Max R.-Senior Freelance-Softwareentwickler – KI | Daten | Cloud | DevOps

Ich unterstütze Dialpads Bereich Telephony Engineering als technischer KI-Berater und entwickle gleichzeitig KI-Produkte in der Praxis. Aktuell entwickle ich MCP-basierte Werkzeuge für KI-Text- und Sprachagenten: Agentenerstellung, Integrationen und Übernahme bestehender Agenten, gemeinsame Authentifizierung und API-Verträge sowie dauerhaften Workflow-Zustand. Dazu gehören Text- und Sprachtests, die das Agentenverhalten, die Latenz und die Aufgabenerledigung bewerten.

Parallel unterstütze ich Dialpads Ingenieure bei der Einführung von QualityLayer und beim effektiven Einsatz von Claude Code und Codex. Diese laufende Arbeit umfasst Kontextverwaltung für große Codebasen, wiederverwendbare Planen-Implementieren-Testen-Prüfen-Workflows mit CI/CD-Anbindung, Leitfäden, praxisnahe Workshops, Labs und Pair Programming.

Technologien: KI-Agentenprodukte (Text- und Sprachagenten, MCP, LLMs, Python, TypeScript), Agentenwerkzeuge (Erstellung, Integrationen, OAuth, dauerhafter Zustand), Qualität & Evaluierung (Text- und Sprachtests, Evals, Regression, Traces), Agentic Engineering (Claude Code, Codex, QualityLayer, Hooks, Prompts), Kontext-Engineering (RAG, Vektorspeicher, Codebase-Embeddings), Softwarebereitstellung (CI/CD-Integration, agentische Schleifen, PR-Automatisierung), Befähigung & Coaching (Workshops, praxisnahe Labs, Pair Programming)

Ich habe eine KI-Agentenplattform auf Basis von Retrieval Augmented Generation (RAG) konzipiert und umgesetzt, um klinische Dateneinblicke zu verbessern. Für LLM-Anwendungen habe ich mit CDK und Jenkins CI/CD-Pipelines eingerichtet und dadurch die Bereitstellungszeiten verkürzt. Außerdem habe ich umfassende Observability-Lösungen umgesetzt, die die Zuverlässigkeit von Agenten in pharmazeutischen Umgebungen erhöhten. Skalierbare KI-Workflows mit fortschrittlicher Orchestrierung habe ich so gestaltet, dass die Kontextverarbeitung für Unternehmensdatenquellen optimiert wurde.

Technologien: KI-Agenten (Python, LangGraph, Bedrock, Smolagents, Streamlit), LLM-Betrieb (Tracing, Testing, Evaluation, LangSmith, LangFuse), Infrastructure-as-Code (AWS CDK, Terraform, TypeScript, Jenkins), Vektoren, Embeddings, RAG (OpenSearch, pyvector, PDF Extraction)

Ich habe eine Analyseplattform für klinische Studien entwickelt, die die Zeit für operative Entscheidungen verkürzte und die Effizienz von Studien verbesserte. Dafür habe ich skalierbare Python-Microservices entwickelt, die komplexe Studiendaten zuverlässig verarbeiteten. Mit AWS CDK habe ich eine Infrastruktur umgesetzt, die Bereitstellungsaufgaben automatisierte und Cloud-Ressourcen optimierte. Außerdem habe ich effiziente ETL-Pipelines erstellt, die rohe klinische Daten in Erkenntnisse für Studienteams umwandelten. Spezialisierte LLMs habe ich trainiert und bereitgestellt, damit sie komplexe klinische Fragen beantworten und kritische Entscheidungsprozesse unterstützen.

Technologien: Large Language Models (Fine-Tuning, LangChain, Azure OpenAI), Python-Backend (FastAPI, OpenAPI, Pydantic, Open-/ElasticSearch), Infrastructure-as-Code (AWS CDK, TypeScript, CloudFormation), ETL-Pipelines (AWS Glue, Step Functions, Pandas, PySpark, Airflow)

Als unabhängiger Senior-IT-Freiberufler verbindet Max praktische Produktentwicklung mit technischer Beratung und der Unterstützung von Teams. Er entwickelt KI-gestützte Text- und Sprachprodukte, Cloud-Infrastrukturen und Datenplattformen und unterstützt Engineering-Teams dabei, Coding-Agenten effektiv einzusetzen. Seine Erfahrung umfasst KI und maschinelles Lernen, Cloud, Daten, DevOps und eingebettete Systeme – von technischen Entscheidungen bis hin zu Implementierung, Tests und Bereitstellung.

