung

Projektübersicht

Als Lead AI Software Developer bei CarbonFreed leitete ich die KI-Architektur und ein Team von 4 Ingenieuren, entwickelte benutzerdefinierte Dokumentenintelligenz-Modelle in Azure für Netz-Zertifizierungsautomatisierung. Ich trainierte über 20 verschiedene Modelle für unterschiedliche Formulartypen, entwickelte Vision Language Models für technische Zeichnungsvalidierung und erstellte kundenorientierte Chatbots. Meine Bemühungen transformierten manuelle, fehleranfällige Prozesse in nahtlose, intelligente Pipelines—dramatische Reduzierung des Dateneingabeaufwands und Verbesserung der Benutzerzufriedenheit.

Kernbeiträge

Datensatzvorbereitung & Modelltraining

• Benutzerdefinierte Dokumentenmodelle: Entwicklung benutzerdefinierter Dokumentenintelligenz-Modelle in Azure für Netz-Zertifizierung, Training von über 20 verschiedenen Modellen für 20 unterschiedliche Formulartypen.
• Datenverarbeitung: Verarbeitung Tausender gelabelter Dokumente und Erstellung synthetischer Daten zur verbesserten Generalisierung, Erzielung ausgezeichneter Ergebnisse über alle Templates und Formulare hinweg.
• Modellleistung: Erzielung hoher Genauigkeitsraten über alle Dokumententypen hinweg, erhebliche Reduzierung manueller Validierungsarbeit durch Ingenieure.
• Validierungs-Workflows: Entwicklung einer vollständigen Datenextraktions- und Validierungspipeline mit Integration in .NET-Anwendung, Verwendung von Kafka für asynchrone Kommunikation zwischen Python-Microservices und .NET-Backend.

Vision Language Models & Chatbot

• Vision Language Models: Training von Vision Language Models zur Validierung technischer Zeichnungen und Schemata, Sicherstellung der Genauigkeit extrahierter Komponenteninformationen.
• Chatbot-Entwicklung: Entwicklung eines kundenorientierten Chatbots mit Azure OpenAI und Vektordatenbanken, Implementierung von RAG (Retrieval-Augmented Generation) für kontextbewusste Antworten basierend auf regulatorischen Standards.
• Thesis-Betreuung: Betreuung eines Master-Studenten bei der Chatbot-Entwicklung und eines weiteren Studenten beim Training benutzerdefinierter Modelle zur Komponentenerkennung in elektrischen Schemata und Zeichnungen.
• Benutzererfahrung: Gestaltung konversationeller Flows zur Führung von Benutzern durch häufige Zertifizierungsfragen, dramatische Reduzierung von Support-Tickets.

Messaging & Integration

• Kafka-Integration: Entwicklung einer vollständigen Datenextraktions- und Validierungspipeline mit Integration in .NET-Anwendung, Verwendung von Kafka für asynchrone Kommunikation zwischen Python-Microservices und .NET-Backend.
• Event-Driven Architecture: Design von Topic-Schemas für "document-extracted", "validation-completed" und "submission-ready" Events, Ermöglichung skalierbarer, entkoppelter Pipelines.

Dokumentation & Betrieb

• Teamführung: Leitung der KI-Architektur und eines Teams von 4 Ingenieuren, Koordination von Entwicklungsbemühungen und Sicherstellung hochwertiger Liefergegenstände.
• Technische Dokumentation: Erstellung von Endbenutzer-Handbüchern und investorenorientierten technischen Briefings, Detaillierung von Modellleistungsmetriken, Sicherheitsvorkehrungen und Compliance-Checkpoints.
• CI/CD & Deployment: Schreiben umfassender Unit-Tests, Implementierung von GitHub Actions für CI/CD-Pipelines und Deployment von KI-Microservices mit Azure Functions und Triggern für Headless-Operationen.
• Cloud-Services & DevOps: Orchestrierung von Deployments mit Docker, Terraform und Helm auf Azure; Verwaltung der Speicherung von rohen und verarbeiteten Dokumenten in Azure Blob Storage.

Technologien & Tools

• Sprachen & Frameworks: Python, C#, JavaScript, HTML/CSS
• KI & Datenservices: Azure OpenAI, Azure Document Intelligence, Vector DB
• Cloud & DevOps: Azure Functions, Azure Blobs, Docker, Terraform, Helm
• Messaging & Integration: Apache Kafka, .NET Backend
• Frontend & UX: WebSockets, Flutter (für Prototyp-Dashboards)
• Zusammenarbeit & Management: GitHub, Notion, Miro

Ergebnisse & Auswirkungen

• Modelltraining-Erfolg: Training von über 20 verschiedenen Dokumentenmodellen für unterschiedliche Formulartypen, Verarbeitung Tausender gelabelter Dokumente und synthetischer Daten, Erzielung ausgezeichneter Ergebnisse über alle Templates hinweg.
• Effizienzgewinne: Automatisierte Datenextraktion und Validierung reduzierten die manuelle Validierungsarbeit durch Ingenieure erheblich, Beschleunigung des Zertifizierungsdurchsatzes.
• Teamführung: Erfolgreiche Leitung eines KI-Teams von 4 Ingenieuren bei gleichzeitiger Betreuung von Master-Studenten, Demonstration technischer und Mentoring-Fähigkeiten.
• Vollständige Pipeline: Entwicklung einer End-to-End-Datenextraktions- und Validierungspipeline mit Kafka-Integration zum .NET-Backend, Ermöglichung nahtloser Automatisierung.
• Fortgeschrittene KI: Entwicklung von Vision Language Models zur technischen Zeichnungsvalidierung und RAG-basiertem Chatbot, Demonstration modernster KI-Fähigkeiten.