digital-thinking
Get in touch Kontakt
Booked through Q3 2026 · Available Q4 Ausgebucht bis Q3 2026 · Ab Q4 verfügbar Karlsruhe, DE · Remote-friendly Karlsruhe, DE · Remote möglich
AI Architecture · MLOps · Agentic Engineering · Search · RecSys KI-Architektur · MLOps · Agentic Engineering · Search · RecSys

Engineer reliable AI systems. Not fragile prototypes. Zuverlässige KI-Systeme. Keine fragilen Prototypen.

I'm Christian Freischlag, a Machine Learning Engineer with a decade of experience. I help startups and scaling brands move AI from proof-of-concept to production — with the architecture, MLOps discipline and observability to hold up under real traffic, real budgets, and real failure modes. I also advise engineering teams on agentic coding workflows — wiring tools like Claude Code, Cursor and custom agents into CI, PR review and QA so they deliver real velocity, not hype. Hi, Ich bin Christian Freischlag, Machine Learning Engineer mit über zehn Jahren Erfahrung. Ich unterstütze Unternehmen dabei, KI aus dem Proof-of-Concept in den Produktionsbetrieb zu bringen. Ob AI-Architektur, MLOps oder Observability, ich blicke auf eine weitreichende Erfahrung in unterschiedlichen Unternehmen zurück. Außerdem berate ich Engineering-Teams zu agentischen Coding-Workflows, um aus Tools wie Claude Code, Codex und co. das Beste herauszuholen. Kein Vibecoding, sondern nachhaltiges Agentic Engineering.

Start an engagement Projekt anfragen See services Leistungen ansehen
01 / About

Bridging research and resilient software. Die Brücke zwischen Forschung und robuster Software.

My focus is on AI architecture, MLOps and observability. Working across a range of company contexts has given me broad hands-on experience — from technical design through building resilient ML infrastructure to operating systems in production.

Mein Schwerpunkt liegt auf AI-Architektur, MLOps und Observability. Durch meine Arbeit in unterschiedlichen Unternehmenskontexten bringe ich breite Praxiserfahrung mit: von der technischen Konzeption über den Aufbau belastbarer ML-Infrastrukturen bis hin zum Betrieb produktiver Systeme.

Beyond that, I advise engineering teams on adopting agentic coding workflows. This isn't about "vibe coding" — it's about sustainable agentic engineering: structured processes, clear quality standards and a productive way of working with tools like Claude Code, Codex and other AI-assisted development environments.

Darüber hinaus berate ich Engineering-Teams beim Einsatz agentischer Coding-Workflows. Dabei geht es nicht um „Vibe Coding", sondern um nachhaltiges Agentic Engineering: strukturierte Prozesse, klare Qualitätsstandards und ein produktiver Umgang mit Tools wie Claude Code, Codex und weiteren KI-gestützten Entwicklungsumgebungen.

# philosophy

coding fragile prototypes fragile Prototypen coden engineering reliable AI systems zuverlässige KI-Systeme bauen
02 / Services

Where I can actually help. Wo ich wirklich helfen kann.

Five areas I've shipped in production, repeatedly. Most engagements touch one or two of these; the depth matters more than the breadth. Fünf Felder, in denen ich als Teil des Produktteams das Ausliefern in den Produktivbetrieb mitverantwortet habe.

[ 01 / 05 ] Architecture Architektur

Applied AI Architecture

Angewandte KI-Architektur

From system diagram to deployed service. Designing AI architectures that stand up to real traffic, budgets and failure modes. Choose the right primitives (LLMs, embeddings, retrieval, agents) and compose them into systems that actually ship.

Vom Systementwurf bis zum Deployment. KI-Architekturen, die echtem Traffic, echten Budgets und echten Fehlerfällen standhalten. Die richtigen Bausteine wählen (LLMs, Embeddings, Retrieval, Agents) und zu Systemen komponieren, die tatsächlich in Produktion gehen.

system design LLM integration agents event-driven Kubernetes
[ 02 / 05 ] Search & Retrieval Suche & Retrieval

Search Relevance

Suche & Relevanz

Hybrid retrieval that moves metrics. Vector search, Solr tuning and Learning-to-Rank pipelines built on measurable relevance — not on vibes. Deep work across Solr and ranking systems for eCommerce catalogues at scale.

Messbarer Relevanz (MAP/NDCG) mit Umsatzoptimierung und A/B Testing. Kennzahlgetriebenes Optimieren von hybrider Suche, reiner vector Suche oder Learning-to-Rank-Systemen und der richtigen Technologieauswahl. Fundierte Erfahrung mit Suche und Ranking im großen Maßstab.

vector search Solr learning-to-rank hybrid retrieval relevance eval
[ 03 / 05 ] Personalisation Personalisierung

Recommender Systems

Empfehlungssysteme

Recommendation architectures from classic collaborative filtering through transformer-based and agentic systems. Built the NLP-inspired deep recommender presented at Rework AI London 2022 — clear view on where the costs and the wins actually are.