Entwurf einer Full-Stack-IoT-Datenplattform, die Umweltmesswerte zahlreicher Sensoren zuverlässig verarbeitete. Implementierung von Echtzeitanalysen für Zeitreihendaten mit Azure Databricks, wodurch die Optimierung von Prozessen zur Kohlenstoffabscheidung verbessert wurde. Entwicklung einer Low-Code-Oberfläche für Annotationen, die die Effizienz der Datenkennzeichnung erhöhte und die Entwicklung von Machine-Learning-Modellen beschleunigte. Erstellung automatisierter Datenpipelines, die eine präzise Messung der Leistung der Kohlenstoffabscheidung ermöglichten und die Klimaziele des Unternehmens unterstützten.

Technologien: Microsoft Azure (Functions, Data Lake, Event Hub, Key Vault, Entra), Datenspeicherung (PostgreSQL, Time-Series, Blob Storage, Data Lake), Datenverarbeitung (Databricks, PySpark, Python, Delta Lake), IoT (Azure IoT Hub, IoT Edge, Device Provisioning Service)

Erstellte eine Blueprint-Infrastruktur-as-Code-Architektur, die die Cloud-Migration des Unternehmens von On-Premises zu AWS beschleunigte. Entwickelte und implementierte eine sichere Netzwerkarchitektur mit Multi-Account-Strategie, die das Sicherheitsniveau verbesserte. Automatisierte serverlose Deployments mit CI/CD-Pipelines und verkürzte dadurch die Release-Zyklen. Etablierte DevOps-Best Practices, die die Produktivität der Entwickler steigerten und die Infrastrukturkosten optimierten und so die digitale Transformation des Unternehmens unterstützten.

Technologien: AWS Foundation (VPC, Transit Gateway, Direct Connect, VPN, Route53), Sicherheit & Compliance (IAM, GuardDuty, Security Hub, CloudTrail), Serverless (API Gateway, SQS, SNS, EventBridge, Python, DynamoDB), Infrastructure-as-Code (Terraform, Terragrunt, AWS CDK, YAML, HCL)

Mitgründer und Leiter der technischen Entwicklung einer IoT-Mobilitätsplattform, die Echtzeit-Zeitreihendaten zahlreicher Geräte mit geringer Latenz verarbeitete. Entwarf ein serverloses AWS-Backend, das automatisch skalierte, um Verkehrsspitzen zu bewältigen und gleichzeitig kosteneffizient zu bleiben. Implementierte Machine-Learning-Algorithmen, die die Genauigkeit der Fahrzeugerkennung verbesserten und so einen Wettbewerbsvorteil im Mobilitätsmarkt schufen. Entwickelte eine Edge-Computing-Lösung, die den Datentransfer in die Cloud reduzierte und Echtzeitanalysen in Umgebungen mit begrenzter Bandbreite ermöglichte.

Technologien: Cloud-Architektur (AWS Lambda, API Gateway, ECS, Fargate, SQS), Infrastructure-as-Code (Terraform, AWS CDK, Serverless Framework), Machine Learning (TensorFlow, PyTorch, Computer Vision, Python), Edge Computing (Nvidia Jetson, ARM, C++, OpenCV, Embedded Linux)

Bei ParkHere leitete Max das IoT-Engineering-Team und entwickelte gleichzeitig intelligente Parklösungen. Er entwarf cloudverbundene Sensornetzwerke, entwickelte ML-basierte Systeme zur Fahrzeugerkennung und erstellte Embedded-Firmware für raue Außenumgebungen. Seine technische Führung verbesserte die Zuverlässigkeit des Produkts und ermöglichte die Skalierung der Lösung über mehrere Unternehmenseinsätze hinweg.

Bei Bleenco entwickelte Max ein modulares Computer-Vision-Framework für Anwendungen im Bereich der industriellen Sicherheit. Er entwickelte KI-Modelle zur Analyse menschlichen Verhaltens, zur Emotionserkennung und zur Erkennung von Anomalien, die für den Einsatz auf Edge-Geräten optimiert waren. Seine Arbeit legte den Grundstein für die zentrale Technologieplattform des Unternehmens und ermöglichte eine schnelle Bereitstellung in verschiedenen industriellen Umgebungen.