Lorik Bajrami

AI & Cloud Solutions Architect

  • 7+ yrs
  • AWS
  • Data Platforms
  • GenAI
  • DevOps
Lorik Bajrami

AboutÜber mich

Most organisations now have two teams. One builds AI features. The other runs the cloud. Between them sits a set of decisions neither team owns: what a correct answer is and who gets to decide that, where data is allowed to live, what a request may cost, who may see what, and how any of it reaches production without a person watching it happen. That is where AI programmes stall, and no amount of model quality closes it.

Closing it is what an AI and cloud solutions architect is for, and it is what large German enterprises have brought me in to do for seven years. I make those decisions and then build to them, on AWS and Azure: the cloud architecture underneath, the data platform that feeds the system, the retrieval and evaluation design that settles what correct means, and the delivery path into production.

Consulting, but hands-on. I spend as much time on architecture decisions and their trade-offs as I do in the codebase, and I lead engineering teams rather than hand over a slide deck and leave. Today that is eight engineers, the platforms behind customer-facing applications, and a GenAI system delivering product-aware marketing translations across Europe.

In den meisten Unternehmen gibt es inzwischen zwei Teams. Das eine baut KI-Funktionen. Das andere betreibt die Cloud. Dazwischen liegen Entscheidungen, für die sich keines von beiden zuständig fühlt: was eine richtige Antwort ist und wer das festlegt, wo Daten liegen dürfen, was eine Anfrage kosten darf, wer was sehen darf und wie das alles in den Betrieb kommt, ohne dass jemand daneben sitzt. Genau dort bleiben KI-Vorhaben stehen, und keine noch so gute Modellqualität ändert daran etwas.

Diese Lücke zu schließen ist die Aufgabe eines AI & Cloud Solutions Architect, und dafür holen mich große deutsche Unternehmen seit sieben Jahren. Ich treffe diese Entscheidungen und baue dann darauf, auf AWS und Azure: die Cloud-Architektur darunter, die Datenplattform, die das System speist, das Design von Retrieval und Evaluation, das festlegt, was als richtig gilt, und den Weg in den Produktivbetrieb.

Consulting, aber hands-on. Ich verbringe so viel Zeit mit Architekturentscheidungen und deren Abwägungen wie im Code selbst, und ich führe Engineering-Teams, statt ein Foliendeck zu übergeben und zu gehen. Aktuell sind das acht Engineers, die Plattformen hinter kundenseitigen Anwendungen und eine GenAI-Anwendung für produktbezogene Marketing-Übersetzungen in ganz Europa.

ExperienceWerdegang

  1. Senior Consultant · AI & Cloud Solutions Architect

    03 | 2025 – nowheute

    Deloitte Consulting GmbH Hamburg

    • Lead a team of 8 engineers running and improving several AWS platforms that carry customer-facing applications.
    • Ich leite ein Team von 8 Engineers, das mehrere AWS-Plattformen betreibt und weiterentwickelt, auf denen kundenseitige Anwendungen laufen.
    • Designed a GenAI application delivering real-time, product-aware marketing translations across Europe, now leading its evolution into an enterprise-ready platform.
    • Ich habe eine GenAI-Anwendung für produktbezogene Marketing-Übersetzungen in Echtzeit für ganz Europa entworfen und treibe ihre Weiterentwicklung zu einer unternehmensreifen Plattform voran.

  2. AI & Cloud Solutions Architect

    07 | 2019 – 02 | 2025

    Lufthansa Industry Solutions GmbH Norderstedt

    • Led a data science team to take a GenAI application to production, and a 6-developer team building an internal cloud-abstraction platform with CI/CD.
    • Ich habe ein Data-Science-Team zur Produktivsetzung einer GenAI-Anwendung geführt sowie ein 6-köpfiges Entwicklerteam beim Aufbau einer internen Cloud-Abstraktionsplattform mit CI/CD.
    • Architected high-availability infrastructure for a decoupled web application, a Redshift data warehouse, and ETL pipelines feeding Salesforce CRM.
    • Ich habe hochverfügbare Infrastruktur für eine entkoppelte Webanwendung, ein Redshift-Data-Warehouse und ETL-Pipelines für das Salesforce-CRM konzipiert.

SkillsKompetenzen

AI & DataKI & Daten

  • Generative AI
  • Agentic AI
  • LLM Application Architecture
  • Multi-Agent System Design
  • RAG
  • LLM Orchestration (LangChain, LangGraph)
  • Databricks
  • Model Context Protocol (MCP)
  • Model Evaluation
  • Vector Databases
  • Embeddings
  • Prompt Engineering
  • AWS Bedrock
  • Azure OpenAI
  • SageMaker
  • MLflow
  • Spark
  • Delta Lake
  • Unity Catalog

Cloud & PlatformCloud & Plattform

  • AWS
  • Kubernetes
  • Event-Driven Architecture
  • Azure
  • Infrastructure as Code (Terraform)
  • Serverless
  • CI/CD
  • ArgoCD
  • Istio
  • Helm
  • Docker
  • Prometheus / Grafana

LanguagesProgrammiersprachen

  • Python
  • PySpark
  • SQL
  • Bash

CertificatesZertifikate

EducationAusbildung

  1. MSc · Electrical & Information EngineeringM.Sc. · Elektro- und Informationstechnik

    2016 – 2019

    Technische Universität Berlin

    • Focus on automation technology.
    • Schwerpunkt Automatisierungstechnik.

  2. Semester abroad · Machine LearningAuslandssemester · Machine Learning

    2017

    Imperial College London

    • Department of Electrical & Electronic Engineering, focus on machine learning.
    • Fachbereich Electrical & Electronic Engineering, Schwerpunkt Machine Learning.

  3. BSc · Electrical & Information EngineeringB.Sc. · Elektro- und Informationstechnik

    2012 – 2016

    Christian-Albrechts-Universität zu Kiel dual degreeDoppelabschluss

    • Awarded alongside a second BSc in Industrial Engineering (focus on Electrical & Information Engineering).
    • Verliehen zusammen mit einem zweiten B.Sc. in Wirtschaftsingenieurwesen (Schwerpunkt Elektro- und Informationstechnik).

ContactKontakt

The problems I find most interesting are the ones AI systems only hit at scale: inference that costs more than the feature earns, retrieval that degrades as the corpus grows, a prototype that will not survive real traffic, a platform serving many tenants that must not leak between them. If that is roughly where you are, write to me. A sentence about the system and the timeline is enough to start, and you will normally hear back within one working day.Am interessantesten finde ich die Probleme, die bei KI-Systemen erst unter Last auftreten: Inferenz, die mehr kostet, als die Funktion einbringt; Retrieval, das mit wachsendem Korpus schlechter wird; ein Prototyp, der echtem Traffic nicht standhält; eine Plattform für viele Mandanten, zwischen denen nichts durchsickern darf. Wenn Sie ungefähr dort stehen, schreiben Sie mir. Ein Satz zum System und zum Zeitrahmen genügt für den Anfang, und Sie hören in der Regel innerhalb eines Werktages von mir.

Enter a full address, for example name@example.comBitte vollständige Adresse angeben, z. B. name@beispiel.de

at least 10 charactersmindestens 10 Zeichen

* Required* Pflichtfeld

Your message is sent to my own server and forwarded to my inbox. It is not stored in a database.Ihre Nachricht geht an meinen eigenen Server und wird an mein Postfach weitergeleitet. Sie wird nicht in einer Datenbank gespeichert.