Empfehlungsarchitekturen von klassischem Collaborative Filtering über Embeddings bis hin zu agentischen Systemen. Aber auch Erfahrung mit Eigenentwicklungen (vorgestellt auf der Rework AI in London 2022).

transformers embeddings collaborative filtering two-towers
[ 04 / 05 ] MLOps

Reliable MLOps Pipelines

Zuverlässige MLOps-Pipelines

Observability, reproducibility, CI/CD, drift monitoring, test coverage that means something. Kubernetes-native deployments, Helm charts and infra-as-code — the unglamorous foundation that decides whether an AI project survives past the demo.

Observability, Reproduzierbarkeit, CI/CD, Drift-Monitoring, Model-Bereitstellung. Kubernetes-native Deployments, Helm-Charts und Infrastructure-as-Code das Fundament, das darüber entscheidet, ob ein KI-Projekt die Demo überlebt.

Kubernetes Helm CI/CD Airflow Terraform observability Model-Serving Snowflake
[ 05 / 05 ] Agentic Engineering Agentic Engineering new · in demand neu · gefragt

Agentic Engineering Consulting

Agentic-Engineering-Beratung

Practical coaching and architecture for teams adopting agentic coding tools — Claude Code, Cursor, Copilot, custom agents. How to actually wire them into the developer workflow: CI integration, automated PR review, test generation and QA, refactor agents, guarded production changes. Same engineering rigour applied to a brand-new toolchain.

Praxisnahe Beratung für Agentic Enginneering aus persönlicher Überzeugung: Claude Code, Copilot und co. und deren Einbindung in die Entwicklungsprozesse ohne Qualität zu opfern: CI-Integration, automatisiertes PR-Review, CVE Scanning und QA, Refactoring-Agents, Human-in-the-Loop. KI ist ein Tool, kein Ersatz!

Claude Code Cursor Copilot custom agents CI integration PR review QA & test generation developer workflow
03 / Work

Not Powerpoint. But Engineering! Kein Powerpoint. Sondern Engineering!

A selection of the work that informs how I consult. Eine Auswahl der Projekte, die meine Erfahrung prägen.

