Tech Leads in Berlin

• Aufbau unabhängiger Projekte im Bereich KI/Entwickler-Tools.
• Erprobung von Produktideen, schnellem Prototyping und Validierung der Markteinführung.
• Entwicklung eines KI-nativen Betriebsmodells – unter Einsatz agentischer Pipelines, dynamischer Kontextschemata und strenger Evaluierungs-Frameworks, um den Hebel einzelner Entwickler zu vervielfachen und Umsetzungshürden zu beseitigen.

• Nutzung von OpenCode und AI-gestützter Softwareentwicklung zur Konzeption, Implementierung, Überarbeitung, Prüfung und Dokumentation einer durchgängigen RAW/SDTM/ADaM-Pipeline in R für Dr. Falk Pharma (07/2026), einschließlich metadatenbasierter Transformationen, automatisierter Validierungsregeln und QC, Rückverfolgbarkeit sowie reproduzierbarer klinischer Outputs.

Aufbau und Skalierung einer hochperformanten Unternehmens-API für Echtzeit-Adressvalidierung und Datenqualität mit Subsekunden-Latenz und 99,9 % Verfügbarkeit.

Architektur und Integration in E-Commerce-, Checkout- und Logistikprozesse führender europäischer Unternehmen. Reduzierung von Zustellfehlern und Versandkosten durch automatisierte Datenkorrektur und präzise Datenvalidierung.

End-to-End-Verantwortung für Produktstrategie, technische Architektur, Softwareentwicklung, Unternehmenskunden, Betrieb und DSGVO-konforme Datenverarbeitung. Verbindung von KI-nativen Entwicklungs-Workflows, Python, SQL, API-Integration, Datenqualität und Workflow-Automatisierung.

• CareerFoundry, ein Online-Bildungsunternehmen, 2013 gegründet.
• Die erste Version des Produkts entwickelt und das Unternehmen auf einen Jahresumsatz von 25 Mio. €, 150 Mitarbeitende und mehr als 1.000 menschliche Lehrkräfte aufgebaut.
• Einen KI-Nachhilfedienst gestartet, 10 Mio. € an Investitionen eingeworben und einen Vorstand internationaler Investoren geleitet.

• Gründete ein KI-gestütztes SaaS für Terminplanung und Geschäftsverwaltung für kleine und mittlere Unternehmen und verantwortete Technologiestrategie, Architektur, Produktentwicklung, UX, Abrechnung und Go-to-Market.
• Entwickelte und realisierte eine mandantenfähige Plattform mit REST-APIs, RBAC, CRM, Abrechnung und Benachrichtigungen für das Manager-Dashboard, die Admin-Konsole, das Buchungserlebnis und iOS-/Android-Anwendungen.
• Führte und betreute 7 Softwareentwickler, 1 DevOps-Ingenieur, 1 QA-Ingenieur und 1 UX/UI-Designer und arbeitete gleichzeitig praktisch in den Bereichen Backend, Frontend und Produktentwicklung.
• Entwickelte KI-Sprach- und Chat-Agenten mit Python/FastAPI, OpenAI- und Anthropic-APIs, RAG, pgvector und Tool-Calling; integrierte Twilio, Google Calendar/Meet, Stripe und Firebase.
• Verantwortete die Produktiv-Infrastruktur und automatisierte die Auslieferung in getrennten Umgebungen mit Docker, Nginx, GitHub Actions und Grafana; vertrat das Unternehmen bei Acceleratoren und internationalen Startup-Veranstaltungen.

Ausgewählter Tech-Stack: Python, FastAPI, Node.js, Vue 3, React/Next.js, React Native, PostgreSQL, Redis, Docker

Das MiDAS-Programm hat das Ziel, Generative KI in der gesamten BBM-Organisation zu integrieren. Meine Aufgabe ist es, die eBike-Sparte dabei zu unterstützen, Generative KI einzuführen und zu nutzen, indem ich eng mit dem MiDAS-Team in Indien zusammenarbeite.

Management:

• Die eBike-Sparte dabei unterstützen, GenAI mit passenden Lösungen einzuführen.
• Mit dem MiDAS-Team in Indien zusammenarbeiten, um Lösungen für Generative-KI-Anwendungsfälle zu entwickeln, die speziell für die eBike-Sparte relevant sind.
• Mit den eBike-Teams koordinieren, um GenAI-Systeme, Tools, Plugins und Services zu integrieren, die vom MiDAS-Team bereitgestellt werden.
• Roadmaps mit den Product Managern der eBike- und MiDAS-India-Teams planen, um Generative-KI-Lösungen bereitzustellen und zu integrieren.

• Leitete den Übergang eines IoT-Systems zur Kühlkettenüberwachung in nachhaltige interne Verantwortung bei einer ressourcenbeschränkten NGO.

• Arbeitete hands-on über verteilte AWS/Terraform-Infrastruktur, Golang-Services und Kafka Streams hinweg.

• Entwickelte eine pragmatische technische Strategie, die Systemzuverlässigkeit und organisatorische Kapazität ausbalanciert, einschließlich der Migration zur Databricks-Plattform, vom Einrichten des Cloud-Accounts bis zur technischen Ausrichtung für die Data Engineers.

