01 / RAG
Lokale Wissenssysteme
Retrieval-Augmented Generation für vertrauliche Dokumente und internes Wissen — mit kontrolliertem Kontext statt Datenabfluss.
Local-first AI Engineering
AI Engineer für lokale KI.
Ich entwickle private, nachvollziehbare KI-Systeme, die dort arbeiten, wo Ihre Daten liegen — von RAG und MCP bis zur belastbaren Integration in Enterprise-Anwendungen.
Expertise
KI, die in Ihre Architektur passt.
Keine isolierte Demo, sondern ein System mit klarem Datenfluss, überprüfbaren Ergebnissen und sauberer Anbindung an bestehende Anwendungen.
02 / AGENTS
MCP & KI-Workflows
LLMs werden über MCP-Server und automatisierte Workflows sicher mit Werkzeugen, Datenquellen und Prozessen verbunden.
03 / MODELS
Modelle & Daten
Klassifikation, Zeitreihen und Nachtraining: passende Modellarchitektur auf Basis von Python, Transformern und LSTM.
04 / PLATFORM
Enterprise Integration
Integration in Java-, JakartaEE- und Spring-Systeme mit REST, OpenAPI, Microservices und belastbaren Schnittstellen.
05 / MODERNIZE
Legacy Modernisierung
Gewachsene Anwendungen werden schrittweise analysiert, migriert und um gezielte KI-Funktionen erweitert.
06 / QUALITY
Engineering statt Magie
Architektur, Testautomatisierung, Performance und Observability sorgen dafür, dass aus einem PoC ein Produkt wird.
Local AI
Ihre Daten bleiben Ihre Daten.
Lokale KI bringt Modelle, Wissen und Prozesse in eine kontrollierte Umgebung. Das schafft Datensouveränität und macht Architekturentscheidungen transparent.
Vom Dokument zur belastbaren Antwort
Ein modularer Aufbau, der Quellen sichtbar macht und Komponenten austauschbar hält.
INTERNE DATEN 01
EMBEDDINGS + RETRIEVAL 02
LOKALES SPRACHMODELL 03
ANWENDUNG + MCP TOOLS 04
Datensouverän
Vertrauliche Inhalte müssen die kontrollierte Infrastruktur nicht verlassen.
⌁
Integrierbar
Anschluss an bestehende Java-, Python- und Datenbanklandschaften statt Parallelwelt.
↔
Ausgewählte Projekte
Erfahrung aus komplexen Systemen.
Von RAG-Prototypen über Cloud-Migrationen bis zu risikokritischen Bankenanwendungen.
RAG-Prototyp & JakartaEE-Migration
Deutsche Bundesbank · 2023–2024
RAG · Embeddings · Python
Java 17 · REST · OpenAPI
Risikolabor & Plattformmodernisierung
Landesbank Nord · 2024
Spring Boot · Java 17
Docker · Grafana · ArgoCD
Migration & Barrierefreiheit
BAFA · seit 2025
Spring Boot · PrimeFaces
Angular · MySQL
KI-basierter Trading-Robot
Eigene Entwicklung · 2019
LSTM · TensorFlow · Python
Docker · DeepLearning4J
Bensheim / Remote
Profil
Frank Legleitner
Freiberuflicher AI Engineer, Software-Architekt und Senior-Entwickler. Ich verbinde aktuelle KI-Technologien mit der Erfahrung aus über drei Jahrzehnten Enterprise-Entwicklung — besonders in Banken, Behörden und komplexen Datenlandschaften.
Mein Schwerpunkt: lokale RAG-Systeme, MCP-Server, LangChain und Machine Learning, integriert in robuste Java- und Python-Architekturen.
1990EDV-Erfahrung seit
Java 21Enterprise Stack
AI + ITBrücke statt Silo
Kontakt