Erfahrungen
Softwareentwickler
FSM Rechtsanwälte
- Entwicklung AWS-basierter Komponenten, die Python-Backend-Services mit React/TypeScript-Frontends verbinden.
- Verbesserung von Datenbankabfragen und Anwendungs-Workflows für die Dokumentenverarbeitung und -prüfung.
- Bewertung von LLM-Retrieval- und Dokumentenprüfungs-Workflows als Teil des Produkt-Stacks.
Enterprise AI Lab
Python, FastAPI, PostgreSQL, pgvector, Docker
Entwicklung einer unternehmensweiten RAG-Evaluierungs- und Bereitstellungsplattform mit FastAPI, asynchronem SQLAlchemy, PostgreSQL, pgvector und Docker Compose.
Implementierung der PDF-Verarbeitung: Seiten extrahieren, Text in Abschnitte aufteilen, Embeddings asynchron anfordern und Abschnittsvektoren mit Dokumentmetadaten speichern.
Hinzufügen von Ähnlichkeitssuche sowie separaten Modulen für Retrieval-, Generierungs- und Leistungsevaluierung. Benchmark-Datensätze können Modelle und RAG-Konfigurationen vergleichen.
Definition einer Anbieter-Schnittstelle für lokales Ollama, vLLM-kompatible Endpunkte und AWS Bedrock. Tests decken Abschnittsbildung, Retrieval, Verarbeitung, Anbieteraufrufe und Suchkonfiguration ab.
AI Pipeline
Python, LangGraph, MCP, SQLite
Implementierung eines Manager/Worker/Reviewer-Workflows für begrenzte, modellgestützte Aufgaben. Umfangs- und Richtlinienprüfungen werden durchgeführt, bevor ein Tool-Adapter eine Anfrage ausführt.
Bereitstellung der JSON-RPC-Methoden tools/list und tools/call über einen MCP-Service. Tool-Aufrufe werden validiert und liefern sowohl Text als auch strukturierte Ergebnis-Payloads zurück.
Modellierung von Ausführungs-, Aufgaben- und Freigabestatus in Python-Datenklassen. SQLite speichert Laufzeitdatensätze; JSONL ist die maßgebliche Quelle für Audit-Ereignisse.
Hinzufügen von 900+ automatisierten Tests sowie Ruff- und mypy-Prüfungen für Richtlinienentscheidungen, Freigaben, Ereigniswiedergabe, Persistenz, Tool-Adapter und Fehlerbehandlung.
Agent Security Evals
Python, GitHub Actions
Parsen von JSON-Fixtures in typisierte Tool-Anfragen und erwartete Entscheidungen. Der Evaluator lehnt doppelte Fall-IDs und fehlerhafte Felder vor der Richtlinienbewertung ab.
Rückgabe von Entscheidungen für Tool-Aufrufe von Agenten: erlauben, blockieren oder Freigabe erforderlich. Jedes Ergebnis enthält eine stabile Regel-ID und eine Begründung.
Erstellung von JSON- und Markdown-Berichten über einen CLI-Befehl. GitHub Actions führt die Python-Testsuite aus und erstellt den Fixture-Bericht.
Leitender Softwareentwickler
Schweinhammer Rechtsanwalt
- Konzeption und Umsetzung einer KI-gestützten Anwendung zur Dokumentenverarbeitung mit Python-Services, REST-APIs, React/TypeScript, MongoDB/DocumentDB und AWS.
- Entwicklung von Validierungsregeln, Workflows zur Zustandsverwaltung und Schnittstellen für Rechts- und Beschaffungsdokumente.
- Aufbau asynchroner Verarbeitung mit Amazon SQS und Integration externer Verifizierungsdienste mit klar definierten Erfolgs- und Fehlerzuständen.
- Verantwortung für Architektur, Implementierung, Tests und Debugging in Produktionsumgebungen über Backend, Frontend, KI und Infrastruktur hinweg.
RustFlow distributed data service
Rust, Axum, PostgreSQL, NATS
Eine Axum-API für mehrteilige CSV-Uploads und asynchrone SQL-Jobs entwickelt. PostgreSQL speichert Metadaten zu Datensätzen, Jobs, Aufgabenstatus, Leases und Verweisen auf Ergebnisse.
