Gösta (Von) Stebut-Freiberuflicher Software-Entwickler & Architekt

• Eigenes Produktvorhaben — AI Workspace: eine private AI-Recherche- und Wissensplattform für europäische Fachleute, die mit vertraulichem Material arbeiten — Anwälte, Berater, Compliance-Verantwortliche, Gründer. Die Prämisse: vertrauliche Dokumente sollen für AI nutzbar werden, ohne die Kontrolle des Kunden zu verlassen, und ohne dass ein US-kontrolliertes Unternehmen im Datenpfad liegt (CLOUD Act / FISA 702).
• Autonome Deep-Research-Engine: Eine mehrstufige Recherche-Pipeline, die eine Fragestellung in Teilfragen zerlegt, diese parallel über Web- und private Quellen ausführt, Ergebnisse dedupliziert und gegenprüft und daraus einen vollständig belegten Bericht erzeugt. Umgesetzt in Go mit einer adversarialen Verifikationsstufe: Jedes Ergebnis wird unabhängig angegriffen, bevor es in den Bericht darf — genau das unterscheidet ein brauchbares Rechercheergebnis von einem plausibel klingenden.
• Private Wissensbibliothek mit clientseitiger Verschlüsselung: Dokumente werden auf dem Gerät des Nutzers verschlüsselt (libsodium) und bleiben für niemanden sonst lesbar — auch nicht für den Betreiber. Das eigentliche Engineering-Problem ist, verschlüsselte Inhalte überhaupt durchsuchbar und AI-nutzbar zu machen: gelöst über eine hybride Retrieval-Schicht (pgvector-Embeddings plus lexikalische Suche) auf einem Schlüsselmodell, bei dem der Schlüssel beim Client bleibt.
• Agenten-Orchestrierung und Workflow-Automatisierung: Eine Workflow-Engine, die Agenten-Schritte, Tool-Aufrufe und externe Konnektoren verkettet. Dafür habe ich eine Send-Gate-Sicherheitsschicht entworfen und umgesetzt: Jede Aktion wird als read / write / send klassifiziert, und jeder Schritt, der Daten an Dritte hinausgeben würde, pausiert, bis ein Mensch ihn explizit freigegeben hat — wobei „nicht klassifiziert“ auf die sicherste Auslegung zurückfällt. Das ist die architektonische Antwort auf den Haupteinwand gegen autonome Agenten im professionellen Umfeld.
• Vollständige Plattform und Betrieb: Go-Services (Fiber, gRPC, Protobuf) mit Next.js-/React-/TypeScript-Frontend, PostgreSQL + pgvector, Redis, BadgerDB, S3-kompatiblem Objektspeicher. Drei Umgebungen (dev / preprod / prod) auf selbst gehosteter EU-Infrastruktur, ausgerollt über Docker Compose und Traefik, mit Prometheus / Grafana / Loki / Jaeger für Observability und einem vollständigen DSGVO-Dokumentationsdossier. Rund 20.000 Commits, allein gebaut und betrieben.