• Habe Memorable umgesetzt, eine Produktions-iOS-App mit lokaler, auf dem Gerät laufender CLIP-basierter semantischer Fotosuche. Ich war für den gesamten Stack verantwortlich: Core-ML-Konvertierung, lokaler Inferenz-Pipeline, App-Store-Release und Weiterentwicklung nach dem Launch.
• Habe ein praxisnahes Framework für den KI-Einsatz entwickelt, das Workflow-Redesign, Priorisierung von Anwendungsfällen, Systemintegration, Evaluationsplanung und Human-in-the-Loop-Kontrollen abdeckt.
• Führe Gespräche zur Identifizierung von KI-Anwendungsfällen und berate Fachleute aus den Bereichen Recht, Steuern und Immobilien.

OpsWorker verwandelt Kubernetes-Alerts in Root-Cause-Analysen, zusätzlich zu dem Monitoring, das ein Team bereits betreibt. Ich leite die technische Seite: die Agentenarchitektur, die AWS-Infrastruktur, auf der das Ganze läuft (vollständig in EU-Regionen), und die Engineering-Entscheidungen dahinter, standardmäßig nur lesend im Cluster, der Mensch bleibt für die Bewertung im Loop. Der Stack darunter: Amazon Bedrock und Bedrock AgentCore, Agenten gebaut mit dem Strands Agents SDK, die Claude- und OpenAI-APIs sowie die Kubernetes-API.

• Entwicklung von GitHub Actions / Pipelines für automatisches Anwendungsdeployment
• Unterstützung bei der Bereitstellung von HELM Charts für die CI/CD Infrastruktur
• Neuaufbau und Migration eines Kubernetes Clusters mittels Rancher
• Erstellung von IaC mittels Terraform für Kubernetes und weitere Dienste (Monitoring, Datenbanken)
• Bereitstellung eines hochverfügbaren Percona Galera Clusters (MySQL)
• Implementierung einer zentralen Monitoring und Logging Infrastruktur

• Vollständige Automatisierung des Softwareentwicklungsprozesses: Ticket-Analyse → AI Coding Agents → Pull Request → Automatisiertes Code Review → Deployment
• Multi-Tenant-Architektur mit 82 Datenbankmodellen und Real-Time WebSocket Monitoring
• Integration von 40+ AI-Tools mit Claude & GPT
• Tech-Stack: React, TypeScript, Express.js, PostgreSQL, Redis, BullMQ
• Plattform produktiv im Einsatz mit zahlenden Kunden

• Aufbau eines Full-Stack-E-Commerce-Produkts mit KI-unterstützter Entwicklung, bewusst zurück zur praktischen Entwicklung, um zu prüfen, wie KI Softwareentwicklungsabläufe und Teamdynamiken verändert.
• Erkundung von Positionen als VP Technology, Head of Engineering und Director of Engineering, in denen praktische KI-Erfahrung auf Expertise bei der Skalierung von Organisationen trifft.
• Offen für Beratungsgespräche zu KI-gestützten Engineering-Teams, Technologiestrategie, Plattformarchitektur und Organisationsdesign.
• Keine eingetragene Firma. Keine kommerzielle Tätigkeit.

Leitete das Backend Engineering in den Kerndomänen (Haupt-Backend, Benachrichtigungen, medizinische Wissensdatenbank, Ergebnisverarbeitung) und verantwortete die Qualität der Lieferung, das Teamwachstum und die Engineering-Standards.

Hauptergebnisse

Bereitgestellt wurde eine flexible No-Code-Mitgliederplattform (Preise, Pakete, Laufzeiten), die kommerzielle Änderungen ohne Ingenieurbeteiligung ermöglicht und Mitgliedsstufen im Laufe der Zeit konsistent hält.

Aufgebaut wurde ein leistungsstarkes Backend-Team durch Mentoring, Coaching der Ingenieure zu eigenständigen Mitwirkenden und Erstellung von Onboarding-Dokumentation, die ein schnelles Hochfahren ermöglichte.

Skalierte das Team von 2 auf 5 Ingenieure, während Liefergeschwindigkeit und Codequalität erhalten blieben; verantwortlich für Recruiting-Prozesse und Onboarding.

Eng mit dem Produkt-Team zusammengearbeitet, um Machbarkeit im Design zu beurteilen, Arbeit zu priorisieren und pragmatische Kompromisse zwischen Geschwindigkeit, technischem Schuldenstand und langfristiger Wartbarkeit zu finden.

Tests und Einfachheit als Standard institutionalisiert, hohe Testabdeckung und einen „Simple-First“-Architekturansatz durchgesetzt.

Technologie & Vorgehensweisen

Stack: Node.js (TypeScript), Express, PostgreSQL; Microservices (Node & Go); ereignisgesteuerte asynchrone Jobs.

Vorgehensweisen: Tests als Release-Gate, leichte Design-Reviews, iterative Lieferung, dokumentationsbasiertes Onboarding.

Compliance & Sicherheit: Umsetzung der Empfehlungen des Datenschutzbeauftragten (DSGVO und deutsche Gesundheitsvorschriften) geleitet.

• Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte und bessere Transparenz und Reproduzierbarkeit

• Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur

• Pipeline-Orchestrierung mit Azure Data Factory

• Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions

• Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)

• Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses

• Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs

• Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS Sharepoint, Mural