Android Studio Experten

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

• Planung und Entwicklung einer CPU-Monitoring-Anwendung zur Überwachung von Systemleistung und Ressourcenauslastung.
• Entwurf und Implementierung eines Spring-Boot-Backends mit REST-API zur Verarbeitung und Bereitstellung von Monitoring-Daten.
• Entwicklung des React-Frontends zur übersichtlichen und benutzerfreundlichen Darstellung der Monitoring-Informationen.
• Integration von PostgreSQL für die persistente Speicherung und Verwaltung der Anwendungsdaten.
• Containerisierung der Anwendung und ihrer Dienste mit Docker Compose.
• Automatisierte Bereitstellung und Deployment der Infrastruktur mit Terraform auf AWS.
• Strukturierung der Anwendung als modernes, wartbares System mit REST-basierter Kommunikation zwischen Frontend und Backend.
• Entwurf und Entwicklung einer sicheren, skalierbaren CPU-Monitoring-Architektur (cpu-watcher) mit einer separaten Collector-Anwendung, die Monitoring-Daten an das Backend streamt und so die direkte Exposition von Systemressourcen reduziert.
• Entwurf einer sicheren Cloud-Infrastruktur mit in ein privates Netzwerk ausgelagerter Datenbank und OIDC-basierter Authentifizierung.
• Umsetzung von Infrastructure as Code mit Terraform und Integration versionskontrollierter CI/CD-Pipelines zur Automatisierung von Tests, Infrastrukturänderungen und Anwendungsdeployments.
• Entwurf und Implementierung der Frontend-Auslieferungsarchitektur mit AWS CloudFront.

Stack: Spring Boot · React · PostgreSQL · REST API · Docker Compose · Terraform · AWS

• QA-Leitung für die durchgängige Qualitätssicherung der Banking-Apps Sparkasse & Sparkasse Business (iOS/Android); Konzeption und Umsetzung der Teststrategie einschließlich funktionaler Tests, Regressionstests und UAT für eID, Push-Benachrichtigungen und White-Label-Komponenten
• Erstellung und Pflege von Testkonzepten und Testplänen in TestRail; strukturiertes Fehlermanagement und Fehleranalyse; Stakeholder-Management sowie Risikomanagement zur frühzeitigen Identifikation kritischer Qualitätsrisiken
• Barrierefreiheitstests gemäß WCAG 2.1 (iOS/Android); Koordination KI-gestützter Testautomatisierung und Optimierung der Testprozesse zur Verkürzung der Release-Zyklen
• Release-Management: Planung, Steuerung und Koordination aller Testaktivitäten; Statusberichte für Management und Stakeholder; Qualitätsbewertung von Releases und Freigabeempfehlungen im agilen Scrum-Umfeld
• Herausforderung: Hochkomplexer Build- und Release-Prozess über mehrere Sparkassen-Institute hinweg; enge Abstimmung mit dem DevOps-Team zur Stabilisierung der CI/CD-Pipeline und Sicherstellung reproduzierbarer Test-Builds vor jedem Release.

Tools: Jira, Confluence, TestRail, Android Studio, Xcode, Firebase, Jenkins, GA4

• Erfolg: Erfolgreicher Livegang des eID-Authentifizierungsverfahrens - Qualitätssicherung für 50+ Sparkassen-Institute gewährleistet

• Titel: Verbesserung des syntaktischen Bewusstseins in Transformer-Sprachmodellen für das Hindi-Dependency-Parsing
• Untersuchung des syntaktischen Wissens, das Transformer-Sprachmodelle (RoBERTa, XLM-RoBERTa) für das Hindi-Dependency-Parsing erfassen, einer morphologisch reichhaltigen und ressourcenarmen Sprache.
• Entwicklung strukturbewusster Modellvarianten (Struct_Roberta_hi, Struct_XLMR) durch Integration eines CNN-basierten Parser-Netzwerks zwischen den Transformer-Schichten, inspiriert von der StructFormer-Architektur.
• Durchführung umfangreicher Fehleranalysen einschließlich Auswertungen nach Label, Distanz, Richtung, Satzlänge sowie LVC/Non-LVC.
• Evaluierung der Modelle bei nachgelagerten NLP-Aufgaben (NER, POS-Tagging) unter Verwendung des IndicXTREME-Benchmarks.

