Chief Technology Officers in Germany

Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung

• Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
• Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
• Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.

Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision

Stabilisierung einer Azure-/.NET-Landschaft im laufenden Betrieb.

• Architektur, DevOps und Betriebsfähigkeit; technische Entscheidungen unter Zeitdruck
• Azure DevOps, Monitoring, ETL/ELT, Cloud Security, FinOps und Data-Mesh-nahe Themen

Technologien: Azure DevOps, .NET, CI/CD, Monitoring, FinOps

• Transformation und globale Skalierung (MDAX gelistet)
• Stabilisierung und Professionalisierung des laufenden Wertsteigerungsprogramms
• Konsequentes Challenging der Workstreams hinsichtlich Inhalte, Zielerreichung und Fortschritt sowie Realisierung der definierten Werthebel
• Identifikation und Auflösung von Umsetzungsblockaden zur Sicherstellung der Umsetzungsgeschwindigkeit
• Bericht an den Vorstand und Aufsichtsrat

• Sichtung und Bewertung der bestehenden Situation
• Feststellen und Definieren von Umsetzungsmaßnahmen zur Behebung bestehender Lücken

• Teamführung: Priorisierung und Koordination von vier funktionsübergreifenden Teams.
• Plattformstrategie: Entwicklung und Umsetzung von Strategien zur Optimierung bestehender IT-Plattformen.
• Stakeholder-Management: Aktive Steuerung von Erwartungen und Kommunikation mit internen und externen Stakeholdern.
• Programm- und Innovationsmanagement: Priorisierung und Koordination von abteilungsübergreifenden Projekten sowie Innovationsinitiativen.
• Product-Owner-Beratung: Beratung von Product Ownern mit Fokus auf Produktentwicklung und kontinuierliche Produktverbesserung.
• Organisationsentwicklung: Verbesserung von Kommunikations- und Entscheidungsstrukturen auf allen Organisationsebenen.
• Change Management: Einsatz von Best-Practice-Methoden im Change Management, um kontinuierliche Optimierung und Innovation sicherzustellen.
• Qualitätssicherung: Sicherstellung hoher Qualitätsstandards in Prozessen, Services und Deliverables.

• Produktverantwortung für die zentrale Plattform „one“ als gruppenweites webbasiertes Kundencenter
• Koordination der Anbindung von 20 Konzerngesellschaften an die Produktplattform
• Ableitung und Steuerung einer gruppenweiten Produktstrategie und Roadmap im Einklang mit den Unternehmenszielen
• Priorisierung und Bündelung strategischer Anforderungen aus den verschiedenen Konzerngesellschaften
• Harmonisierung unterschiedlicher Interessenlagen sowie Moderation komplexer Entscheidungsprozesse auf Managementebene
• Sicherstellung der technischen und fachlichen Integration des Produkts in bestehende Systemlandschaften, Geschäftsprozesse und Geschäftsmodelle
• Aufbau transparenter Governance- und Entscheidungsstrukturen für die gruppenweite Produktentwicklung
• Repräsentation des Produkts gegenüber internen und externen Stakeholdern auf Führungsebene

Assessment der Produkt-, Delivery- und AI-Organisation mit Neuausrichtung von Operational Excellence, Zielarchitektur und AI-first Operating Model

Ausgangslage: Die Produkt- und Delivery-Organisation zeigte strukturelle Schwächen in Effizienz, Steuerbarkeit und Zusammenarbeit. Zusätzlich fehlte eine klare Zielarchitektur für eine AI-getriebene Produkt- und Organisationsentwicklung. Auf Leadership-Ebene bestand eingeschränkte Transparenz über Rollen, Verantwortlichkeiten und operative Performance.

Verantwortung & Vorgehen:

• Analyse der bestehenden Produkt-, Delivery- und Organisationsstrukturen hinsichtlich Prozesse, Governance und Steuerbarkeit
• Bewertung von Architektur und Plattform im Hinblick auf Skalierbarkeit, Zukunftsfähigkeit und AI-Integration
• Entwicklung eines Zielbilds für ein AI-first Produkt- und Delivery-Operating-Model
• Ableitung konkreter Maßnahmen zur Verbesserung von Operational Excellence und Zusammenarbeit
• Sparring mit dem Leadership-Team zur strukturierten organisatorischen Weiterentwicklung

Ergebnisse & Wirkung:

