Sophia Wagner
Kernkompetenzen
Sophia ist auf die Konzeption und Implementierung von KI-Systemen für die Informationsgewinnung und wissensintensive Anwendungen spezialisiert. Auf der Grundlage ihres Forschungshintergrunds in Mathematik mit Schwerpunkt Geometrie entwickelt sie produktionsreife KI-Systeme, die auf großen Sprachmodellen basieren und komplexe, fragmentierte Daten in zuverlässiges, abfragbares Wissen umwandeln.
Ihre Arbeit konzentriert sich auf Retrieval-Augmented Generation (RAG), semantische Suche, KI-Agenten und skalierbare Backend-Architekturen. Sie unterstützt Unternehmen während des gesamten Lebenszyklus von KI-Lösungen – von der Bewertung technischer Ansätze und dem Entwurf von Systemarchitekturen bis hin zur Implementierung produktionsreifer Anwendungen und der Vermittlung komplexer KI-Konzepte an technische und nicht-technische Stakeholder.
Sophia verbindet analytisches Denken mit praktischer Ingenieurserfahrung, um die Lücke zwischen modernster KI-Forschung und robusten, praxisnahen Anwendungen zu schließen. Ihr besonderes Interesse gilt vertrauenswürdigen Retrieval-Systemen, Wissensmanagement und der Entwicklung von KI-Lösungen, die messbaren geschäftlichen Nutzen liefern.
Referenzprojekte
Intelligenter Datenabruf-Agent
Ein produktionsreifes KI-Abfragesystem, das mithilfe von LLMs und semantischer Suche fragmentierte Daten in zuverlässiges, durchsuchbares Wissen umwandelt.
mehr...Entwicklung eines serienreifen Abruf-Agenten zur Abfrage großer, fragmentierter und undokumentierter Unternehmensdatenbestände unter Verwendung großer Sprachmodelle und semantischer Suche. Die Lösung wandelte verstreute Altdaten in strukturiertes, durchsuchbares Wissen um und ermöglichte es den Nutzern, relevante Informationen innerhalb von Sekunden abzurufen, anstatt Hunderte von Dokumenten manuell durchsuchen zu müssen.
Das Projekt kombinierte die „Retrieval-Augmented Generation“ (RAG), die Vektorsuche und moderne LLM-Technologien, um eine zuverlässige, kontextbezogene Informationsgewinnung zu ermöglichen. Das System basiert auf einer modularen Architektur und unterstützt Skalierbarkeit, Wartbarkeit und zukünftige Erweiterungen, während es gleichzeitig eine robuste Suchqualität über heterogene Datenquellen hinweg gewährleistet.
AI Engineer
Python • LangChain • OpenAI • Qdrant • Semantic Search • RAG • Streamlit