Mario Christ
Über mich
Staff Cloud-/DevOps-Engineer aus Hamburg, CKA-zertifiziert, seit über zehn Jahren im Infrastruktur-Bau. Unter der Woche baue ich Plattformen, am Wochenende spiele ich Tischfußball in der Bundesliga - beides ist mein voller Ernst. Mehr dazu unter Foos →
Woher ich komme
Ich habe meine Laufbahn in den sensibelsten Datenumfeldern dieses Landes verbracht: gesetzliche Krankenversicherung, öffentlicher Sektor, Versicherungen, Handel. Plattformen, bei denen ein Datenleck keine Option ist - gebaut und betrieben unter Anforderungen wie dem B3S der GKV/PV und dem BSI IT-Grundschutz.
Am deutlichsten zeigt sich das an einem Projekt: dem Cloud Native Archive bei Deepshore. Von 2018 bis 2022 haben wir dort eine cloud-agnostische, revisionssichere Archivlösung für die GoBD-konforme Langzeitarchivierung von Kassendaten gebaut - auf einem damals brandneuen Stack aus Blockchain, CockroachDB und SeaweedFS.
Die Idee und das Produkt gehören Deepshore und dem Team. Meine Rolle war die technische Realisierung: Entwicklung, Architektur, Kubernetes, CI/CD, Metriken, Betrieb.
- IDW PS 880 Wirtschaftsprüfer-Testat
- Zuse-Institut Berlin Forschungskooperation, BMWi/ZIM-gefördert
- In der Praxis umgesetzt mit METRO und Bartels-Langness
Dort habe ich gelernt, wie wertvoll es ist:
Neues so zu bauen, dass es jahrzehntealten Regeln
standhält.
Genau das mache ich heute mit KI.
Meine vollständige Vita steht auf LinkedIn →
Mein lokaler Stack
Ich rede nicht nur über lokale KI - ich betreibe sie. Real, dokumentiert, auditierbar.
- Hardware
- AMD Strix Halo (Ryzen AI Max+ 395), 128 GB unified memory. Externe RX 7900 XTX (24 GB) als eGPU über OCuLink. Headless, 24/7 in Betrieb.
- Inference
- llama.cpp Multi-Target-Build über ROCm, llama-swap für Multi-Model-Serving. Speculative Decoding aktiv - bis zu +90 % Durchsatz am 122B-Modell.
- Modelle
- Qwen 3.5/3.6-Familie: 122B MoE (Reasoning) · 35B (Vision) · 27B (Coding). Embedding + Reranking parallel für RAG-Pipelines.
- Services
- OpenWebUI als ChatUI, ComfyUI für Image-Generierung (on-demand), OmniVoice für TTS. Frontends, die den Stack bedienbar machen.
- Datenhoheit
- Mix aus lokaler und Cloud-AI-Inferenz, getrennt nach Datenkritikalität. Tailscale als Zero-Trust-Access-Layer. DSGVO-freundliche Grundarchitektur.
- Nachvollziehbarkeit
- Wiki.js + Git als Single Source of Truth - Configs, Benchmarks und Entscheidungen versioniert. Systematisches Benchmarking statt „fühlt sich schnell an“.
Was ich baue
-
unpii.me
Ich erkenne und maskiere personenbezogene Daten, bevor sie an ein Sprachmodell gehen - genau das Thema, um das es in meiner Beratung geht, hier zum Anfassen. Ein aktives Projekt, das ich laufend weiterentwickle; die Kernfunktion können Sie direkt ausprobieren.
unpii.me ausprobieren → -
tifu.mario-christ.de
„tifu“ steht für Tischfußball. Ein kleiner Dienst für die Turnierszene: Er bündelt aktuelle Turnierdaten und macht sie durchsuchbar. Läuft seit Monaten in Produktion.
tifu ansehen →
Lassen Sie uns reden.
Ob lokale KI für Ihr Problem das richtige Werkzeug ist, finden wir in einem Gespräch heraus. Das kostet nichts und verpflichtet zu nichts.
Drei typische Anlässe:
- Sie suchen europäische oder lokale Alternativen zu den drei Großen aus den USA.
- Sie wollen wissen, wo Ihr bestehendes Setup Compliance-Risiken hat.
- Sie haben einen konkreten Use Case im Kopf, den Sie umsetzen wollen.