• Prototyping der SIMDA-Kernlogik (sense-infer-mind-decide-act): Aufbau des ersten Proof of Concept, der Kundenantworten erfasste und daraus Wissen in Form einer numerischen Repräsentation der „Mindgraph“-Attribute eines Kunden ableitete — Emotionen, Stile, Präferenzen. Die Herausforderung war eine kleine Codebasis mit geringen Latenzen, mit der der Gründer gleichzeitig experimentieren konnte: Ich habe das Backend in Go umgesetzt (Robustheit und Geschwindigkeit), das Frontend bewusst bei reinem HTML/CSS/JavaScript gehalten und die YAML-Konfiguration des Gründers in Code plus aufgabenspezifische Konfiguration überführt, damit Änderungen über sauberes CI/CD und Change Management laufen konnten. Ein Fashion-E-Commerce-Kunde setzte den Prototyp gegen seinen Live-Kundenstamm für Next-Best-Offer-Empfehlungen ein.
• Big-Data-Cloud-Architektur für einen Kosmetikkonzern (Azure): Zwei Jahre Beratung für einen großen Make-up-Konzern, der eine Cloud-Architektur für seinen Big-Data-Stack benötigte. Ich habe bei der Auswahl der Cloud-Dienste beraten, CI/CD für das Azure-Kubernetes-Angebot implementiert und ein vollständiges Betriebssystem aufgebaut — Metriken, Logging, Dashboards, Alerting. Für die Verwaltung mehrerer Cluster (Website und zugehörige Backend-Services) habe ich GitOps und Infrastructure as Code auf Basis von GitHub, CUE und Argo CD umgesetzt, ausgelegt auf Geschwindigkeit und Zuverlässigkeit mit automatischem Failover bei lokalen und regionalen Azure-Ausfällen.
• Führung von 5–10 Entwicklern für Low-Latency-Personalisierungs-Backends: WUNDER baute ein Low-Latency-Backend, das eine große E-Commerce-Website über die SIMDA-Logik personalisierte. Ich habe ein gemischtes Team aus Festangestellten und externen Entwicklern geführt, das ein skalierbares Go-Microservice-System auf Kubernetes für die Seitenpersonalisierung beim Erst- und Zweitkontakt implementierte. Harte Anforderung: Entscheidungen in unter 5 ms unter Produktivlast — mit einem Team, das Go parallel erst lernte. Ich habe Code Reviews durchgeführt, Gruppen- und Einzelschulungen gegeben und Testabdeckung durchgesetzt; das war der Mechanismus, der diese Kombination tragfähig machte.
• Führung von 4 Entwicklern für die Mindgraph-Datenpipelines: WUNDERs interne Wissensdaten wurden über Python-Pipelines verarbeitet. Ich habe dem Team Guidelines, Dockerfiles und Parameter bereitgestellt, um die Pipelines in beherrschbare Bausteine zu zerlegen, und um diese Bausteine herum die Workflow-Definitionen (YAML, CUE) für Argo Workflows gebaut. Daraus entstanden Workflow-Muster, die als Self-Service-Templates für die Data Scientists dienten — sie konnten anschließend ohne mich weitere Pipelines erstellen. DevOps- und Architekturunterstützung für dieses System habe ich ebenfalls verantwortet.
• Führung von 4 Entwicklern für WUNDER Playtime: Ein öffentliches, mandantenfähiges Produkt zur spielerischen Interaktion von Konsumenten mit dem Mindgraph. Unter meiner Anleitung entstand ein hochgradig anpassbares React-Frontend; als Backend wurde das bestehende SIMDA-System wiederverwendet und angepasst. Zur Optimierung des Frontends habe ich Verhaltens-Tracking über Matomo eingesetzt — die größte Schwierigkeit war, dass die Anwendung häufig in eingebetteten Custom-Browsern lief (TikTok u. ä.), in denen die üblichen Annahmen über die Umgebung nicht gelten.
• Führung von 4 Entwicklern für WUNDER Strategymind: Ein Analytics-Produkt, mit dem Kunden Auswertungen über ihre Marke, ihre Produkte und ihren Kundenstamm fahren können. Unter meiner Anleitung entstand ein React-Frontend; die bestehenden Backend-Systeme (Datenpipelines, Workflows) wurden zur Job-Verarbeitung kombiniert. Meine Spezialisierung wurde hier Prompt Engineering für die Integration von OpenAI GPT-3 und GPT-4 in diese Pipelines, umgesetzt über Go-Anwendungen gegen den Azure OpenAI Service.

• sendandstore.de: Liquid Labs entwickelt Startup-Ideen für die OTTO Group; ich wurde für die technische Leitung eines B2C-Logistik-Geschäftsmodells engagiert. Ich war direkt an der Gestaltung des Business Case, des Leistungsangebots und der operativen Abläufe beteiligt. Ich habe ein Team von 2–5 Entwicklern bei der Umsetzung der Dienste geführt und DevOps-Support für die ausgerollten Systeme geleistet. Am schwierigsten war, ein System zu bauen, während sich die Geschäftsidee laufend änderte — und gleichzeitig die Integration mit Konzerndiensten der OTTO Group (Hermes Logistik, Lagerhaltung) zu koordinieren.

• Erweiterung des Einsatzleitsystems FELIS: FELIS ist ein Einsatzleitsystem mehrerer deutscher Polizeibehörden auf einer C/C++-Basis. Ich habe es im Frontend und Backend erweitert und zahlreiche Kunden-Change-Requests umgesetzt.
• Design und Implementierung der TETRA-Unterstützung: Neue Anforderungen rund um den BOS-Digitalfunk TETRA erzwangen Designänderungen: Viele Dienste wurden in C# neu geschrieben, das alte CORBA-RPC-System durch ZeroMQ und Protobuf ersetzt. Ich habe einen großen Teil der Backend-Systeme für die neue Architektur entworfen und implementiert.
• In diesem Zusammenhang erhielt ich die VS-NFD-Ermächtigung (Verschlusssache – Nur für den Dienstgebrauch) für polizeiliche Unterlagen — 2023 abgelaufen.

Beratung und Entwicklung von Internet-Auftritten, Anbindung an interne Systeme, Netzwerk-Infrastruktur, VPN

Vortragsreihe zum Thema Business Intelligence - MS SQL Server 2005, Integration / Analyse / Reporting Services, Data Mining

Lösungsdesigner zum Thema Lawful Interception, Netzwerk-Design, Cisco, Utimaco, VPN, IPSec, Accounting

VoIP-Telefonanlagen

Sparkassen-IT, Java, Basel II Kreditrisikobewertung

Beratung zum Design einer Basel II-Kreditrisikobewertung