Apache Spark Experten in Berlin

• Private Cloud-Datenplattform auf VMware vSphere entworfen und implementiert, Greenplum MPP, Apache Kafka, Kubernetes und Apache Solr integriert und Echtzeit-Ingestion-Pipelines mit Kafka Connect und Schema Registry entwickelt.
• Migration von Oracle Exadata zu Greenplum geleitet, Datenmodelle neu architektonisch aufgebaut, Speicher optimiert, RabbitMQ mit Debezium für CDC implementiert und VectorDB für Generative AI eingeführt.
• PoC für Multi-Cloud-Migration über AWS, Azure und GCP entworfen und umgesetzt, KPIs für Durchsatz, Latenz und Kosteneffizienz definiert, Bulk-Datentransfers durchgeführt, Analytics- und Streaming-Workloads validiert und Architektur-Empfehlungen im großen Maßstab geliefert.
• Legacy-On-Premises-Infrastruktur bewertet und moderne cloud-native Datenplattformen mit Greenplum und containerisierten Microservices entworfen, mit Beratung zu Skalierbarkeit, Disaster Recovery und High Availability.

• Enterprise-Retrieval-Augmented-Generation-(RAG)-Anwendungen mit LangChain, LangGraph, Vektordatenbanken, Embeddings und Open-Source-LLMs entworfen und bereitgestellt, die über vLLM auf GCP-GPU-Infrastruktur betrieben wurden.
• Agentic-AI-Workflows mit LangGraph entwickelt, inklusive Planung, Schlussfolgern, Tool-Ausführung, persistenter Speicherung, Sitzungsverwaltung und Human-in-the-Loop-Freigabemechanismen.
• LLM-gestützte Automatisierungssysteme entwickelt, die BigQuery, SQL-Pipelines und externe Werbe-APIs wie Meta, TikTok, Amazon, Snapchat, Google und Pinterest integrieren und manuelle operative Abläufe reduzieren.
• Multi-Agent-AI-Systeme für Enterprise-Analytics- und Entscheidungsunterstützungs-Workflows entworfen, die autonome Aufgabenausführung und intelligente Dateninteraktionen ermöglichen.
• Retrieval-Optimierungsstrategien umgesetzt, darunter Multi-Retriever-Architekturen, semantische Suche, Kontextoptimierung und Query-Verbesserungstechniken, wodurch die Relevanz der Antworten um etwa 40 % verbessert wurde.
• Strukturierte Prompting-Strategien, Function-Calling-Schemata und Validierungs-Workflows entwickelt, um die Zuverlässigkeit von mehrstufigen LLM-Anwendungen zu verbessern.
• Skalierbare AI-Services mit Python, FastAPI, Cloud Run, Pub/Sub, BigQuery, Docker und cloud-nativen Bereitstellungsarchitekturen entworfen.

• Fractional Leadership; Beratung von Startups und Scale-ups in der Wachstumsphase zu Datenstrategie, ML-Produkten und Plattform-Grundlagen
• Aufbau von Entscheidungssystemen für Growth, Personalisierung und Produktexperimente in E-Commerce, Digital Health, Energie und Logistik
• Erforschung von Agentic AI und LLM-basierten Tools für produktionsreife Muster

Solution Architect für Consumer Cards

• Übernahm die Architekturverantwortung im Bereich Consumer Cards, führte Best Practices ein und verbesserte die architektonische Transparenz und Wartbarkeit durch die Entwicklung eines strukturierten Dokumentationsrahmens für das Reverse Engineering von Legacy-Kartensystemen.
• Standardisierte Architektur-Artefakte wie BIAN Business Capabilities, UML-Diagramme im draw.io-Format (Use Case, Component, Sequence), Namenskonventionen, Dokumentenablage, Designvorlagen und Blueprints, Microservices.
• Erstellte High-Level- und Low-Level-Designs, abgestimmt auf Enterprise-Architecture-Governance-Prozesse und Artefaktstandards.
• Unterstützte architektonisch das Strategic Card Simplification Programme mit Fokus auf Kartenprodukt-Migrationen und die Außerbetriebnahme von Anwendungen in allen Ländern. Agile Umgebungen (Scrum/SAFe).
• Analysierte und entwarf KI-Use-Cases im Architekturumfeld.

