Stefan Fauth, M.Sc.
KI, Daten und Infrastruktur
Als AI Solutions Architect entwerfe, baue und betreibe ich KI-Produkte, die im Alltag funktionieren. Vierfach AWS-zertifiziert, mit einem Master in Quantitative Data Science Methods von einer deutschen Exzellenzuniversität.
Nachweise
Ausbildung, Zertifizierungen, Forschung und kontinuierliche Weiterbildung. Mein Fundament für produktive KI-Lösungen.
Zertifizierung · 2026
AWS Certified Solutions Architect Associate
Nachweis von Kenntnissen im Entwurf skalierbarer, sicherer und kosteneffizienter Architekturen auf AWS.
Zertifizierung · 2025
AWS Certified Machine Learning Engineer Associate
Nachweis fundierter Kenntnisse im Entwurf und Betrieb von Machine Learning Lösungen in der AWS-Cloud.
Zertifizierung · 2024
AWS Certified AI Practitioner
Nachweis von Grundlagenwissen zu künstlicher Intelligenz und generativer KI auf AWS.
Zertifizierung · 2023
AWS Certified Cloud Practitioner
Fundiertes Verständnis der AWS-Cloud, ihrer Dienste und grundlegenden Architekturkonzepte.
Veröffentlichung · 2023
Zero-shot audio captioning with audio-language model guidance and audio context keywords
NeurIPS 2023, Workshop Machine Learning for Audio (Oral). State of the Art im Zero Shot Audio Captioning aus meiner Masterarbeit am Tübingen AI Center, mit einer 4-fachen Steigerung des ROUGE-L Wertes.
Ausbildung
M.Sc. Quantitative Data Science Methods
Teil der ersten Kohorte eines der ersten Masterprogramme in Data Science: Quantitative Data Science Methods an der Exzellenzuniversität Tübingen. Gepaart mit einem Aufenthalt an der Korea University in Seoul.
Expertise
Auch KI-Anwendungen müssen auf einem Server laufen. Die Cloud bietet hier viele Vorteile, aber auch Kostenfallen. Durch meine Erfahrung in einer Multi-Cloud Umgebung (AWS & GCP) weiß ich, worauf zu achten ist.
Ihre Daten ändern sich im Zeitverlauf? Je nach Modell braucht KI aktuelle Daten, die über Pipelines transportiert werden müssen. Quellsysteme sind oft über das Unternehmen verteilt und müssen daher an das KI-System angebunden werden. Profitieren Sie von meinem Wissen zum kostengünstigen Bau und Betrieb von Datenpipelines, die deduplizierte Daten hervorbringen.
Ihre Daten sind als Tabelle hinterlegt? Wie kann man das meiste oder überhaupt etwas aus tabellarischen Daten herausholen, um Vorhersagen treffen zu können?
Jeder kennt ChatGPT, Claude und Gemini. Häufig fehlt das Wissen, wie unternehmenseigene Daten angebunden werden können, um wirklich von KI zu profitieren.
Daten erfordern einen sorgfältigen Umgang, sonst drohen empfindliche Klagen. Auf was sollte man achten?
Lieber Schritt für Schritt oder gleich versuchen alles zu entwickeln? Die Praxis zeigt: inkrementelle Schritte beruhigen nicht nur Budgetverantwortliche, sondern ermöglichen schnelle Feedback-Loops. Wie groß sollten die einzelnen Schritte sein, wer sollte mit an Bord sein und welche Prioritäten sind zu setzen? Gerne gebe ich Ihnen konkrete Vorschläge hierzu.
Stimmen aus der Zusammenarbeit
Was Arbeitgeber und Kollegen über die Zusammenarbeit mit mir sagen.
Empfehlung auf LinkedIn
„Stefan is one of those rare early-career talents who combines genuine technical depth with the maturity to influence well beyond his immediate scope. I am confident Stefan will continue to outgrow expectations wherever he goes next.“
Kärcher, Juli 2026
„Herr Fauth verfügt über ein hervorragendes und auch in Randbereichen sehr tiefgehendes Fachwissen, welches er in unser Unternehmen stets in höchst gewinnbringender Weise einbrachte.“
karriere tutor, 2023
„Herr Fauth verfügt über ein besonders fundiertes Fachwissen, welches er stets in gewinnbringender Weise einsetzte. Die ihm oblegenen Aufgaben erledigte er stets zu unserer vollen Zufriedenheit.“
Ich teile mein Wissen gerne
Vorträge, Workshops und Panel-Diskussionen auf Events, Meetups und Konferenzen gehören für mich dazu. Mein Wissen weiterzugeben hilft anderen Teams, Fallstricke zu vermeiden und schneller bessere KI-Produkte zu bauen.
Typische Themen:
- AI Engineering als Projektmanager: erfolgreiche Planung, Umsetzung und stabiler Betrieb
- AI Engineering als Entwickler/Architekt: Zusammenspiel von Infrastruktur, Daten, AI, Backend und Frontend
- Agentic Coding: provideragnostische, effiziente Dokumentation für sichere Ergebnisse
Über mich
Mehrere Jahre praktische Erfahrung in unterschiedlichen Branchen. Von der datengetriebenen Arbeit bei karriere tutor über die Spitzenforschung am Tübingen AI Center bis zur KI-Entwicklung bei Kärcher, wo ich bis heute arbeite. Verbunden mit einer fundierten akademischen Ausbildung in Quantitative Data Science und Machine Learning.
Mehr über mich