CSV-Dateien in Partitionen nach Zeilenanzahl aufgeteilt, Quell- und Partitionsobjekte in MinIO gespeichert und NATS JetStream verwendet, um Partition-Aufgaben an Rust-Worker zu übergeben.
Partitionsabfragen mit DataFusion ausgeführt. Die Worker schreiben Aufgabenergebnisse vor dem Abschluss, und der Koordinator erstellt das zusammengeführte Jobergebnis.
Worker-Leases, Abbruch, typisierte API-Fehler und die Verarbeitung von Idempotency-Key hinzugefügt, sodass eine wiederholte Jobanfrage den ursprünglichen Job oder einen Konflikt zurückgibt.
OpenAPI-Dokumentation, Request-IDs, Prometheus-Metriken, OpenTelemetry-Tracing, Docker-Compose-Bereitstellung, Python-Client-Tools und Integrationstests eingerichtet.
Tender Document Intake & Classification Platform
- Die Entwicklung einer Python/FastAPI-Anwendung für den Dokumenten-Upload, den Verarbeitungsstatus, die LLM-gestützte Klassifizierung und Entscheidungen von Prüfern geleitet.
- Lang laufende Aufgaben über S3, Lambda und SQS verarbeitet. MongoDB speicherte Verarbeitungsstatus, Klassifizierungsergebnisse und Änderungen der Prüfer.
- Ein in SageMaker gehostetes LLM in den Verarbeitungsablauf eingebunden und erfolgreiche, fehlende, abgelaufene und fehlgeschlagene Zustände für die Benutzeroberfläche erfasst.
- CloudWatch-Logs und -Metriken verwendet, um Fehler über API, Worker, Speicher, externe Verifizierungsdienste und die Modellintegration hinweg zu untersuchen.
Freiberuflicher Softwareentwickler
Fintech client project
- Python-Webservices und REST-APIs für Fintech- und bankbezogene Abläufe entwickelt.
- In AWS gehostete Komponenten entwickelt, die Frontend-Anwendungen, Backend-Services, Datenbanken und externe Anbieter verbinden.
- Bereitstellung, Fehlerbehebung in der Produktion, Tests und Servicekonfiguration für verteilte Anwendungskomponenten unterstützt.
Praktikant für Machine Learning
NLABTEAM
- NLP-Pipelines für Chatbot-Anwendungen entwickelt und ML-Komponenten in eine bestehende Anwendungsarchitektur integriert.
Technischer Berater
Independent
- Python-ETL-Pipelines entwickelt und Migrationen von Docker- und Kubernetes-basierten Services unterstützt.
- Zu Backend-Architektur, Infrastruktursicherheit, Bereitstellungsprozessen und sicherem Umgang mit Daten beraten.
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Informationstechnologie (IT), Professionelle Dienstleistungen und Bank- und Finanzwesen.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung und Qualitätssicherung.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Roman ist in Wien, Österreich ansässig.
Roman spricht folgende Sprachen: Russisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher).
Roman hat mindestens 6 Jahre Erfahrung. In dieser Zeit hat Roman in mindestens 5 verschiedenen Rollen und für 10 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 7 Monate. Beachten Sie, dass Roman möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Roman gut geeignet für Rollen wie: Softwareentwickler, Leitender Softwareentwickler, Freiberuflicher Softwareentwickler.
Die neueste Position von Roman ist Softwareentwickler bei FSM Rechtsanwälte.
In den letzten Jahren hat Roman für FSM Rechtsanwälte, Enterprise AI Lab, AI Pipeline, Agent Security Evals und Schweinhammer Rechtsanwalt gearbeitet.
Roman hat die meiste Erfahrung in Industrien wie Informationstechnologie (IT), Professionelle Dienstleistungen und Bank- und Finanzwesen.
Roman hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Qualitätssicherung.
Roman hat kürzlich in Industrien wie Informationstechnologie (IT), Professionelle Dienstleistungen und Bank- und Finanzwesen gearbeitet.
Roman hat kürzlich in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Qualitätssicherung gearbeitet.
Roman hat einen Bachelor in Computer Science von University of Vienna und einen Bachelor in Physics von Moscow Institute of Physics and Technology (MIPT).
