Domain-spezifischer RAG-Chatbot
Entwicklung eines RAG-Chatbot-Prototyps für domänenspezifisches Wissen im Umfeld der gesetzlichen Unfallversicherung. Konzeption und Implementierung der Retrieval-Pipeline bis hin zum Deployment.
Freelance Data Scientist & AI Engineer mit mathematischem Hintergrund. Integrierte Machine-Learning- und Forecasting-Lösungen bis hin zu LLM-Anwendungen.
Ich bin Freelancerin für Data Science und AI Engineering aus München.
Mein Hintergrund liegt in der Mathematik: Ich habe meinen Master an der TU München abgeschlossen, weil mich komplexe Fragestellungen und Problemlösung schon immer interessiert haben.
Meine Begeisterung für die Informatik habe ich vor sieben Jahren durch ein eigenes Webprojekt entdeckt. Seitdem verbinde ich beide Welten in Data Science: mathematische Methoden und datengetriebene Lösungen mit moderner Softwareentwicklung.
Anfangs lag mein Schwerpunkt vor allem auf analytischen Fragestellungen, Modellierung und Proof-of-Concepts. In den letzten Jahren interessiert mich aber zunehmend, wie aus einem guten Modell eine Anwendung wird, die tatsächlich genutzt werden kann. Deshalb beschäftige ich mich heute genauso gerne mit Daten und Modellen wie mit APIs, Evaluation, Deployment und der technischen Integration.
Ich bin dabei besonders datenschutzbewusst und setze Anforderungen aus DSGVO und EU AI Act gerne für Sie um.
Mehr über michAn welchen Projekten ich bisher gearbeitet habe.
Entwicklung eines RAG-Chatbot-Prototyps für domänenspezifisches Wissen im Umfeld der gesetzlichen Unfallversicherung. Konzeption und Implementierung der Retrieval-Pipeline bis hin zum Deployment.
Entwicklung und Evaluation eines produktiven Machine-Learning-Modells zur Auswahl von Unternehmen mit hohem Unfallrisiko.
Entwicklung eines Machine-Learning-Modells zur Prognose der Luftqualität auf Basis zeitlicher Messdaten. Dabei wurden historische Luftqualitäts- und Wetterdaten aufbereitet, relevante zeitliche Muster untersucht und Modelle zur Vorhersage zukünftiger Luftqualitätswerte entwickelt und evaluiert.
Entwicklung eines Prototyps für die semantische Suche in einem Beratungsumfeld. Ziel war es, relevante Inhalte nicht nur anhand von Schlüsselwörtern, sondern anhand ihrer inhaltlichen Bedeutung auffindbar zu machen. Dazu wurden Dokumente und Textinhalte aufbereitet, mit semantischen Embeddings repräsentiert und über eine Vektorsuche durchsuchbar gemacht.
Ein eigener RAG-Chatbot für juristische Dokumente mit GCP, Vertex AI und einer individuell konfigurierbaren Pipeline für sichere und nachvollziehbare Antworten.
Echtzeitdaten von MVV mit GTFS Realtime: Verarbeitung, Speicherung und Visualisierung für aktuelle Verspätungen.