• Gesamtverantwortung für den Projektlebenszyklus von der Umfangsdefinition bis zum Abschluss
• Enge Zusammenarbeit mit Plattform-Teams, IT-Führungskräften und externen Dienstleistern
• Anwendung von SAFe-Prinzipien und strukturierte Sprint-Arbeit
• Erstellung eines Migrationsfahrplans mit klaren Meilensteinen
• Überwachung des Lifecycles: Onboarding, Repository-Migration, Replikation von Berechtigungen und Systemtests
• Visualisierung der Architektur mit PlantUML und Gliffy sowie Dokumentation in Confluence
• Regelmäßige Statusberichte und Durchführung von Wissenstransfer-Sessions

• Durchführung und Auswertung von Webanalysen
• Erstellung und Bearbeitung von Tags und Skripten im Bereich Tag Management sowie von Bannern und weiteren clientseitigen Web-Elementen im Bereich Consent Management
• Verwendete Technologien in der Entwicklung: Tealium, JavaScript, IntelliJ, Git, Android Studio, Selenium, Appium, Adobe Analytics, Power Automate, Power App

• RLHF & Modellbewertung: Large-Language-Model-Antworten (LLM) anhand von Genauigkeit, Qualität der Argumentation, Sicherheitsrichtlinien und sachlicher Richtigkeit bewertet, eingeordnet und verbessert.
• Datenannotation & Prompt Engineering: Hochkomplexe Prompts, Edge-Case-Szenarien und Referenzantworten in Goldstandard-Qualität erstellt, um generative KI-Modelle zu trainieren und zu fine-tunen.
• Qualitätssicherung & Verifikation: Sorgfältige Faktenprüfung, Validierung der logischen Konsistenz und Optimierung von mehrstufigen Antworten durchgeführt.

• Skalierbare, hochverfügbare und fehlertolerante Systeme auf AWS entwerfen, bereitstellen und verwalten.
• Docker-Images für verschiedene Anwendungen und Services entwickeln und pflegen.
• Kubernetes-Cluster für die Container-Orchestrierung verwalten und dabei eine effiziente Ressourcennutzung und Skalierbarkeit sicherstellen.
• Systemleistungsprobleme überwachen und beheben, um eine optimale Performance und Verfügbarkeit sicherzustellen.
• Mit Entwicklungsteams zusammenarbeiten, um Anforderungen an die Anwendung zu verstehen und Infrastruktur-Lösungen bereitzustellen.
• Sicherheitsbest Practices für Infrastruktur, Anwendungen und Daten umsetzen.
• Systemdokumentation, Abläufe und Prozesse pflegen und verbessern.
• Teammitglieder bei Best Practices für Cloud-Infrastruktur und Containerisierung unterstützen und anleiten.
• Mich über die neuesten Branchentrends und Best Practices in Cloud Computing, Containerisierung und DevOps auf dem Laufenden halten.

• Analyse und Optimierung von Geschäftsprozessen in der Finanzbuchhaltung
• Customizing in SAP FI (z. B. Buchungskreise, Kontenpläne, Zahlungen)
• Integration mit anderen Modulen wie CO, MM, SD
• Beratung zu gesetzlichen Anforderungen (z. B. GoBD, UStG)
• Unterstützung bei Monats- und Jahresabschlüssen
• Erstellung von Testplänen (Systemtest, Integrationstest, UAT)
• Definition von Testfällen (z. B. Buchungen, Zahlläufe, Mahnläufe)
• Auswahl geeigneter Testdaten und Szenarien
• Manuelles Testen von Buchungsprozessen (z. B. Debitorenrechnung, Zahllauf)
• Validierung von automatischen Buchungen (z. B. bei MM-Gutschrift)
• Überprüfung von Schnittstellen (z. B. zu Subsystemen oder Non-SAP-Lösungen)
• Dokumentation von Fehlern im Testtool (z. B. Jira, ALM)
• Analyse & Rückmeldung an Entwickler oder Customizing-Team
• Retest nach Fehlerbehebung
• E2E-Tests mit SAP Solution Manager (SOLMAN)
• Einsatz von Tools wie SAP CBTA oder Micro Focus UFT

