KI-Beraterin mit Ingenieurhintergrund — ich helfe Organisationen, KI von der Präsentation zum funktionierenden Produkt zu machen: RAG-Systeme, Multi-Agenten-Workflows und die Data Governance, die sie zuverlässig macht.
Ich bin Crista Villatoro, AI Engineer & Data Consultant in Berlin. Mein Weg begann im Chemie- und Umweltingenieurwesen — ein Hintergrund, der mich gelehrt hat, komplexe Systeme in messbare, lösbare Teile zu zerlegen. Genau diese Denkweise prägt heute, wie ich Daten- und KI-Lösungen baue.
Mein erstes Jahr in Airbus-Projekten habe ich in der Halle verbracht und nicht in einem Datensatz, gemeinsam mit den Menschen, die die Flugzeuge montieren. Deshalb beginne ich jedes Datenprojekt mit der Frage, was vor Ort tatsächlich passiert.
Heute arbeite ich an Airbus-Projekten bei CIMPA (einem Unternehmen von Sopra Steria) und verantworte dort ein Data-Governance-Portfolio mit über 40 Initiativen auf Enterprise-Datenplattformen wie Palantir Skywise. Ich lege die Standards und die Dokumentation dahinter fest, führe die wiederkehrenden Kampagnen durch, die sie durchsetzen, und baue die Dashboards und Werkzeuge, die Governance messbar machen statt nur wünschenswert.
Als offiziell nominierte AI Accelerator bin ich die praktische Umsetzerin und Ansprechpartnerin für KI-Use-Cases: Ich entwickle Prototypen, Prompts, Automatisierungen und Multi-Agenten-Systeme, coache Kolleginnen und Kollegen und treibe die praktische KI-Adoption im Unternehmen voran.
Am meisten Freude macht mir, aus einer Idee schnell eine funktionierende Demo zu machen — Proof-of-Concepts, die KI für echte Geschäftsprobleme greifbar machen.
Von Enterprise-Plattformen bis zu Hands-on-Demos — Projekte, in denen ich KI-Lösungen entworfen, gebaut oder geleitet habe.
Konzeption und Leitung der Entwicklung eines KI-gestützten internen Plattformkatalogs, der verstreute Dokumentation durch eine abfragbare Single Source of Truth ersetzt. Aufbau einer Multi-Agenten-Retrieval-Architektur aus lexikalischem, vektorbasiertem und graphbasiertem Retrieval — mit quellenbelegten Antworten und nachvollziehbaren Pipeline-Schritten.
Ich habe SPARK aufgebaut: elf spezialisierte KI-Agenten, die wie ein echtes Delivery-Team arbeiten — Product Management, Solution Architecture, Daten- und KI-Engineering, Build, Security-Review, QA und Deployment — in einer Pipeline aus 15 Stationen mit menschlicher Freigabe an jeder Übergabe. Jeder Agent hat genau eine Aufgabe und übergibt ein strukturiertes Ergebnis an den nächsten; das hält die Arbeit nachvollziehbar und wiederverwendbar. Das Team läuft inzwischen im internen KI-Betriebssystem der Gruppe, sodass Kolleginnen und Kollegen die Agenten direkt in VS Code nutzen können — eine Low-Code-Version ist in Arbeit.
Ich lege fest, was Data Governance auf den Enterprise-Datenplattformen von Airbus konkret bedeutet, und halte den Bestand daran. End-to-end-Verantwortung für eine strategische Roadmap mit über 40 Initiativen — die Frameworks und die Dokumentation, die den Standard setzen, die wiederkehrenden Metadaten- und Datenqualitäts-Kampagnen, die ihn durchsetzen, und die Dashboards, Pipelines und Portale, die Governance messbar machen.
Eine Dashboard-Landschaft wächst schneller, als jemand sie zurückschneidet, und die Hälfte der Duplikate heißt nicht gleich. Ich leite das Programm, das die echten findet: strukturelle Ähnlichkeitsanalyse der Dashboard-Definitionen statt Namensvergleich, Clustering der Ergebnisse, danach die Zuordnung funktionaler Cluster gemeinsam mit Fachexperten. Eine Randbedingung hat den ganzen Ansatz geprägt: Die Analyse darf nicht gegen das laufende System arbeiten.
Kolleginnen und Kollegen kommen zu mir, um mit KI zu starten — und ich bringe sie zum Bauen. Ich gebe Hands-on-Sessions zu KI-gestützter Entwicklung mit VS Code und GitHub Copilot und erstelle Trainingsmaterial für eigene KI-Assistenten in beiden Enterprise-Ökosystemen: Google Gems (Airbus) und Microsoft Copilot Studio (Sopra Steria).
Plattformkonzept für einen Digital Product Passport im Einklang mit der EU-Batterieverordnung 2023/1542 — eine KI-Intelligenzschicht auf einem Enterprise Data Hub, mit agentischen Workflows für Regulierungs-Monitoring, Attribut-Lifecycle-Management und Audit-Vorbereitung. Die lauffähige Demo umfasst Compliance-Scoring, Gap-Analyse und Audit-Pakete, einen Merge-Assistenten für Pässe, ein Regulierungs-Radar bis 2030 und vier KI-Agenten — dazu Interoperabilität über die Asset Administration Shell.
Eine Retrieval-Augmented-Generation-Demo mit semantischer Suche und generativem KI-Chat — sie zeigt, wie LLMs Fragen auf Basis eigener Dokumente beantworten können.
End-to-end-Datenprojekte: eine dockerisierte ETL-Pipeline mit MongoDB & PostgreSQL, Cloud-Dashboards auf AWS mit Metabase, ML-Modelle für Bikesharing-Nachfrage und ein Markov-Ketten-Simulator für Kundenströme.
Meine erste Aufgabe bei Airbus begann nicht mit Daten. Sie begann in der Halle, bei den Menschen, die die Flugzeuge tatsächlich montieren. Es ging darum, das Airbus Operating System nicht auf dem Papier, sondern in der Praxis zum Laufen zu bringen: mit den Mitarbeitenden darüber sprechen, was sie aufhält, und daraus konkrete Änderungen machen — Bodenmarkierungen, die zu den tatsächlichen Wegen passen, klarere Beschilderung der Bereiche, und die Platzierung neuer Maschinen und Arbeitsplätze, bevor sie geliefert wurden.
Die andere Hälfte der Arbeit waren Menschen, nicht Layout. Ich habe mit den Teamleitungen Workshop-Formate abgestimmt, Sessions selbst moderiert und Ergebnisse und Vorschläge in der Organisation präsentiert, von den Montageteams bis zum Management. Dasselbe Material, je nach Publikum unterschiedlich erzählt.
Das ist das Untechnischste auf dieser Seite und das Nützlichste. Jedes Dashboard, das ich seitdem gebaut habe, ist von diesem Jahr geprägt: Menschen fragen, was sie wirklich tun, und merken, wenn die Antwort nicht zu dem passt, was das System sagt.
Der Stack, mit dem ich KI-Ideen vom Whiteboard über den Prototyp bis zum Enterprise-Rollout bringe.
Wo ich gebaut, analysiert und beschleunigt habe.
Offen für Rollen und Projekte in Data Science, AI Engineering und AI Consulting — besonders dort, wo aus Prototypen Produkte werden sollen.