Java-Entwickler in Berlin

• Fachlicher Experte des Kunden für Modellierung und Entwicklung von Camunda BPMN2.0
• Entwicklung neuer Funktionalitäten und APIs und Koordination von Aufgaben
• Entwurf und Entwicklung von RESTful-APIs mit Swagger (Code First)
• Entwicklung von Soll-Entwürfen, Grobkonzepten und Anforderungsspezifikationen
• Analyse und Bewertung alternativer Lösungsansätze
• Anbindung externer IT-Verfahren (ANUBIS, SES, ZPS) via Google GCP Pub/Sub und RESTful Webservices
• Pair Programming, Code Reviews und Austausch mit API Product Ownern
• Beratung zur Transformierung alter BPMN-Workflows und Konfiguration von Camunda BPM
• BPMN und DMN Modellierung und Implementierung in kurzen Iterationen
• Betriebsunterstützung, Bugfixing und Wissensdokumentation
• Einsatz von TDD, statischer Code-Analyse mit SonarQube und Integrationstests
• Automatisierung von Testfällen in Java und Analyse von Stacktraces/Logs auf GCP-PROD
• Ermittlung und Ausführung der Testdaten und Dokumentation der Testergebnisse

Ich setze mit einem 8-köpfigen Team parallel zwei große, komplexe strategische Vorhaben um – OCFA (Plattformmigration und Konsolidierung des Warenkorb- und Checkout-Backends) und Conrad PRO (ein neues kostenpflichtiges Treue- und Mitgliedschaftsprogramm). Agentische KI-Entwicklung ist dabei die Standardarbeitsweise des Teams und kein Experiment nebenbei. Ich lege die technische Ausrichtung, Engineering-Standards und Qualitätskontrollen für beide Vorhaben fest und arbeite durchgehend selbst am Code.

Agentische Entwicklung als Auslieferungsmodell:

Ich führte die LLM-basierte Entwicklung (Claude Code, Gemini) als zentralen Team-Workflow ein und entwickelte die dafür nötigen Agenten-Tools – benutzerdefinierte Claude Code Skills mit den Coding-Standards des Teams, damit generierter Code diesen Standards entspricht, Multi-Agent-Sub-Agents für Code-Reviews und den Abgleich mit dem bisherigen System sowie einen geplanten Diff-Monitoring-Prozess, der Änderungen im Altsystem überwacht. Die CI-Build-Zeit sank um ~36%, und das Team lieferte dauerhaft etwa zwei Änderungen für den Produktivbetrieb pro Tag aus: 38 Tickets für Abgleich und Funktionen wurden in einem repräsentativen Zeitraum von vier Wochen über 39 geprüfte und zusammengeführte MRs abgeschlossen.

Verantwortung für die Qualität von KI-Ergebnissen:

Jede agentengenerierte Änderung durchlief dieselben Qualitätskontrollen wie jede andere – automatisierte Tests, Abgleich mit dem bisherigen System und SonarQube – sowie ein menschliches Review vor dem Zusammenführen. Die Agenten sorgten für mehr Tempo; für alles, was ausgeliefert wurde, blieb das Team verantwortlich.

Java-Backend & Migration mit Abgleich zum Altsystem:

Java 25 und Spring Boot 4 mit Spring Modulith, aufgebaut nach den Prinzipien der hexagonalen Architektur und DDD. Ich legte die Strategie für Shadow Testing fest, um die Übereinstimmung mit dem Altsystem sicherzustellen – einschließlich der Analyse undokumentierter Schnittstellenverträge des Altsystems und der Prüfung anhand realer Produktionsdaten – bis zur Bereitschaft für den Shadow-Abgleich vor der ersten Live-Umstellung eines Landes (Niederlande).

Unternehmensintegration:

Ich integrierte nachgelagerte Systeme (SAP, Zahlung, Preise/Angebote, Shop-Konfiguration) über Contract-First OpenAPI und Outbound-Adapter. Für asynchrone Nachrichtenverarbeitung kamen Kafka und Pub/Sub zum Einsatz.

Technologien: Java 25, Spring Boot 4, Spring Modulith, Hexagonal Architecture / DDD, Contract-First OpenAPI, Kafka, GCP Pub/Sub, SAP-Integration, PostgreSQL, GitLab CI/CD, SonarQube, Claude Code, Gemini

• Aufbau einer skalierbaren Datenplattform, die täglich Millionen strukturierter Datensätze aus mehreren Quellen verarbeitet und nahezu Echtzeitanalysen, Dashboards und sichere Berichtsexporte ermöglicht.
• Unterstützung der Geschäftsentscheidungen durch Verringerung der Latenz bei Analysen und Gewährleistung der Datenzuverlässigkeit.
• Entwurf und Einsatz von Kafka-Ingestion-Pipelines mit hoher Durchsatzrate, die täglich zuverlässig Millionen von Datensätzen für Unternehmensanalysen verarbeiten.
• Entwicklung eines verteilten, selbstheilenden Aufgabensystems auf Basis von Redis, das manuelle Eingriffe um etwa 90% reduziert und die Gesamtzuverlässigkeit der Plattform verbessert.
• Verbesserung der Schreibperformance in der Datenbank, Erhöhung des Ingestion-Durchsatzes um rund 40% und Ermöglichung nahezu Echtzeit-Datenverfügbarkeit.
• Entwicklung leistungsstarker RESTful-APIs für multidimensionale Analysen und TopN-Statistiken, die Enterprise-Teams bei der Identifikation wichtiger Trends und Anomalien unterstützen.
• Optimierung von Abfragen durch Caching, materialisierte Sichten und partitionierte Tabellen, wodurch die Latenz bei hoher Last um etwa 80% gesenkt wurde.
• Integration von rollenbasierter Zugriffskontrolle (RBAC) auf Anwendungsebene zur Durchsetzung fein abgestufter Datenberechtigungen und Gewährleistung eines sicheren API-Zugriffs sowie Compliance.
• Verbesserung der Jenkins- und AWS-EKS-CI/CD-Pipelines für Deployments ohne Ausfallzeiten und automatisierte Rollbacks, wodurch Deployment-Fehler um etwa 90% reduziert wurden.

Lehrgang mit Prüfung zum Spring Certified Professional.

• Umgebung: Spring Boot 3, Spring Framework 6, IntelliJ