nyami.fr

Ronald Nyami

📍 Schweiz · persönliches Wissenslabor

Ich dokumentiere und teile verantwortungsvolle GenAI-Architekturen.

Mehr als 10 Jahre in Data, Machine Learning und Architektur. Ich teile praktische Patterns für GenAI, Agenten, Evaluation, Governance und Delivery in regulierten Umgebungen.

AI Architect · GenAI Data Scientist · Banking AI Delivery & Technical Leadership · Medium ↗

10+
Jahre · Data, ML & Architektur
7
Ressourcen · unabhängig oder öffentlich
1
lebende Agentic-KI-Demo · dieses Portfolio
Nyami — KI-Lösungen der nächsten Generation, quanteninspirierte Forschung, End-to-End-KI-Lösungen, generative KI und Machine Learning

Neu · Interaktives Pattern Lab

Eine RAG-Demo braucht 20 Zeilen. Ein vertrauenswürdiges KI-System braucht 20 Entscheidungen.

Eine unabhängige, wiederverwendbare Karte der wirklich wichtigen Entscheidungen: Datenzugriff, Retrieval, MCP-Tools, Agenten-Orchestrierung, Evaluationen, Guardrails und Betrieb.

RAG MCP Agentic AI LLM evaluation LLMOps
Technischen Beitrag lesen↗

Geteiltes Wissen

Öffentliche Projekte und Ressourcen

01

in-development

Dataiku-Plattform-Blueprint

Eine praktische Referenz für Umgebungstrennung, Deployment-Standards, Monitoring und Support

→ Ein wiederverwendbarer Denkrahmen für zuverlässige gemeinsame Data-Science-Plattformen, Governance-Grenzen und Betriebsverantwortung.

Referenz-Architekturdiagramm — Dataiku-Plattform-Blueprint
Architektur — Referenz
  • Dev · Test · Prod-Muster Umgebungen
  • by design Trennung
  • Monitoring + Runbooks Betrieb
  • Dataiku
  • Kubernetes
  • Python
  • Monitoring

02

in-development

Copilot-Studio-Blueprint

Ein sicheres Muster für Conversational Apps mit kontrollierter Aufnahme, Authentifizierung und wartbaren Workflows

→ Ein klarer Denkrahmen für Authentifizierung, Inhaltsaufnahme, Governance und Wartbarkeit bei Conversational Apps.

Referenz-Architekturdiagramm — Copilot-Studio-Blueprint
Zugang anfragen
  • explizite Grenze Identität
  • kontrolliertes Muster Aufnahme
  • wartbar Workflows
  • Copilot Studio
  • Power Automate
  • Identitätskontrollen
  • Kontrollierte Aufnahme
  • Dataverse

03

Paper Trading

Kontrollierte agentische Forschung (Paper)

Multi-Agent-Forschung und Paper-Trading-Validierung hinter deterministischen Risiko-, Freigabe- und Audit-Kontrollen

→ Trennung Agenten / Risk Engine — harter Kill Switch · Paper-Validierung vor echtem Kapital.

Referenz-Architekturdiagramm — Kontrollierte agentische Forschung (Paper)
Architektur — Referenz
  • v1.5.0 released
  • 608 Tests
  • 95 % Coverage
  • Python 3.*
  • LangChain / LangGraph
  • FastAPI
  • Next.js
  • Supabase

04

live

Cost Observability (diese Seite)

Wie ich agentische KI mit 5 $/Tag Budget betreibe — mit öffentlichem Kill Switch

→ KI-Budget auf den Rappen kontrolliert: Caps pro Besucher / Session / Seite, harter Kill Switch, öffentliche Kosten auf /eval.

Referenz-Architekturdiagramm — Cost Observability (diese Seite)
Architektur — Referenz
  • 5 $/Tag Site-Budget
  • 0.03 $/Tag Besucher-Cap
  • ~0.0003 $ Kosten/Antwort
  • Cloudflare Workers + KV
  • TypeScript
  • SSE-Streaming

05

geliefert

Migration Base44 → Supabase

Umbau einer EU-weiten Multi-Standort-Plattform ohne Downtime

→ Migration ohne Downtime + Abhängigkeit vom proprietären Anbieter beseitigt — geringere Betriebskosten und volle Kontrolle über den Stack zurückgewonnen.

Referenz-Architekturdiagramm — Migration Base44 → Supabase
Architektur — Referenz
  • 113 Base44-Refs → 0
  • 8 saubere Commits
  • 7 Tables + RLS
  • Vite + React
  • Supabase (Postgres + RLS)
  • Edge Functions
  • Cloudflare Pages
  • Resend

06

Produktion

Automatisierte Video-Pipeline

100+ Shorts automatisiert produziert, 4 Plattformen

→ 100+ Shorts ohne manuellen Eingriff produziert — automatisierte Multi-Plattform-Pipeline, gehaltene Publikationsfrequenz ohne menschlichen Operator.

Referenz-Architekturdiagramm — Automatisierte Video-Pipeline
Zugang anfragen
  • 100+ produzierte Shorts
  • ×4 Plattformen
  • ✓ Karaoke-Untertitel
  • Python
  • Node.js
  • ffmpeg
  • ElevenLabs
  • Chatterbox

07

veröffentlicht

20 Entscheidungen jenseits einer RAG-Demo

Eine interaktive Pattern-Karte für gesteuerte GenAI-Systeme

→ Macht aus einer Liste von KI-Tools eine prüfbare Architektur mit expliziten Kontrollen, Evaluations-Gates und Betriebsgrenzen.