Projekt: Payment Card Industry Data Security Standards (PCI DSS) Strategic Programme

• Analysierte und dokumentierte bestehende Datenflüsse über Kartenprodukte und geografische Regionen hinweg, um die PCI-DSS-Compliance zu prüfen.
• Identifizierte Bereiche mit sensiblen Daten im Ruhezustand und Daten in Bewegung, die Verschlüsselung oder Maskierung erfordern, und stellte die Einhaltung der PCI-DSS-Anforderungen sicher.
• Arbeitete mit Security-, Infrastruktur- und Applikationsteams zusammen, um Verschlüsselungsstrategien mit regulatorischen und organisatorischen Vorgaben abzustimmen.
• Gab strategische Beratung zu Datenstrategie, Data Governance, Datenmanagement, Datenqualität, Datenarchitektur, Data Mesh, MEGA HOPEX, DAMA-DMBOK, ereignisgetriebener Architektur, End-to-End-Datenflüssen und Harmonisierung von Kartenproduktmodellen.
• Stellte sicher, dass das Lösungsdesign mit regulatorischen Anforderungen (BCBS 239, DORA, GDPR) und internen Richtlinien übereinstimmt.

Projekt: Denmark ATM Outsourcing Project

Ziel: Auslagerung von Betrieb und Wartung der Geldautomaten an einen Drittanbieter bei gleichzeitiger Erweiterung des ATM-Bestands in Dänemark, wobei Nordea Eigentümer der Geldautomaten und des Bargelds für die bestehende und erweiterte Infrastruktur bleibt.

• Leitete ein cross-funktionales Delivery-Team (Projektmanagement, Business Analysis und Architektur) und dokumentierte die aktuelle ATM-Systemlandschaft, einschließlich End-to-End-Datenflüssen, Integrationen und internen/externen Anwendungsschnittstellen.
• Entwarf End-to-End-Prozesse für Autorisierung, Abstimmung und Settlement und stimmte Betriebsmodell, Kontrollen und Compliance-Anforderungen zwischen Nordea und dem ausgelagerten Dienstleister ab.
• Erstellte High-Level- und Low-Level-Lösungsdesigns mit standardisierten UML-Artefakten (Use-Case-, Component- und Sequence-Diagramme) zur Unterstützung von Vendor-Onboarding, Integrationsplanung und Umsetzung.
• Stellte die architektonische Abstimmung und Entscheidungsfindung zwischen Enterprise-Stakeholdern und Drittanbietern sicher und managte Abhängigkeiten und Schnittstellen im Rahmen der Auslagerungsinitiative.

• Entwickelte und implementierte ein hybrides Empfehlungssystem (Content-Based + Collaborative Filtering)
• Baute End-to-End-ML-Pipelines inklusive Datenverarbeitung, Feature Engineering, Modelltraining und Bewertung
• Entwickelte RAG-basierte LLM-Systeme mit LangChain und Vektordatenbanken für semantische Suche und Wissensabruf
• Etablierte MLOps-Workflows mit MLflow für Experiment-Tracking, Versionierung und Deployment-Bereitschaft
• Implementierte Deep-Learning-Modelle (Computer Vision & Klassifikation) mit PyTorch und TensorFlow

• KI- und Data-Science-Lösungen geliefert, darunter LLM-basierte Chatbots und Datenpipelines, wodurch die operative Effizienz verbessert wurde.
• An Produktfunktionen mitgearbeitet, messbare Wirkung erzielt und starke Kundenbeziehungen gepflegt.

Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlag und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.