Roman ist sofort vollzeit verfügbar für passende Projekte.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Max D.
Letzte Position:
Senior Software Engineer bei Ynfinite
Senior Software Engineer mit zentraler Rolle in der Architektur und Produktentwicklung von Ynfinite, einem europäischen Konkurrenten von Webflow (Website-Builder und CMS).
- Architektur und Entwicklung eines Flow-basierten CMS-Konfigurationssystems mit React Flow, eigenem Graph-Zustand sowie Interaktionen mit Knoten und Kanten.
- Entwicklung eines flexiblen visuellen Freeform-Editors mit rekursivem Drag-and-drop, Rich-Text-Bearbeitung und Datenbindungen.
- Entwicklung erweiterbarer Inspektor- und Referenzsysteme für Seitenlinks, Komponenten und Assets.
- Entwicklung erweiterter CMS-Funktionen, darunter interaktive Karten, Bearbeitung von Inhaltstypen und mit CRM verbundene Formulare.
- Technologien: TypeScript, React, Nest.js, Express.js, Prisma, PostgreSQL, Redis, BullMQ, Tailwind, Radix UI, TanStack Router
Serge K.
Letzte Position:
Data Scientist & MLOps (Machine Learning Operations) bei REWE Digital GmbH
- Es handelt sich um ein Startup innerhalb von REWE, in dem wir ein neues Prognosesystem auf der Google Cloud Platform von Grund auf aufbauen müssen. Obwohl meine offizielle Rolle MLOps heißt, umfassen meine tatsächlichen Aufgaben auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) und Aufgaben eines Data Scientists wie Feature Engineering und Modelltraining.
- GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
- Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT zur Implementierung von Datenmodellen
- CI/CD: GitLab. Wir haben eine CI/CD-Pipeline entwickelt, die die Bereitstellung neuer Releases bis in die Produktionsumgebung automatisiert.
- Entwicklung eines Feature Stores und Datensynchronisierung zwischen Umgebungen
- Data Science: Bewertung verschiedener Prognosemodelle, darunter CatBoost, Contextual Gamma und Random Forest; Implementierung von Trainingspipelines mit Kubeflow auf Vertex AI; Skalierung und Entwicklung einer ereignisgesteuerten Schnittstelle mit Kafka als Prognoseservice; Bewertung von MLFlow für Modellverfolgung und Modellregister
- Implementierung einer REST-API mit KeyCloak OAuth2 und OpenID (JWT)
- Monitoring: Implementierung von Dashboards mit Grafana, Prometheus, Mimir, Streamlit und Loki zur Überwachung von Prognosemetriken, GCP- und Snowflake-Kosten für Pipelines sowie Systemmetriken
- Entwicklung von Copilot Agent Skills
Eli R.
Letzte Position:
Technical co-founder bei AskTheLaws
- Aufbau eines KI-Rechtsassistenten mit modernen ML-Fähigkeiten.
- Implementierung einer RAG-Architektur mit Datenpipelines für die Suche in Rechtsdaten.
- Einsatz von AWS Bedrock für LLM- und Embedding-Modelle sowie LangChain/LangGraph
- Python mit FastAPI für das Backend und React für das Frontend
Marcel M.
Letzte Position:
Cloud-Architekt, Senior Solution Architekt, Senior Software Engineer bei Zuordnung von KPIs für die Service-Landschaft zur Erfassung und Analyse der Kosten pro Nutzer
- Technologien: GoLang, JavaScript, TypeScript, AWS, Terraform, Git
- Konzeption der AWS-Infrastruktur und vorhandener Dienste
- Analyse der IAM-Konten und -Rollen
- Einrichtung von Cost Explorer und CloudWatch-Monitoring
- Einrichtung der Persistenz gesammelter Daten in DynamoDB und S3
- Reporting und Kostenberechnung
- Konzeption der Terraform-Bereitstellung
Tobias J.
Letzte Position:
Konzeption eines AI-Agenten basierten ERP-Systems
- Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
- Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
- Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
- Planung der Agentenorchestrierung
- Prototypenentwicklung- und Demonstration
Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als Softwareentwickler
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Wien, Österreich arbeiten