2026 → now
Auction Technology Group
Auction Technology Group
Main job
Hauptjob
MLOps Engineer in the Architecture Team MLOps Engineer im Architektur Team active
↗
2025-2026
Marketplace - ClimateTech
Marktplatz - ClimateTech
Advisory · confidential
Beratung · vertraulich
Agentic Engineering and Software Architecture Agentic Engineering und Software Architektur
Consulting and AI-assisted implementation Beratung und KI-gestützte Implementierung
↗
2025-2026
US Luxury eCommerce Platform
US Luxury-eCommerce-Plattform
Advisory · confidential
Beratung · vertraulich
Applied AI Architecture Advisor Berater für angewandte KI-Architektur
Advising the founding engineers on the AI foundations of a luxury eCommerce platform (US). Helped shape a hierarchical, recommendation-friendly catalog and listing data model built to outlast the first wave of features, and guided the integration of visual embeddings into retrieval so the platform can surface similar items across a highly aesthetic catalog — keeping the production ML stack honest and debuggable. Beratung der Founding-Engineers zu den KI-Grundlagen einer Luxury-eCommerce-Plattform (US). Mitgestaltung eines hierarchischen, empfehlungstauglichen Katalog- und Listing-Datenmodells, das langfristig trägt. Begleitung bei der Integration von Visual Embeddings ins Retrieval, damit die Plattform in einem stark ästhetischen Katalog ähnliche Produkte zuverlässig findet. Mit Fokus auf einen produktionsreifen, nachvollziehbaren ML-Stack.
↗
2024 → 2026
KPMG AG
Full-Time, Karlsruhe, DE
Vollzeit, Karlsruhe, DE
Manager / Senior Specialist — NLP & AI Manager / Senior Specialist — NLP & KI
Platform Engineering & Delivery Platform-Engineering & Delivery Spearheaded a containerised NLP SaaS platform (Python · .NET · Kubernetes · RabbitMQ). Initiated and drove the technical roadmap, covering dependency management, build system, OSS compliance, a DevOps / CI/CD initiative and a performance & scaling roadmap, with a deliberate, measurable quality strategy running through all of it. Optimierung einer containerisierten NLP-SaaS-Plattform (Python · .NET · Kubernetes · RabbitMQ). Technische Roadmap initiiert und umgesetzt: Dependency-Management, Build-System, OSS-Compliance, Umstellung auf Trunk-Based Development und entsprechende DevOps-Pipelines sowie eine Performance- und Skalierungs-Roadmap, durchgängig getragen von einer bewussten, messbaren Qualitätsstrategie.
Pre-Sales SME & Client Delivery Pre-Sales-SME & Kundenprojekte Technical SME for NLP / ML / GenAI in strategic sales and management rounds, supporting proposals with honest feasibility calls and building trust by pushing back on over-promised commitments. Led the technical side of multiple enterprise handovers and on-site workshops, and acted as the escalation engineer for production incidents, root-cause analyses and post-mortems. Enabled several revenue-generating projects. Technischer SME für NLP / ML / GenAI in strategischen Sales- und Management-Runden mit ehrlicher Machbarkeitseinschätzung bei Proposals und klaren Ansagen, wenn Kundenversprechen zu weit gingen. Technisch verantwortlich bei mehreren Kundenübergaben und Vor-Ort-Workshops sowie Eskalations-Engineer für Produktionsstörungen, Root-Cause-Analysen und Post-Mortems.
Leadership & Engineering Culture Führung & Engineering-Kultur Led a cross-functional team of 5 to 10 across ML, backend and DevOps. Acted as a software-quality ambassador beyond the immediate platform, contributing to the wider engineering standards of the firm and improving cross-team collaboration with central IT. Also owned enterprise compliance topics (OSS licensing, CVE and vulnerability management) at the security bar expected at a Big Four firm. Cross-funktionales Team von 5 bis 10 über ML, Backend und DevOps hinweg technisch geführt. Als Qualitätsbotschafter für Software auch über die eigene Plattform hinaus gewirkt, mit Beiträgen zu den unternehmensweiten Engineering-Standards. Zudem verantwortlich für Enterprise-Compliance wie OSS-Lizenzen, CVE- und Vulnerability-Management auf dem Security-Niveau, das in einer Big-Four-Umgebung erwartet wird.
↗
2018 → 2024
Chrono24 GmbH
Full-Time, Karlsruhe, DE
Vollzeit, Karlsruhe, DE
Lead Machine Learning Engineer Lead Machine Learning Engineer
Enterprise ML Infrastructure & Search Optimisation Enterprise-ML-Infrastruktur & Suchoptimierung Led the technical ML architecture and its integration into existing infrastructure, working closely with the Data Engineering team and embedding MLOps best practices, code reviews and scalability across the stack. Architected and deployed an end-to-end ML platform on Docker, Airflow, Terraform and Snowflake, spanning search, recommender systems and time-series forecasting. Pioneered the integration of Learning to Rank within Solr, with rigorous NDCG benchmarking to quantitatively prove and optimise search relevance. Technische ML-Architektur und ihre Integration in die bestehende Infrastruktur verantwortet, in enger Zusammenarbeit mit dem Data-Engineering-Team und mit MLOps-Best-Practices, Code-Reviews und Skalierbarkeit über den gesamten Stack. End-to-End-ML-Plattform auf Docker, Airflow, Terraform und Snowflake konzipiert und in Produktion gebracht, über Suche, Recommender Systems und Zeitreihenanalyse hinweg. Learning to Rank in Solr integriert, mit konsequentem NDCG-Benchmarking, um Suchrelevanz quantitativ zu belegen und gezielt zu verbessern.
GenAI & Vector Strategy GenAI & Vector-Strategie Led the internal adoption of LLMs, OpenAI APIs and vector search, moving from experimental prototypes to productionised generative use cases with measurable business impact. Interne Einführung von LLMs, OpenAI-APIs und Vector Search vorangetrieben, von experimentellen Prototypen bis hin zu produktiven GenAI-Anwendungsfällen mit messbarem Geschäftsnutzen.
Leadership & Team Growth Führung & Teamaufbau Acted as technical hiring lead and mentor, owning interviewing, onboarding and professional development of the Machine Learning and Data Engineering teams. Technischer Hiring-Lead und Mentor, verantwortlich für Interviews, Onboarding und die fachliche Weiterentwicklung der Machine-Learning- und Data-Engineering-Teams.
ML Strategy & AI Enablement ML-Strategie & AI-Enablement Advised leadership on ML prioritisation and topic selection in line with business goals, and continuously evaluated and integrated the latest research and tooling. Drove the company's shift toward an AI-driven organisation through internal workshops and knowledge-transfer sessions, communicating technical topics clearly to stakeholders across the business. Die Geschäftsführung bei ML-Priorisierung und Themenauswahl entlang der Unternehmensziele beraten und laufend neueste Forschung und Tooling evaluiert und integriert. Den Wandel zur AI-driven Company durch interne Workshops und Wissenstransfer-Veranstaltungen vorangetrieben und technische Inhalte transparent an Stakeholder im gesamten Unternehmen vermittelt.
Creator of the Chrono24 Watch Scanner Entwickler des Chrono24 Watch Scanner I conceived and engineered the platform's Watch Scanner from the ground up. This involved building custom image classification models (CNNs, TensorFlow) and designing a dedicated, auto-scaling AWS architecture capable of handling 20,000+ daily requests at peak. Den Chrono24 Watch Scanner habe ich von Grund auf konzipiert und entwickelt, mit feinabgestimmten Bildklassifikationsmodellen (CNNs, TensorFlow) und einer dedizierten, autoskalierenden AWS-Architektur, die im Peak 20.000+ Anfragen pro Tag über die App bediente.
Advanced Anti-Fraud & Platform Integrity Anti-Fraud & Plattform-Integrität Beyond computer vision, I developed an end-to-end anti-fraud system to mitigate platform abuse. The hybrid engine leveraged SVMs and Random Forests alongside LSTMs and Transformers to analyse behavioural patterns and linguistic cues. Ein NLP-basiertes End-to-End-Anti-Fraud-System aufgebaut (vor der LLM-Ära), das Plattform-Missbrauch erkannt und gezielt unterbunden hat. Die hybride Engine kombinierte SVMs und Random Forests mit LSTMs und Transformern, um Verhaltensmuster und sprachliche Signale gemeinsam auszuwerten.
Thought Leadership Thought Leadership Speaker at the RE•WORK AI Summit, London 2022. Speaker auf dem RE•WORK AI Summit, London 2022.
↗
10+
years in
production ML Jahre in
Produktions-ML
5–10
cross-functional
team, led technical cross-funktionales
Team technisch geführt
04 / Writing