Tätigkeiten:

• Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
• Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
• Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
• Aufbau von Monitoring- und Alerting-Systemen für die Echtzeit-Überwachung der Plattform
• Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
• Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket

Erfolge:

• 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
• 3.000 Zeilen manuelle Konfiguration durch ein wiederverwendbares Automatisierungsmodul für 7 Kundendomains ersetzt, Konfigurationsfehler auf 0
• Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
• 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
• 100 % offengelegte Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
• Integration von 3 Teams in 1 Sprint geliefert

• Biete freiberufliche Softwareentwicklungs- und AI-Orchestrierungsdienste für ein Startup in der Frühphase an.
• Entwickle und koordiniere autonome KI-Systeme, die komplexe, mehrstufige Workflows ausführen können.
• Entwickle Piloten und Proof-of-Concept-Lösungen mit Kundenkontakt.
• Nehme an Meetings mit Kunden und Investoren teil, um die Produktentwicklung und Geschäftsgespräche zu unterstützen.

• Agierte als technischer Berater zur Optimierung von mehrschichtigen Ensemble-Modellen, die ResNet, CNN-BiGRU-Attention und XGBoost kombinierten.
• Begleitete die Umsetzung eines Logistic-Regression-Meta-Lerners zur Lösung von Klassenungleichgewichten und erreichte 92,86 % Genauigkeit und einen AUC-Wert von 0,9644 auf den Datensätzen PTB-XL und Chapman-Shaoxing.

• Dozent für den GenAI-Track des Master School Institute of Technology
• Entwicklung einer Full-Stack-KI-Anwendung (React + Python/FastAPI) für den automatisierten Lieferanten-Produktimport mit intelligenter Spalten- und Kategorienklassifizierung (4-Layer, hierarchisch) inkl. Human-in-the-Loop-Validierung

• Entwicklung von Krypto-Quant-Strategien, automatisierte Handelsausführung, On-Chain-Daten-Client (Ethereum / Solana)
• Entwicklung von Daten- und Handelsarchitektur für Liquiditätsbereitstellung

• Kontext: Teams aus dem Gesundheitswesen und Labor brauchten eine schnellere Dokumentenanalyse, Unterstützung bei der Behandlungsplanung und zuverlässige KI-Workflows für MR-/VR-gestützte Einsätze.
• Beitrag: Ich habe die KI-Plattform für das Gesundheitswesen, Modell-/Agenten-Workflows, die Bereitstellungsplattform für VR-Brillen, REST-APIs, Next.js/React-Oberflächen und CI/CD-Pipelines aufgebaut.
• Auswirkung: Ich habe eine produktionsreife Grundlage für ein KI-Produkt geliefert, die die Prüfung klinischer Dokumente verbessert, Laborautomatisierung unterstützt und die Bereitstellung von VR-Flotten über verschiedene Umgebungen hinweg beherrschbar gemacht hat.

Tech: TypeScript, Next.js, Node.js, React, Java, Spring Boot, Python, PyTorch, TensorFlow, Docker, PostgreSQL, OpenAPI, GitLab, GitHub Actions.

• Als Price Listing Service Team Price für alle Autos und Vans in unterschiedlichen Märkten zur Verfügung stellen
• Marktspezifische Anforderungen anpassen wie Steuern, Government Subventionen, Campaign
• Neue Price für alle neuen Autos und bestehende Autos importieren, synchronisieren und in Reddis Datastore speichern
• Support für unser Produkt und On-Call-Duty
• Tagesgeschäft, Entwicklung neuer Funktionen, Fehlerbehebung
• Pair Programming, Code-Review, Mob Programming
• POC für neue Ideen entwickeln
• Wartung und Erweiterung des Backends
• DevOps-Aufgaben
• Kubernetes-Update ausführen
• Kubernetes-Ressourcen anpassen und weiterentwickeln
• Helm Charts entwickeln und anpassen
• ArgoCD anpassen und updaten
• CI/CD pflegen, anpassen, weiterentwickeln