10/07/2026 updated


100 % available
Machine Learning Scientist & Software Engineer | AI Systems | LLM | Deep Learning
Malmö, Sweden
Worldwide
AbiturArtificial IntelligenceMachine LearningTensorFlowPyTorchLarge Language ModelsDeep LearningScikit Learn
Maschinelles Lernen und Software seit über 20 Jahren; Schwerpunkt heute: LLM- und Agentensysteme in Produktion; von der Bewertung (LLM-as-a-Judge, Holdout-Verfahren) bis zum sicheren Rollout. Projektarbeit läuft über meine schwedische Aldeology Consulting AB, Remote aus Malmö (CET).
LLM- und Agentensysteme in Produktion
- NL-to-SQL-Agent (GPT-4o) für rollenbasierte, natürlichsprachige Abfragen auf Finanzdatenbanken, mit LLM-as-a-Judge-Bewertung (Securitas)
- Selbstverbessernder LLM-Verifier für Nachhaltigkeitsdokumente: 98,5 % Genauigkeit gegen 84,6 % Human-Baseline (66 Dokumente, 11.800 Bewertungen); Experten-Feedback fließt direkt in Prompts und Kontext zurück (BIMobject)
- Agentenplattform für quantitative Forschung mit acht spezialisierten Agenten: Orchestrierung per State Machine, Kampagnen-Gedächtnis, ehrliche Stop-Regeln, Keep-or-Discard über frozen Holdouts; 188 Experimente in 14 Kampagnen
- OSINT-Aggregator: LLM-Clustering, Zusammenfassung und Relevanz-Scoring über tausende Quellen, Deployment auf Azure (Securitas)
Coding-Agenten und Entwickler-Tooling
- Autor von Pilish, einem Emacs-Frontend für den pi Coding-Agenten (auf MELPA, 10 externe Beitragende); Skills und Erweiterungen für Claude Code und Codex CLI
- claucker: Docker-Isolations-Wrapper für den autonomen Betrieb von Claude Code (Dateisystem-Isolation, entzogene Capabilities; bewusst ohne Netzwerk-Isolierung; kein Sicherheits-Sandbox)
- Selbst gehostete Modelle: Ollama als Integrations-Test-Backend für Pilish (Docker, CI); Test-Infrastruktur, kein Produktiv-Serving
Klassisches ML, Bild und Edge
- Medizinische Bildgebung: vier erteilte US-Patente für Ultraschall-Guidance; Echtzeit-Landmarken-Tracking mit 2,83 mm mittlerem Fehler (MICCAI 2015)
- Edge/IoT: C++-Framework auf Apache-TVM-Basis; H.264-Motion-Vector-Analyse auf ressourcenbeschränkten Geräten (SmartThings/Samsung)
- Kaggle Master; frühe CNN-Anwendungen auf Audiosignale (Walrufe, unter 245 Teilnehmern Top 3)
Engineering
- Python seit 2001 produktiv; C++, SQL; PyTorch, TensorFlow, scikit-learn, DuckDB, Spark
- AWS, Azure, GCP; Docker, Linux, CI/CD; automatisierte Tests und Code-Review-Kultur
- Architektur und Führung: AI-Team-Aufbau bei 4Catalyzer (3 auf 6 Personen) und Lotik/Samsung NEXT; LLM-Workshops und Mentoring
Open Source und Community
- skorch: scikit-learn-kompatibler PyTorch-Wrapper, in über 1.500 Repositories verwendet; nolearn (951 Sterne); Lasagne-Core-Contributor
- Gründer des Berlin Machine Learning Meetup (über 9.000 Mitglieder)
Sprachen: Deutsch (Muttersprache), Englisch (fließend)
Experience
Professional experience10+ years
Freelancer since2001
Languages
GermanNative speakerEnglishFluent
Project history
Building a matter-centered AI workspace for German law firms with page-level citations, transcript timestamps, and drafting in a Tiptap-based editor. Designing for GDPR and professional secrecy with immutable originals, server-controlled matter scope, and deletion that survives backup restores.
Built an LLM-agent platform running quantitative research unattended with eight specialist agents under an orchestrating state machine, campaign memory, honest-stop governance, and a frozen-holdout ladder; 188 experiments across 14 campaigns. Rebuilt data core clean-room on 187 GiB of market-by-order tick data with order-book reconstruction proven against vendor snapshots.
Built a self-improving LLM verifier for sustainability documents achieving 98.5% accuracy vs 84.6% human-validator baseline across 66 expert-annotated documents and 11.8k judgments. Improved an 839-prompt human-review compliance checklist with expert annotations, cutting AI errors by 45%. Created a feedback loop where expert-reviewed failures automatically guide updates to prompts, context, and applicability logic.