• Herstellung von Transparenz über strukturelle Engpässe, Performance und Entscheidungslogiken
• Entwicklung einer Zielstruktur für ein skalierbares AI-first Produkt- und Delivery-Setup
• Verbesserung der Entscheidungsfähigkeit und Steuerbarkeit auf Leadership-Ebene
• Schaffung einer belastbaren Grundlage für nachgelagerte Transformationsmaßnahmen
• Definition konkreter Hebel zur Verbesserung von Effizienz, Zusammenarbeit und Time-to-Market

• Coaching des CTO bei der Übersetzung der Produktstrategie in technische Strategie und der KI-Transformation der R&D-Organisation; als unabhängiger Sparringspartner für strategische und technische Themen

Verantwortlich für die technische Vision und Produktstrategie eines souveränen KI-Start-ups mit Fokus auf europäische Dateninfrastruktur und Compliance. Leitung eines funktionsübergreifenden Teams aus sieben Personen in den Bereichen Engineering, KI-Entwicklung und Operations in einer vollständig dezentralen Arbeitsumgebung.

• Definition der Produkt- und Technologieroadmap des Unternehmens, einschließlich KI-gestützter Lösungen mit integrierten Zahlungsdiensten
• Entwicklung skalierbarer Plattformarchitekturen mit Schwerpunkt auf Datensouveränität, Sicherheit und europäischer Regulierungskonformität
• Praktische Mitarbeit an der Entwicklung über den gesamten Stack hinweg sowie Einführung von Best Practices im Engineering und DevOps-Workflows
• Steigerung der Entwicklerproduktivität durch Mentoring, architektonische Beratung und Entscheidungen zu Tools
• Gestaltung der langfristigen technischen Strategie, um das Unternehmen für nachhaltiges Wachstum zu positionieren

Ich habe eine KI-gestützte Multi-Tenant-Plattform auf Azure entworfen und entwickelt, die SAP-Prozessaufzeichnungen in technische Dokumentation, Präsentationen und automatisierte Tests umwandelt und dabei über 15.000 Prozessaufzeichnungen für Unternehmenskunden wie Würth verarbeitet. Ich war verantwortlich für die Architektur, die produktiven Releases und das DevOps-Setup. Außerdem habe ich ein Multi-Tenant-System mit SSO und rollenbasierter Zugriffskontrolle auf Azure entworfen. MCP Server mit dynamischer OAuth-Authentifizierung implementiert.

Hauptaufgaben:

• Sprint-Planung und Feature-Vorbereitung
• Design der Multi-Tenant-Plattform-Architektur (FastAPI, SQLAlchemy, PostgreSQL Row-Level Security für Tenant-Isolation)
• Entwicklung von KI-Pipelines mit Prefect für Transkription (Azure Speech API), Dokumentengenerierung und SAP-Screen-Recording-Analyse (Claude, gpt-4-mini)
• Design und Implementierung eines MCP-Servers, um Tenant-Wissen für LLM-Clients (Claude) bereitzustellen, mit asynchronem Retrieval und Reranking
• Implementierung von LLM-Kosten-Tracking, Rate Limiting und Client-Pooling für Anthropic/OpenAI/Azure-OpenAI-Endpunkte
• Einrichtung von CI/CD: Docker-Images in Azure Container Registry, GitHub Actions, Azure Static Web Apps, Alembic-Migrationen in Containern
• Verwaltung von Produktions-Deployments und Durchführung von Live-Datenmigrationen für Unternehmenskunden
• Definition von Engineering-Standards und Architekturmustern für das Team

Umgebung: Azure / Azure Foundry / Python / FastAPI / Prefect / React / PostgreSQL

UEF 3.0 · Semantic Government Overlay (SGO) · Autonome Systeme (UAS / Dual-Use)