• Analyse
• Beratung
• Software-Design
• Entwicklung
• Automatisierung
• Testen
• Deployment
• Architektur, Entwicklung und Bereitstellung verschiedener Proof-of-Concept-Anwendungen rund um die Integration aktueller KI-Schnittstellen, inklusive Gespräch, Echtzeit-Voice, Bilder und Videos
• Best Practices für die Arbeit mit agentischen Systemen und KI in der Praxis entwickelt
• Code-Vorlagen erstellt

• Technische und fachliche Leitung der Software- und ML-Entwicklung; weitgehend eigenständige Umsetzung der Programmierung und Koordination des Teams sowie externer Projektpartner
• Entwurf, Erstellung und Aufbereitung von Trainings- und Testdatensätzen aus experimentellen Bilddaten und Simulationen
• Auswahl, Implementierung, Training, Validierung und Test von neuronalen Netzen für bildbasierte Rekonstruktion und Transformation
• Systematische Bewertung, Vergleich und Optimierung verschiedener Modellarchitekturen (Convolutional Neural Networks, Generative Adversarial Networks, Autoencoder, Transformer)
• Konzeption und Implementierung von Explainable AI-Analysen zur Beurteilung der Modellinterpretierbarkeit und Robustheit (Analyse von Feature Maps, Augmentationsstudien, Guided Backpropagation)
• Vorstellung der entwickelten Methoden und Ergebnisse in Projektmeetings und auf internationalen Konferenzen

• Atlassian & Business Experte
• Leitung 1st, 2nd Level und 3rd Level Support, Prozessabbildung, Prozessoptimierung, Einführung eines Projektstandards (Global User Management und Dokumentation) und Entwicklung einer Kollaborationsplattform für die Optimierung der Zusammenarbeit, Datenmanagement, Reporting, ERP-Transformation
• Der Kunde ist ein nachhaltig orientierter Chemie-Park und bietet seinen Mitarbeitern einen rundum Service für die Atlassian Produktwelt. Zusätzlich sollte die Adaption der ERP-Software bei den Mitarbeitern, die Verbesserung der Datenqualität und der interne Austausch bzw. die Zusammenarbeit durch das Vermitteln von Wissen und Best Practises, gefördert werden
• Entwicklung der Prozesse und Standards
• Konfiguration der Projekte und das Erarbeiten von technischen Konzepten
• Workshops mit den Mitarbeitern
• Entwicklung skalierbarer Lösungen und Prozesse und die Optimierung/Automatisierung solcher
• Abstimmung mit den Prozessverantwortlichen der Abteilungen und dem Management
• Prozessabbildung und Weiterentwicklung
• Datenmigration und Data-Mining
• Leitung als Scrum Master
• Dashboard für die Projektleitung zur Projektübersicht / Entwicklung von Reportingstrukturen

• Projekt: Thermomix Online Mock
• Manuelle Durchführung funktionaler Tests
• Umsetzung automatisierter End-to-End-Tests
• Durchführung von Regressionstests und Analyse der Ergebnisse
• Weiterentwicklung der QA-Webseite auf dem Server unter Verwendung von Express.js, Handlebars und Node.js
• Weiterentwicklung der Testumgebung
• Technologien: Agile Softwareentwicklung Scrum, Robot Framework, Python, JavaScript, Git (GitLab), VS Code, Jira, Confluence, Express.js, Handlebars, Phoenix/Elixir

• Entwicklung einer neuen Generation von Spring Boot Microservices für ein Archivsystem auf OpenShift, Monitoring, Sicherheitsanalysen

Stack: Java, Spring Boot, Kafka, Vaadin, OpenShift 4.x, Maven, Artifactory, Jenkins, Git/Github, GitHub Copilot, GitOps, CI/CD, Kargo/ArgoCD