Nina Hajok
AI Architect
I design AI architectures - and I assess whether yours will hold.
Most initiatives fail at the architecture stage, long before code is written.
I work with companies to build the right architecture from scratch, or find
what needs to change before the wrong one is built out.
Strategy, roadmap, cost model. No cheerleading.
Ich designe KI-Architekturen - und ich bewerte, ob Ihre trägt.
Die meisten Initiativen scheitern auf Architekturebene, lange bevor Code geschrieben wird.
Ich arbeite mit Unternehmen daran, von Anfang an die richtige Architektur zu bauen,
oder zu finden, was sich ändern muss, bevor in die falsche investiert wird.
Strategie, Roadmap, Kostenmodell. Keine Euphorie.
I design AI architectures that hold up in production.
That requires telling you honestly when yours won't.
Ich designe KI-Architekturen, die in der Produktion tragen.
Das setzt voraus, Ihnen ehrlich zu sagen, wenn Ihre das nicht tut.
Every AI project needs someone who can both design the system and stress-test whether it'll actually work. I'm the technical half of that equation - I design architectures from scratch, evaluate existing ones, and build what the architecture requires. Starting with honest answers about what's feasible.
Jedes KI-Projekt braucht jemanden, der das System designen und gleichzeitig überprüfen kann, ob es wirklich funktioniert. Ich bin die technische Seite dieser Gleichung - ich designe Architekturen von Grund auf, bewerte bestehende, und baue, was die Architektur erfordert. Mit ehrlichen Antworten darüber, was machbar ist.
In over 8 years building and reviewing ML systems, I've seen the patterns repeat: the LLM that was supposed to understand raw sensor data, the on-prem storage choice that made cloud deployment structurally impossible, the roadmap that assumed 18 months of training data was just there. These aren't edge cases. They're what happens when companies start building before they start thinking.
In über 8 Jahren beim Aufbau und Review von ML-Systemen habe ich die Muster immer wieder gesehen: das LLM, das rohe Sensordaten 'verstehen' sollte, die On-Prem-Storage- Entscheidung, die Cloud-Deployment strukturell unmöglich machte, die Roadmap, die davon ausging, dass 18 Monate Trainingsdaten einfach vorhanden sind. Das sind keine Rand- phänomene. Das ist, was passiert, wenn Unternehmen zu bauen beginnen, bevor sie anfangen zu denken.
The engagements that make sense are the ones where getting the architecture right matters more than getting started fast. That's what I'm here for.
Die Projekte, die Sinn machen, sind die, bei denen es wichtiger ist, die Architektur richtig hinzubekommen, als schnell anzufangen. Dafür bin ich da.
Architect
Readiness
Fit
structure
Design
Model
Model
Strategy
What I find - and what it costs if no one does Was ich finde - und was es kostet, wenn niemand sucht
"The LLM will just understand the data."
"Das LLM wird die Daten schon verstehen."
A proposed architecture had an LLM at the center, ingesting raw industrial sensor readings to "explain anomalies." LLMs require context, structure, and purpose-built preprocessing. Without it, you get outputs that sound confident and are wrong - consistently. This was the core load-bearing assumption of a six-figure AI initiative. No one had asked whether it was technically possible.
Eine vorgeschlagene Architektur hatte ein LLM im Zentrum, das rohe industrielle Sensordaten einlesen sollte, um "Anomalien zu erklären." LLMs brauchen Kontext, Struktur und zweckgebautes Preprocessing. Ohne das entstehen Ausgaben, die selbstsicher klingen und falsch sind - konsistent. Das war die tragende Kernannahme einer sechsstelligen KI-Initiative. Niemand hatte gefragt, ob das technisch überhaupt möglich ist.
The storage choice makes deployment impossible.
Die Storage-Wahl macht das Deployment unmöglich.
On-prem object storage plus real-time inference plus cloud API services: an architectural conflict that nobody flagged, because no single person saw the whole picture. The storage model isn't a detail - it determines the entire deployment architecture. Choose it last, or let a vendor choose it, and you rebuild from scratch when reality arrives. Choosing it first takes a conversation. Rebuilding takes months.
On-Prem-Objektspeicher plus Echtzeit-Inferenz plus Cloud-API-Services: ein Architekturkonflikt, den niemand angemerkt hatte, weil kein Einzelner das ganze Bild sah. Das Storage-Modell ist kein Detail - es bestimmt die gesamte Deployment-Architektur. Wählt man es zuletzt, oder lässt einen Anbieter wählen, baut man von Grund auf neu, wenn die Realität eintrifft. Die richtige Wahl erfordert ein Gespräch. Der Neuaufbau erfordert Monate.
7 use cases. 3 have the data they need.
7 Use Cases. 3 haben die Daten, die sie brauchen.
Companies arrive with ambitious AI roadmaps and a list of use cases. After feasibility assessment: some lack the required data entirely, some need 18+ months of data collection before training is possible, some are technically sound but can't connect to the existing infrastructure. Without prioritization grounded in technical reality, teams build in parallel, hit the same walls in parallel, and stall in parallel. Knowing which three to start with isn't strategy - it's the difference between shipping and not.