• Konzipiert: Semantic Government Overlay (SGO) – KI-geführte Verwaltung ohne Ablösung bestehender Fachverfahren. Lesender semantischer Layer über Registern und Fachverfahren auf Basis des Föderalen Informationsmanagements (FIM). Die Entscheidungshoheit verbleibt beim Sachbearbeiter (Architekturprinzip).
• Entwickelt: Referenzarchitektur mit quellenbelegten, abgeleiteten Aussagen (ausführbare Ontologien OWL/RDF/SHACL). Technisch garantierte Zweckbindung und Kein-Schreibpfad-Prinzip in Fachdaten – auditierbar, ohne zentralen Datenpool.
• Verankert: Regulatorik als Designprinzip: EU AI Act (Hochrisiko-Pflichten für Behörden-KI, Grundrechte-Folgenabschätzung nach Art. 27), DSGVO, NIS2 und verwaltungsrechtliche Automatisierungsgrenzen (§ 35a VwVfG, § 31a SGB X) als technische Kontrollpunkte in der Architektur.
• Erstellt: Methodisches Werkzeug für Pilotträger: Datenpipeline-Assessment (Phase 0), Compliance-Blueprint und Management Summary als entscheidungsreifes Paket für die öffentliche Verwaltung.
• Spezifiziert: UEF 3.0 als Nachfolge-Architektur zu TOGAF – Decision Paper kanonische Ontologie, Sechs-Schichten-Architektur, Read/Actuate-Grenze, Federation-Registry, Terminologie-Konkordanz und Release-Delta als geschlossener Spezifikationsstand.
• Architektiert: KI-natives Missions-OS für autonome UAS und Bodenrobotik als taktische Schicht über einem separat zugelassenen Autopiloten. Run-Time Assurance nach ASTM F3269-21 (Simplex-Muster): Der verifizierte Sicherheits-Controller behält die Autorität, die KI-Funktion liefert Vorschläge.
• Ausgelegt: Drei-Tier-Architektur – Tier 0 Autopilot mit 650-Hz-Flugregelung auf RTOS, Tier 1 KI-OS mit semantischem Weltmodell und Multi-Agenten-Cluster, Tier 2 Schwarm- und Boden-Mesh. Zenoh als primäre Fabric, MAVLink als einziger authentifizierter Kommandopfad (Single-Writer). Ergebnis: graceful degradation – Verlust der Mission, nicht des Fluggeräts.
• Abgesichert: Zwei-Gate-Kette auf der Read/Actuate-Grenze – Governance-Gate (Darf-Frage: AI-Act-Risikoklasse je Aktuierung, erzwungene menschliche Aufsicht nach Art. 14, unveränderliches Log) vor RTA-Safety-Monitor (Richtig-Frage: Flugenveloppe, Geofence, Energiereserve) mit Revert auf den Baseline-Controller.
• Verankert: Dual-Use-Architektur mit Common Core und Build-Time-Fork statt Runtime-Umschalter. Drei getrennte Rechtsstufen: Zivilvariante – UAS unter der EASA-Grundverordnung (EU) 2018/1139 mit der nach Art. 2 Abs. 2 AI Act eingeschränkten Anwendbarkeit, Bodenrobotik unter der Maschinenverordnung 2023/1230 mit voller Hochrisiko-Pflichtenkette, Cyber Resilience Act für beide; unbewaffnete Trägervariante als Rüstungsgut unter AWG/AWV und Dual-Use-VO 2021/821 (BAFA-Genehmigung); bewaffnete Variante unter KrWaffKontrG. Jede Ausprägung lebt unter genau einem dominanten Rechtsregime. Nachweisfundament: AI-BOM, SBOM und lückenlose Data-Lineage.
• Analysiert: Systemanalyse und Neuausrichtung gewachsener Engineering-Systemlandschaften. Vorgehenskonzept Konsolidierung ohne Migration – semantischer Layer über den Bestandsquellen statt Datenumzug. Ergebnis: entscheidungsreifes Vorgehenskonzept inklusive Bewertungsmodell für die Zielarchitektur.

• Produktentwicklung von Anfang bis Ende geleitet und die erfolgreiche Lieferung technischer Lösungen verantwortet.
• Ein Team hochspezialisierter technischer Experten geführt und begleitet und eine Kultur der Zusammenarbeit und Innovation gefördert.
• Den Einstellungsprozess gesteuert, um ein talentiertes und engagiertes Team aufzubauen.
• Ein skalierbares und robustes Backend-Microservices-System von Grund auf aufgebaut, entworfen und weiterentwickelt, um sich ändernde Geschäftsanforderungen zu erfüllen.
• Die hohe Verfügbarkeit des Systems mit 99,99 % Uptime sichergestellt und dafür eine belastbare Architektur sowie Monitoring-Mechanismen implementiert.
• Technische Strategien entwickelt und umgesetzt und sie an den Geschäftszielen und -vorgaben ausgerichtet.

Strategische Technologieberatung und Architektur-Consulting.

• Fractional CTO & Interim Management für Startups, Scale-ups und Unternehmen – technische Strategie, Teamaufbau, Architektur-Überblick und Delivery.
• Architekturberatung für cloud-native, verteilte und event-driven Systeme: Reviews, Design-Partnerschaften und laufende Beratung.
• Training zu event-driven Architektur – ein praxisnaher 2-Tages-Kurs für Engineering-Teams
• Sprecher auf Konferenzen zu verteilten Systemen