Notes from the field. Notizen aus der Praxis.

Writing on applied AI, MLOps, eCommerce search, and the unglamorous engineering realities behind them. Feeds pulled live from Medium and Substack. Artikel zu angewandter KI, MLOps, eCommerce-Suche — und dem unspektakulären Engineering-Alltag dahinter. Feeds direkt von Medium und Substack.

$ fetching feedsFeeds werden geladen
05 / Stack

The tools in rotation. Der Stack im Einsatz.

Technologies used in production across the last decade. Depth over breadth — I commit to tools I know deeply. Technologien, die ich im letzten Jahrzehnt in Produktion eingesetzt habe. Tiefe statt Breite — ich setze nur auf Tools, die ich wirklich in der Tiefe kenne.

AI / ML

KI / ML

  • PyTorch
  • TensorFlow
  • Hugging Face
  • OpenAI API
  • LangChain / Agents
  • Vector DBs

Languages

Sprachen

  • Python
  • Java
  • .NET / C#
  • Scala
  • SQL
  • Bash

Infrastructure

Infrastruktur

  • Docker
  • Kubernetes
  • Terraform
  • AWS
  • GitLab CI
  • Airflow

Data / Search

Daten / Suche

  • Solr
  • Elastic Stack
  • Snowflake
  • Apache Spark
  • RabbitMQ
  • Stream Processing

Education

Ausbildung

M.Sc. Machine Learning
M.Sc. Machine Learning
Karlsruhe University · 2016–2018
B.Sc. Computer Science
B.Sc. Informatik
Karlsruhe University · 2011–2015
ML Engineer Nanodegree
Udacity · 2016–2017
Technical Student
CERN · 2017–2018

Certifications

Zertifikate

Learning to Rank
Opensource Connections · 2024
Solr Search
Opensource Connections · 2023
Developer Training · Spark & Hadoop
Developer-Training · Spark & Hadoop
Cloudera · 2015

Speaking & Public Work

Vorträge & Veröffentlichungen

“NLP-inspired deep recommender for out-of-catalog items”
Rework AI Conference · London · 2022
Open source
Open Source
github.com/digital-thinking
Notes & articles
Notizen & Artikel
digital-thinking.de
06 / Contact

Start a brief. Eine Projektanfrage schicken.

Founding engineers, CTOs and product leads wrestling with AI architecture, search, recommenders or MLOps maturity — the first call is a free conversation. Gründungs-Engineers, CTOs und Product Leads, die mit KI-Architektur, Suche, Empfehlungssystemen oder MLOps-Reife ringen: Der erste Call ist ein kostenloses Gespräch.

Describe the problem in a paragraph. Das Problem in einem Absatz beschreiben.

I'll tell you honestly whether I'm the right person for it — and, if I'm not, who is. Usual response within 48 hours. Ich sage offen, ob ich der Richtige dafür bin — und falls nicht, wer es ist. Rückmeldung in der Regel innerhalb von 48 Stunden.

Email
Web
digital-thinking.de
Code
github.com/digital-thinking