Finde erfahrene Tech Leads in Berlin, die in Minuten aus 15.000 Lebensläufen mithilfe von KI passend ausgewählt werden

• Konzipiert, entwickelt und eingeführt eine interne Webanwendung zur Veranstaltungsplanung, die von über 100 Abteilungsleitern für eine große Veranstaltung genutzt wurde, obwohl keine dedizierte Testphase stattfand.

• Einen reibungslosen und fehlerfreien Betrieb beim ersten Live-Einsatz sichergestellt, wodurch das Tool für zukünftige Veranstaltungen übernommen wurde.

• Catering-Berechnungen und zugehörige Workflows automatisiert, wodurch E-Mail-Kommunikation und manueller Aufwand für die Essensplanung deutlich reduziert wurden.

• Bereitstellung und Hosting auf einem Linux-Server mittels Coolify verwaltet, einschließlich Einrichtung der Anwendung und Laufzeitbetrieb.

• Einen Kommunikationsdesigner im Bereich UX eingestellt und angeleitet und dabei alle technischen Entscheidungen und die Implementierung eigenständig verantwortet.

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.

• Vollständige Automatisierung des Softwareentwicklungsprozesses: Ticket-Analyse → KI-Coding-Agenten → Pull Request → automatisiertes Code-Review → Deployment
• Multi-Tenant-Architektur mit 82 Datenbankmodellen und Echtzeit-WebSocket-Monitoring
• Integration von 40+ KI-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.

• Bootstrapping eines CloudOps-Teams und Aufbau eines Multi-Cloud Provider-Backends für eine Low-Code Internal Developer Platform (IDP) mit env zero

• Einführung von User Story Mapping, ADRs, Meilensteinen und Backlog-Management

• Konzeption und Entwicklung der Kern-APIs, Setup von CI/CD-Pipelines, OpenTofu/Terraform-Skripte

• Vertretung und Kommunikation des Teams bei Third-Party Stakeholdern (z. B. env zero)

• (Cross-)Team-Coaching zu DevOps, Softwaredesign, Terraform, Golang und Agilen Methoden

• Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere 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

• 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.

• Leitete ein Team von vier Entwicklern bei der vollständigen Neuentwicklung der Heinemann iOS-App und navigierte erfolgreich durch eine sehr schlecht dokumentierte Softwareumgebung.
• Implementierte einen Frontend-First-Ansatz durch Einführung des Backend-for-Frontend-(BFF)-Musters, wodurch Frontend-Entwickler die API-Spezifikation führend entwickeln konnten, um Abstimmung und Effizienz zu verbessern.

• Projekt 1: Multi-Tenant SaaS-Plattform: Datenintegration & Preismanagement
• Ziel: Neuentwicklung einer ELT-Pipeline (Ablösung des Java-6-Altsystems), Integration heterogener Quellsysteme (CSV, Excel, E-Mail, externe DBs), Event-Sourcing für vollständige Nachvollziehbarkeit, Multi-Tenant-Architektur für mandantenfähige Datenverarbeitung
• Herausforderung: Verarbeitung von Millionen Datensätzen pro Tag, Audit-Compliance, Datenisolation zwischen verschiedenen Mandanten
• Lösung: Stakeholder-Workshops zur Anforderungsanalyse, ereignisgetriebene Architektur mit Axon Framework und Apache Kafka, AWS-Services (EC2, S3, Lambda, SQS, API Gateway) für Cloud-Integration, PostgreSQL mit mandantenspezifischen Schemas für Multi-Tenant-Datenisolation, REST-API-Design mit Spring Boot für Integration externer Systeme, umfassende Teststrategie (JUnit, Spring Test, Postman, PACT, ArchUnit)
• Ergebnisse: ELT-Leistung von über 30 Minuten auf 1–5 Minuten verbessert; täglich 2–3 Stunden durch Workflow-Automatisierung eingespart; wöchentlich 10–20 Stunden durch Event-Sourcing-Nachvollziehbarkeit eingespart; 100 % Audit-Compliance; sichere Multi-Tenant-Datenisolation für mehr als 10 Mandanten
• Projekt 2: Modernisierung eines Multi-Tenant-CRM-Systems
• Ziel: Migration des CRM-Systems (über 20 Jahre PHP/MySQL) zu Java-Microservices, Umsetzung von Domain-Driven Design, Einführung von Test-Driven Development, mandantenfähige SaaS-Architektur für mehrere Kundenmandanten
• Herausforderung: Umgestaltung komplexer Geschäftslogik, fehlende Testkultur, skalierbare Mandantenverwaltung mit Datenisolation
• Lösung: Umfassende Teststrategie (JUnit, Spring Test, Postman, PACT, ArchUnit), Multi-Tenant-Architektur mit mandantenspezifischen Datenbanken, REST-API-Design mit Spring Boot für mandantenübergreifende Integration, Kubernetes und Docker für Container-Orchestrierung
• Ergebnisse: 2× Performancesteigerung; Bereitstellungszeit von über 40 Minuten auf 5–7 Minuten reduziert; Migration ohne Ausfallzeiten in der Produktion; skalierbare Multi-Tenant-Lösung für mehr als 15 Kundenmandanten
• Technologien: Java, Spring Boot 3.x, Angular, Apache Kafka, AWS (EC2, S3, Lambda, SQS, API Gateway), PostgreSQL, Axon Framework, Kubernetes, Docker, GitLab CI, REST-API

