Enterprise-Risk-Thinking und produktionsreife AI-Architektur — hinter DeepMantis steht Erfahrung mit Risikomanagement für kritische Infrastruktur, multinationaler Supply-Chain-Strategie und den Architekturentscheidungen, mit denen ein autonomer Agent sicher gegen echte Produktionsumgebungen läuft.
Managing Partner
Hamburg, Deutschland
Verantwortet die Architektur der DeepMantis-Plattform end-to-end — Agent-Orchestrierung, Sandboxing, Multi-Agent-Verification und Production-Safety-Architektur. Begann mit datengetriebener Retail-Netzwerk-Analyse bei Shell Deutschland. Hat seit dem Vollzeit-Wechsel auf AI mehrere produktive AI-Systeme auf den Markt gebracht.
LinkedIn
Managing Partner
Berlin, Deutschland
Verantwortet bei DeepMantis Risikostrategie und Engagement-Methodik — definiert, wie Scope gesetzt, Blast Radius bewertet und regulatorisches Risiko gemanagt wird. Dreizehn Jahre bei Shell, Toyota und SABMiller: Risikoregister für Raffinerie-Turnarounds, Supply-Chain-Strategie auf Landesebene und Root-Cause-Disziplin in Produktionsbetrieben.
LinkedInRisiko-Disziplin und Engineering-Rigor — drei operative Commitments, in jedem Engagement durchgesetzt.
Kein Finding ohne reproduzierbaren Exploit. Browser-basierte Verifikation, pro Run isoliert.
Scope wird signiert und SHA-256-gehasht, bevor ein Tool läuft. Out-of-Scope wird gelistet und eingehalten.
Sandboxed Execution. Scope-isolierte Agents. Sicherheit in der Architektur durchgesetzt, nicht in der Policy versprochen.