Referenz-Architekturdiagramm — 20 Entscheidungen jenseits einer RAG-Demo
Architektur — Referenz
  • 20 Architekturentscheidungen
  • 5 Kontrollebenen
  • 0 Arbeitgeber-Claims
  • RAG + MCP
  • Agentic AI
  • LLM-Evaluation
  • Kubernetes + LLMOps

Capabilities

Capabilities

Erkundete Bereiche und Technologien aus persönlichen und öffentlichen Projekten.

Angewandte KI-Architektur
GenAI-Anwendungsarchitektur RAG & agentische Workflows AI-Gateway & Modell-Abstraktion Sichere Tool- & API-Integration Human Review & deterministische Kontrollen Evaluation & Production Readiness
Prototyping & Operability
Python- & FastAPI-Services Docker & Kubernetes Helm & Argo CD CI/CD & GitOps Identität, Zugriff & Secrets Monitoring & operative Praktiken
Governance & Controls
Risikoklassifizierung pro Use Case Modell-Freigabe & Lifecycle Zugriffskontrolle & Auditierbarkeit Responsible-AI-Kontrollmuster Incident Response & Rollback Kosten- & Verbrauchs-Governance
Technischer Wissensaustausch
Architektur-Facilitation Design Reviews Wiederverwendbare Patterns Technical Decision Records Zugängliche Dokumentation Wissenstransfer

Technische Praxis

Python FastAPI LangChain / LangGraph Copilot Studio Power Automate Azure AWS Databricks Dataiku Docker Kubernetes Helm Argo CD PostgreSQL

Architektur & angewandte Forschung

Power Platform governance Multi-LLM routing MCP Semantic Kernel Prompt Flow LLM evaluation frameworks OpenTelemetry patterns

Über mich

Wer ich bin

Ronald Nyami

Ronald Nyami — AI Architect & GenAI Data Scientist

📍 Switzerland

GenAI-Architekturnotizen von Ingestion bis Evaluation — als unabhängige Lernressourcen geteilt.

« Komplexe KI-Patterns verständlich, testbar und für die Community nützlich machen. »

GenAI Data Scientist und KI-Architekt in der Schweiz mit Erfahrung in Banking, Finanzdienstleistungen und Technologieberatung.

Die Inhalte behandeln Referenzarchitekturen, unabhängige Experimente, Open-Source-Werkzeuge und generische Engineering-Patterns.

Das Ziel ist Bildung: Architekturentscheidungen, Grenzen, Tests und Trade-offs für die Community nachvollziehbar machen.

Dies ist eine persönliche, unabhängige Seite ohne kommerzielles oder beratendes Angebot. Sie vertritt keinen Arbeitgeber oder Kunden und veröffentlicht keinen proprietären Code, Dokumente, Daten oder Architekturen. Beispiele sind persönlich, öffentlich oder generisch. Gebaut mit Astryx (Meta, open source).

Ausserhalb der Arbeit: Alpenwandern (Schweiz · Frankreich · Italien), Damespiel, Fussball.

Astryx v0.1.7 · Built for people and agents GitHub ↗ Storybook ↗ Sandbox ↗ Docs ↗

Berufliches Profil

KI-Architektur auf Basis von zehn Jahren Delivery-Erfahrung

GenAI Data Scientist und KI-Architekt in der Schweiz mit Erfahrung in Private Banking, Finanzdienstleistungen und Technologieberatung. Ich übersetze Geschäftsanforderungen in sichere, skalierbare KI-Designs und erläutere technische Kompromisse verständlich.

Fokus
GenAI · NLP · Machine Learning · KI-Architektur
Delivery
End-to-End-Design · technische Führung · Stakeholder-Abstimmung
Umfeld
Banking · regulierte Kontexte · vertrauliche Delivery
Plattformen
Dataiku DSS · Kubernetes · MLOps · Cloud-native Systeme

Ausbildung & Sprachen

Masterabschlüsse in Data Science, Big Data & Business Intelligence — École Centrale Paris und Université libre de Bruxelles. Englisch und Französisch: muttersprachlich oder bilingual; Deutsch: professionelle Arbeitskenntnisse; Italienisch: umfassende berufliche Kenntnisse.

Den Artikel über Production-Grade RAG auf Medium lesen ↗

Werte

Wofür ich stehe

Evidence over claims

Klare Status, nachvollziehbare Entscheidungen, messbare Ergebnisse.

Secure by design

Identität, Auditierbarkeit, Least Privilege, kontrolliertes Deployment.

Operable AI

Evaluation, Telemetrie, Kostenkontrolle, Incident Response, Rollback.

Reusable architecture

Patterns und Plattformen, die andere Teams verstehen und pflegen können.

Community

Wissen austauschen

Für den Austausch zu einem öffentlichen Artikel oder Pattern. Über diese Seite werden keine professionellen oder kommerziellen Dienstleistungen angeboten.

Live operations

Agentic Portfolio — Live-Betrieb

Echte Site-Telemetrie (öffentliche Endpoints, 60 s Refresh). Budgets und Kill Switch = persistente globale Daten.

GOVERNED

Agentische Systeme

EVALUATED

Sicher. Skalierbar. Verlässlich.

OPERABLE

Messen. Lernen. Verbessern.

TRANSPARENT

Status, Nachweise und Roadmaps offen.