Full Stack, ganz wörtlich:vom Smartphone bis zur GPU.
Ich baue komplette Produkte und betreibe ihre KI-Modelle in Produktion — von den Rohdaten bis zur GPU-Inferenz. Mitgründer und CTO von JobyPepper und Ozly.
Als Mitgründer und CTO habe ich Teams von bis zu zehn Personen geleitet, ohne die Tastatur loszulassen: Ich bin immer noch der größte Contributor der API, die ich 2016 gestartet habe. Seit 2023 ist KI in Produktion mein Hauptterrain — Modelle trainieren, deployen, bereitstellen und optimieren, die echten Nutzern antworten. Meine Lieblingsthemen: LLMs, RAG und Fine-Tuning. Alles aus Genf.
// Ja, ein CTO, der committet. Die Spezies ist nicht ausgestorben.
Jede Schicht, die sie durchquert, habe ich gebaut. Die Hälfte des Weges liegt auf der KI-Seite.
Der Bildschirm
app.tap("Suchen")
Mobile Apps mit React Native / Expo, darunter eine komplette Business-App, bis in die Stores gebracht: iOS- und Android-Builds, Einreichung, Store-Texte. React-Weboberflächen für Admins, Kunden und Freelancer.
// Alles beginnt in einer Hosentasche.
Die API
POST /search
Node.js / Express, Geschäftsprozesse und eine Engine für Zahlungs-Dispatching: Eine einzige Kundenzahlung wird automatisch zu den Rechnungen jedes Freelancers, den Geldtransfers und den Auszahlungen.
// Hier fließt das Geld. Kein Druck.
Die Queue
rabbitmq.publish(search)
RabbitMQ zwischen API, Workern, Scheduler und Echtzeitdiensten. Jeder Dienst macht eine Sache, asynchron.
// Alles kommt irgendwann durch. In der richtigen Reihenfolge.
Ein Modell im Notebook ist ein Versprechen. In Produktion ist es ein Dienst.
MLOps ist alles dazwischen. Ich decke den gesamten Zyklus ab.
01→
Sammeln
Geplante Pipelines, die Daten aus mehreren Quellen zusammenführen, bereinigen und deduplizieren.
02→
Trainieren
Aufbau von Datensätzen, Fine-Tuning von CamemBERT zur Klassifizierung nach Branche und Vertragsart.
03→
Verpacken
Versionierte Modelle, CUDA-Docker-Images, veröffentlicht in einer Container-Registry.
04→
Bereitstellen
GPU-Inferenz über Triton, Embedding-Dienst auf Kubernetes, Vektorsuche.
05→ 01
Betreiben
CI/CD, Observability auf allen Diensten, laufende Optimierung: GPU ÷ 4, Embeddings auf 512 Dimensionen reduziert, ein Speicherleck aufgespürt und behoben.
Projekte, durchgängig mit KI gesteuert — und an jedem Checkpoint ein Mensch.
Pipeline eines Projekts, von der Idee bis zur Produktionin Produktion
✓notionDas Projekt wird in Notion angelegt.Mensch
✓reviewEin Mensch prüft es und gibt es frei.Mensch
✓buildLLMs setzen es um, angebunden an den Code und seinen Kontext.KI
✓verifyIch prüfe, teste und korrigiere.Mensch
✓deployAb in die Produktion.CI/CD
monitorFehler landen in Sentry, lesbar für die Agenten.Agenten + Mensch
Meine eigentliche Spezialität ist das, was nach dem Release passiert: überwachen, diagnostizieren, stabilisieren — in Rekordzeit.
// Die Agenten lesen Sentry vor meinem ersten Kaffee. Der Fix geht oft raus, bevor er kalt ist.
Vom Bedarf aus denken
Vor der ersten Codezeile: das Geschäft verstehen – wer das Tool nutzt, wofür und unter welchen Einschränkungen.
Daraus die Nutzerwege ableiten, dann die UX/UI. Die Oberfläche folgt dem Bedarf, nicht umgekehrt.
Ein eigenes Designsystem, damit das ganze Produkt eine Sprache spricht.
Führen
Technische Leitung eines Teams von bis zu zehn Personen.
Architekturentscheidungen, Lieferplanung, Abwägungen zwischen Produkt und Technik.
Erstellung von Anträgen zur Innovationsförderung.
Aus einem operativen Bedarf ein Werkzeug machen, aus einem KI-Experiment einen laufenden Dienst.
Mit KI arbeiten, nicht daneben
Coding-Agenten im Arbeitsalltag, mit versionierten Anweisungen in jedem Repository.
MCP-Server für drei Produkte, um LLMs an Geschäftsdaten anzubinden.
Produktionsfehler sind für die Agenten lesbar: Diagnose und Fix-Vorschlag direkt im Anschluss.
// Diese Seite wurde mit zwei KIs entworfen. Ich habe das Briefing geschrieben, ihre Meinungsverschiedenheiten geschlichtet und jeden Satz gegengelesen. Das nennt man Management.
Die Plattform, die Unternehmen und Freelancer für Einsätze zusammenbringt.
+Web, Mobile, API und Infrastruktur: das gesamte Produkt-Ökosystem.
+Zwei Mobile Apps in den iOS- und Android-Stores veröffentlicht, vom Build bis zum Store-Eintrag: Versionen, Einreichung, Compliance-Anpassungen, Texte.
+Zahlungs-Dispatching statt bloß eines „Bezahlen“-Buttons: Der Kunde zahlt einmal, die Plattform erstellt die Rechnung jedes Freelancers, verteilt die Mittel und löst jede Auszahlung aus. Automatisch.
+KI-Agent für Kandidaten-Sourcing und -Matching, angebunden über MCP.
Technischer Mitgründer · CTO · 2023 · pausiert
Ozly
KI für die Jobsuche.
+Komplette Pipeline: Ingestion aus mehreren Quellen, CamemBERT-Klassifizierung, Vektorindex.
+Semantische Suche und konversationelles RAG, in einem einbettbaren Widget.
+Optimierte GPU-Inferenz: Kosten durch vier geteilt.
Nebenbei
Persönliches Projekt · 2026
Origin AI
Videos echter Arbeitsplätze, verwandelt in Trainingsdaten für die Robotik.
+Fragmentierter Video-Upload, ffmpeg-Verarbeitung, Tagging per LLM.
+Automatisches Verpixeln von Gesichtern auf GPU, Pipeline zur Datensatzerstellung.
Side Project · 2026
EV Comparator
Ab wie vielen Kilometern wird das Elektroauto günstiger?
+Tägliche Open-Data-Ingestion, Kostenmodell pro Kilometer.
+Wiederverkaufswert als Schätzung ausgewiesen, nie als Wahrheit.
Ich bin nicht nur ein Geek. Vor allem bin ich jemand, der Spaß hat — auf dem Wasser, im Schnee, auf dem Court, am Herd, hinter der Kamera oder vor dem Bildschirm.
Gleiten
Ski
Wakeboard
Surfen
Foil
// Gleiche Regel wie in Produktion: Solange es sich bewegt, hält es.
Schlägersport
Alles, was man mit einem Schläger spielt
// Eine Anfrage, eine Antwort. Nur etwas atemloser.
Kreativ
Kochen
Fotografie
// Ein Rezept ist eine Pipeline, deren Output man isst. Ein Foto ist ein Render, den man nicht neu starten kann.