Unternehmen kommen mit ambitionierten KI-Roadmaps und einer Liste von Use Cases. Nach der Machbarkeitsbewertung: Einigen fehlt die erforderliche Datenbasis völlig, einige benötigen zuerst 18+ Monate Datenerfassung, einige sind technisch solide, können aber nicht an die bestehende Infrastruktur angebunden werden. Ohne in technischer Realität verankerte Priorisierung bauen Teams parallel, stoßen parallel an dieselben Grenzen und stagnieren parallel. Zu wissen, mit welchen drei man anfängt, ist nicht Strategie - es ist der Unterschied zwischen Liefern und Nicht-Liefern.
What you get Was Sie bekommen
Architecture Design & Audit Architektur Design & Audit
Whether you need an architecture designed from scratch or have a plan that needs an honest evaluation - this is the starting point. I design what should be built, assess what you already have, identify what won't work, and deliver a clear written output with decisions and reasoning you can act on.
Ob Sie eine Architektur von Grund auf brauchen oder einen Plan haben, der eine ehrliche Bewertung benötigt - hier fängt es an. Ich designe, was gebaut werden sollte, bewerte was Sie bereits haben, identifiziere was nicht funktioniert, und liefere ein klares schriftliches Ergebnis mit Entscheidungen und Begründungen, mit dem Sie handeln können.
AI Investment Protection KI-Investitionsschutz
Once the architecture is defined - whether I designed it or audited yours - I build the strategy around it. Use case prioritization, infrastructure decisions (on-prem vs. cloud, storage type, deployment model), a phased roadmap, and a cost model based on real numbers - not vendor estimates or analyst projections.
Sobald die Architektur feststeht - ob ich sie designt oder Ihre bewertet habe - entwickle ich die Strategie drum herum. Use-Case-Priorisierung, Infrastrukturentscheidungen (On-Prem vs. Cloud, Storage-Typ, Deployment-Modell), eine Phasen-Roadmap und ein Kostenmodell auf Basis realer Zahlen - nicht Anbieter-Schätzungen.
AI/ML Engineering AI/ML Engineering
When the architecture is right, I build it. Production-ready ML systems, LLM pipelines, recommendation engines, predictive models - held to the same standard I'd apply in a review. If it can't run reliably in production at scale, it doesn't ship.
Wenn die Architektur stimmt, baue ich sie. Produktionsreife ML-Systeme, LLM-Pipelines, Recommendation Engines, Vorhersagemodelle - gehalten am gleichen Standard, den ich im Review anlegen würde. Was nicht zuverlässig in der Produktion im Maßstab läuft, wird nicht ausgeliefert.
Data Foundation Datenfundament
AI is only as reliable as the infrastructure beneath it. I design and implement the data pipelines, storage architecture, and processing layer that your AI systems actually depend on - built for the scale and access patterns your use cases require, not generic best practices.
KI ist nur so zuverlässig wie die Infrastruktur darunter. Ich entwerfe und implementiere die Datenpipelines, Storage-Architektur und Verarbeitungsschicht, von der Ihre KI-Systeme wirklich abhängen - gebaut für die Skalierung und Zugriffsmuster, die Ihre Use Cases erfordern, nicht für generische Best Practices.
Career journey Karriereweg
Technical Lead AI & AI Architect
Conducting AI architecture reviews and enablement strategies for companies entering AI. Evaluating proposed architectures, identifying feasibility issues, and delivering redesigns with roadmaps and cost models. Building AI capabilities in regulated environments from system audit to production-ready implementation.
Durchführung von KI-Architektur-Reviews und Enablement-Strategien für Unternehmen, die in KI einsteigen. Bewertung vorgeschlagener Architekturen, Identifikation von Machbarkeitsproblemen und Lieferung von Neugestaltungen mit Roadmaps und Kostenmodellen. Aufbau von KI-Fähigkeiten in regulierten Umgebungen von der Systemprüfung bis zur produktionsreifen Umsetzung.
Senior ML / AI & Data Engineer
Developing AI-based recommendation systems, directing LLM-driven algorithms for video processing, building predictive engines using Big Data technologies, and architecting comprehensive Feature Stores.
Entwicklung KI-basierter Empfehlungssysteme, Leitung LLM-gesteuerter Algorithmen für Videoverarbeitung, Aufbau von Predictive Engines mit Big-Data-Technologien und Architektur umfassender Feature Stores.
Senior Machine Learning Engineer
Led development of secure, scalable data storage solutions. Pioneered data augmentation strategies and authored compliance tests against US regulations for bias and discrimination in predictive hiring models.
Leitung der Entwicklung sicherer, skalierbarer Datenspeicherlösungen. Datenaugmentierungs- strategien entwickelt und Compliance-Tests gegen US-Vorschriften für Bias und Diskriminierung in prädiktiven Einstellungsmodellen verfasst.
Data Engineer, AI Product Engineering
Championed PySpark adoption reducing KPI computation from 24 hours to 18 minutes. Technical lead for pallet-loading optimization resulting in multi-million euro savings. Organized internal developer conference with 42 presentations and 79 speakers.