Ich habe die Automatisierung von Cold-Outreach-Workflows realisiert.

• Entwickelt eine Queue-Architektur zur Unterstützung der parallelen Ausführung großer Mengen von Hintergrundaufgaben.
• Integriert mehrere E-Mail-Versandanbieter.
• Implementiert einen LLM-basierten Prozess zur Datenanreicherung.

Technologien: TypeScript, React, Node.js, Next.js, Drizzle ORM, PostgreSQL, Next-Auth, JWT, Docker, Kubernetes, AWS, CloudFlare, Traefik, Groq, Jest, Figma

• Arbeit an einem Kundenprojekt unter NDA
• Eingesetzter Tech-Stack:
• Backend: TypeScript, Node.js, NestJS, Express, PostgreSQL, OpenAI-API, Docker
• Frontend: TypeScript, Vue.js 3 mit Composition API, Vuetify 3, Angular, Angular Material, SCSS, TailwindCSS

• 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

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.

Geeks Ltd ist ein in Großbritannien ansässiges Technologieunternehmen; WordUp ist das KI-gestützte Sprachlernprodukt mit Fokus auf personalisiertes Vokabellernen und intelligente Lernerlebnisse.

• Koordination der KI-Produktlieferung über Product, Engineering, Data, Operations und Führung hinweg, dabei Nutzerbedürfnisse in klar abgegrenzte Initiativen übersetzen, Arbeitsschritte planen, Blocker sichtbar machen, Übergaben begleiten und Fortschritte kommunizieren.
• Verantwortung für Suche, Empfehlung, Retrieval und Content-Anreicherung end-to-end, von Anforderungen und Architektur über Implementierung mit Python/FastAPI bis hin zu Testing, Deployment, Monitoring und schneller Iteration.
• Entwicklung von Retrieval-, Ranking- und Personalisierungs-Services mit niedriger Latenz unter Nutzung von AWS, OpenSearch, DynamoDB, Embeddings und wiederverwendbaren APIs, mit <1s Latenz, 22% höherem Engagement und 12% höherer Premium-Conversion.
• Einsatz von KI-Coding-Assistenten für Codebase-Analyse, Scaffolding, Refactoring, Tests, Debugging und Dokumentation, wobei jede Ausgabe auf Korrektheit, architektonische Passung, Sicherheit, Wartbarkeit und Nutzerwert geprüft wird.
• Vertretung der technischen Arbeit in Planung und Stakeholder-Gesprächen, direkte Anforderungsaufnahme, konstruktives Hinterfragen von Prioritäten, Erklärung von Delivery-Abwägungen und Unterstützung des Teams bei ergebnisorientierten Entscheidungen.