Über Ralph Schwehr.

Seit über 25 Jahren an digitalen Geschäftsmodellen. Plattform-Skalierung, eCommerce und Growth, AI und Data. Strategie und Umsetzung in einer Person.

Ich werde typischerweise beauftragt, wenn mehrere Stakeholder involviert sind, Entscheidungen schnell getroffen werden müssen und Wirkung messbar sein soll. Umsatz, Marge oder EBIT, OPEX, Time-to-Market, Risiko oder Compliance.

Mein Anspruch ist einfach: messbarer Business-Impact, mit Governance, die Innovation ermöglicht statt sie zu blockieren.

Privat bin ich technikbegeistert, Familienmensch und am liebsten in den Bergen unterwegs. Fachlich halte ich mich nah an den Hotspots der Innovation. Das Data Science Program habe ich bei HarvardX (Harvard University) absolviert. Mein Netzwerk reicht bis ins Silicon Valley.

Ausbildung

Zwei Stationen, ein Fundament.

Wirtschaftsinformatik als Architektur. Data Science als Disziplin.

  • Harvard University, HarvardXData Science ProgramCambridge, Massachusetts
  • AKAD UniversityM.Sc. (Diplom) WirtschaftsinformatikStuttgart

Woran ich arbeite.

KI-Systeme müssen messbar sein. Evaluierung vor Skalierung.

von der Entscheidung bis in den Betrieb

Strategie und Führung

  • KI-Strategie und Operating Model
  • KI-Governance: EU AI Act, DSGVO, NIS2
  • P&L-Verantwortung und Business Cases
  • Neue Geschäftsfelder aus Service und Daten
  • Technologie-Due-Diligence
  • Veränderung bis in Vorstand und Aufsichtsrat
Rahmen
EU AI Act, DSGVO, NIS2, EU-souveräner Betrieb

Modelle

Frontier, in der Cloud
GPT, Claude, Gemini
Offen, lokal
Llama, Mistral, Qwen, GLM
Eigene
oakai:alpha10, oakai:alpha11

Feinabgestimmte offene Modelle für deutschsprachige Business-Anwendungen, auf Hugging Face.

Modellagnostisch: Ich wähle Modelle nach eigener Messung von Latenz, Kosten, Genauigkeit und Sicherheit. Prompts bleiben portabel.

LLM-Engineering

  • LLM-Architektur: RAG, Agenten, kaufen oder bauen
  • Tool Calling und strukturierte Ausgaben mit Validierung
  • Orchestrierung mehrerer Modelle mit lokalem Fallback
  • Robustheitstests für Prompts
  • Evaluierung auf Konsistenz und Bias, Blindtest mit menschlicher Referenz
  • Agentische Softwareentwicklung
  • LLMOps
Modell-Pipeline
  1. Datensatz
  2. Feinabstimmung
  3. Evaluierung
  4. Quantisierung
  5. Betrieb lokal und in der Cloud
Werkzeuge
Hugging Face, LoRA und QLoRA, MLX, GGUF, Ollama

Daten und Entscheidungen

  • Simulation und Entscheidungen unter Unsicherheit
  • Kausale Wirkung und Experimente
  • Evaluierungsdesign
  • Statistische Modellierung
  • Kennzahlensysteme, die Messfehler aufdecken
  • Datenprodukte mit Transparenz bis zur Quelle
  • Statistik und maschinelles Lernen
Werkzeuge
R, Python, SQL

Software und Plattform

  • Digitale Plattformen und Commerce
  • Multi-Tenant-SaaS mit Stripe
  • Datenplattformen und Integration über APIs
  • EU-souveräner Betrieb mit PII-Maskierung
  • Security by Design
  • Cloud und eigene Hardware
Frontend
Next.js, React, TypeScript, Streamlit
Backend
FastAPI, Flask, PostgreSQL, Firestore
Cloud und Betrieb
GCP (Cloud Run, Cloud SQL), AWS, Azure, Docker, GitHub Actions, Cloudflare

Ein Beispiel für Simulation und Entscheidungsmodelle: Der KORE-Simulator zu meinem Buch „Minimal Seed“ (Arbeitstitel) vergleicht drei Strategien über 10.000 simulierte Reisen und zeigt zu jedem Ergebnis den Rechenweg. Zur Missionssimulation →

Führung

  • Verantwortung in Übergängen und Krisen
  • Turnaround und Restrukturierung
  • Teamaufbau und Enablement
  • KPI- und OKR-Steuerung
  • Coaching und Sparring
  • Verhandlungsführung

Business-Wirkung

  • eCommerce und Marketplace-Skalierung
  • Wachstum über Neukunden und Bindung
  • CRM und Lifecycle
  • Pricing und Packaging
  • Prozess- und OPEX-Optimierung
  • PMI und Carve-out