PySpark-Einführung vorangetrieben und KPI-Berechnung von 24 Stunden auf 18 Minuten reduziert. Technische Leitung der Paletten-Ladeoptimierung mit mehreren Millionen Euro Einsparungen. Internes Entwickler-Event mit 42 Vorträgen und 79 Speakern organisiert.
M.Sc. Computer Science
Master's thesis on real-time data acquisition and analysis architecture for medical devices using cloud services (GPA: 4.0). Bachelor's thesis on language learning game development (GPA: 4.0).
Masterarbeit zur Echtzeit-Datenerfassungs- und Analysearchitektur für Medizingeräte mit Cloud-Services (Note: 1,0). Bachelorarbeit zur Entwicklung eines Sprachlern-Spiels (Note: 1,0).
Featured work Ausgewählte Projekte
AI Enablement Review - Mittelstand KI-Enablement-Review - Mittelstand
Reviewed and redesigned the AI enablement plan for a mid-sized company before a single line of code was written. Found: an LLM integration that would have hallucinated on industrial data, storage decisions incompatible with cloud deployment, and three of seven use cases missing required training data. Delivered a new architecture that could actually be built, a prioritized use case list, phased roadmap, and a realistic cost model.
KI-Enablement-Plan eines Mittelstandsunternehmens bewertet und neu designed - bevor eine einzige Zeile Code geschrieben wurde. Gefunden: eine LLM-Integration, die auf Industriedaten halluziniert hätte, Storage-Entscheidungen inkompatibel mit Cloud-Deployment, und drei von sieben Use Cases ohne die erforderlichen Trainingsdaten. Geliefert: eine neue Architektur, die wirklich gebaut werden kann, priorisierte Use-Case-Liste, Phasen-Roadmap und realistisches Kostenmodell.
Public Sector AI Division KI-Division im öffentlichen Sektor
Designed and built a new AI division from the ground up inside a highly regulated government environment. Designed the entire infrastructure architecture for automated plausibility checking - from initial architecture decisions through production deployment - under compliance constraints that ruled out most standard tooling.
KI-Abteilung von Grund auf in einem hochregulierten Behördenumfeld konzipiert und aufgebaut. Die gesamte Infrastrukturarchitektur für automatisierte Plausibilitätsprüfungen designed - von den initialen Architekturentscheidungen bis zur Produktions-Deployment - unter Compliance-Anforderungen, die die meisten Standard-Tools ausschlossen.
Gaming Platform Architecture Gaming-Plattform-Architektur
The existing architecture couldn't support AI use cases. Redesigned the complete data and AI architecture from scratch: audited the system, identified structural bottlenecks blocking ML workloads, and designed new storage and compute layers. Delivered an AI-ready platform that finally enabled the personalization features the team had been trying to ship for 18 months.
Die bestehende Architektur konnte keine KI-Use Cases unterstützen. Vollständige Daten- und KI-Architektur von Grund auf neu designed: System geprüft, strukturelle Engpässe identifiziert, neue Storage- und Compute-Schichten designed und eine KI-fähige Plattform geliefert, die endlich die Personalisierungsfeatures ermöglichte, die das Team seit 18 Monaten zu liefern versuchte.
Predictive Recommendation Engine Prädiktive Recommendation Engine
Built a recommendation engine for a major entertainment company using Big Data technologies. Enhanced user engagement and retention through personalized content.
Aufbau einer Recommendation Engine für ein großes Entertainmentunternehmen mit Big-Data-Technologien. Steigerung von Nutzerengagement und Retention durch personalisierte Inhalte.
Pallet-Loading Optimization Paletten-Ladeoptimierung
Technical lead for optimization solution at SCHWARZ IT that resulted in multi-million euro savings by enhancing operational efficiency and reducing truck loading times.
Technische Leitung der Optimierungslösung bei SCHWARZ IT mit mehreren Millionen Euro Einsparungen durch verbesserte Betriebseffizienz und reduzierte LKW-Ladezeiten.
AI Compliance Framework KI-Compliance-Framework
Authored compliance tests against US regulations for bias and discrimination in predictive hiring models, ensuring ethical AI deployment.
Compliance-Tests gegen US-Vorschriften für Bias und Diskriminierung in prädiktiven Einstellungsmodellen verfasst, um ethischen KI-Einsatz sicherzustellen.
Technologies & expertise Technologien & Expertise
Languages & Processing
Machine Learning & AI
GenAI & LLMs
Cloud Platforms
Infrastructure & DevOps
Architecture & Strategy Architektur & Strategie
Is your AI plan ready to build? Ist Ihr KI-Plan bereit zum Bauen?
If you're planning an AI initiative and haven't had an independent architecture review, you're carrying risk you can't yet quantify. Let's talk - not a pitch, just an honest conversation about whether what you're planning will hold.
Wenn Sie eine KI-Initiative planen und noch kein unabhängiges Architektur-Review hatten, tragen Sie Risiken, die Sie noch nicht beziffern können. Lassen Sie uns reden - kein Verkaufsgespräch, sondern ein ehrliches Gespräch darüber, ob das, was Sie planen, wirklich trägt.