Über uns

Die Entwicklungsgeschichte von INNAI: Eine Saga des technologischen Durchbruchs
Im Jahr 2022 machten wir den ersten Schritt zur Schaffung eines revolutionären Produkts – INNAI. Dieses System, das für den Handel und die Arbitrage von Kryptowährungen entwickelt wurde, startete im Testmodus und arbeitete mit einer Geschwindigkeit, die menschliche Fähigkeiten übertraf. Die Ergebnisse der ersten Generation übertrafen alle Erwartungen: Innerhalb einer Stunde bewältigte INNAI ein Handelsvolumen, das der Arbeit von 253 Tradern entsprach! Diese erstaunliche Leistung veränderte unser Verständnis der technologischen Möglichkeiten. Uns wurde klar, dass wir nur die Spitze des Eisbergs erreicht hatten, mit noch größeren Zielen vor uns – schneller, präziser und intelligenter.
Doch das war erst der Anfang. In den folgenden zwei Jahren perfektionierten wir INNAI unermüdlich und setzten mit jedem Update, jeder neuen Codezeile und jeder Feinabstimmung neue Maßstäbe. An der Spitze dieses großartigen Projekts stand unser CEO und Chefingenieur Janis Liepa, der Tag und Nacht daran arbeitete, seine Vision zu verwirklichen – INNAI zu einem Werkzeug zu machen, das mehr als 1,000 erfahrene Trader übertrifft.
Das Projekt INNAI war sein persönlicher Kampf, seine Herausforderung an die Gesetze der Physik und die menschlichen Grenzen. Tage wurden zu Nächten, und Version um Version entwickelte sich INNAI von einem einfachen Konzept zu einer leistungsstarken Handelsplattform, die Marktentwicklungen mit beispielloser Präzision und Geschwindigkeit vorhersagen konnte.
Janis Liepa
Gründer von INNERAS, Ideenschöpfer und Entwickler von INNAI

Geboren am 24.12.1973 in Riga, Lettland
Ausbildung:
Absolvent der Technischen Universität Riga
Berufserfahrung:
Entwicklung von Software mit Python und Java, Mitwirkung am Design skalierbarer Microservices-Architekturen. Spezialisierung auf Sicherheit, Durchführung von Schwachstellenanalysen und Aufbau von Schutzmechanismen auf Infrastruktur- und Anwendungsebene. Entwicklung und Optimierung von Machine-Learning-Modellen für NLP- und Computer-Vision-Aufgaben, basierend auf Deep Neural Networks mit TensorFlow und PyTorch. Beteiligung an der Bereitstellung von KI-Modellen in der Cloud mit Docker und Kubernetes.