C Experten in Berlin

• Implementierung einer Full-Stack Anwendung mit Angular als Frontend-Framework und Java als Backend-Sprache
• Einsatz der Swagger OpenAPI Spezifikation für die REST-Kommunikation zwischen Frontend- und Backend-Anwendung
• Ansteuerung eines Kartendruckers über das Nexus Card SDK Framework
• Design und Implementierung einer Kartenverwaltungssoftware mit Weboberfläche und JavaFX-Modul für das Druckermonitoring
• Einsatz von Cucumber-Tests für die Testautomatisierung und Erstellung von Test-Artefakten zum Testen außerhalb der Entwicklungsumgebung
• Einsatz von Wireshark für Netzwerkuntersuchungen zur Analyse der API eines Drittproduktes und zur Kontrolle der REST-API der selbst entwickelten Software

• Ergänzen/Erstellen von Testspezifikationen
• Durchführen von Regressionstests
• Durchführen von Releasetests
• Analyse von Jira-Tickets
• Identifikation von Fehlern in der Software und deren Beseitigung mit C#

• 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

• orderbird beim Aufbau und der Steuerung eines internen Advanced-Analytics-Projekts für das interne Kunden-Dashboard unterstützt
• Das interne Dashboard-Projekt für die spätere Entwicklung strukturiert

• Wandelt natürliche Sprache mithilfe von RAG und pgvector in JQL um. Liefert strukturiertes JSON mit einer Abfrage, einer Diagrammspezifikation und einer Antwort in Klartext. Ein zweistufiger Router beantwortet allgemeine Fragen, ohne die JQL-Pipeline überhaupt zu verwenden.
• Austauschbare LLM-Backends: Ollama, vLLM, Groq, Anthropic Claude, AWS Bedrock – zur Laufzeit umschaltbar, ohne Codeänderungen. Selbstheilendes JQL: Bei einem Jira-Validierungsfehler wird der Fehler an das LLM zurückgegeben und bis zu 4-mal erneut versucht. OCI Vault für Geheimnisse. Auf Oracle Cloud A1 bereitgestellt, mit GPU-Inferenz über ein privates Tailscale-Netzwerk. Open Source.

Entwicklung einer eigenen Kotlin Multiplatform App mit Spring Backend und KI-Funktionen.

• IT-Schulungen in Theorie und Praxis für Fachinformatiker für Anwendungsentwicklung und Systemintegration

PCB-Design mit Altium, MCU-Programmierung, Prototyping

• IT-Beratung, Coaching und Umsetzung mit Schwerpunkt auf KI

• Mentor eines Teams aus 6 ML-Platform-Engineers durch wöchentliche 1:1s, technische Design-Reviews und Best Practices; Verbesserung der Team-Produktivität um 35% durch strukturierte Sprint-Planung und Programme zur Skill-Entwicklung
• Definition der ML-Plattform-Roadmap 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Product Teams; Priorisierung von automatisierter Model Governance, Cost-Attribution-Systemen und Multi-Environment-Deployment-Strategien
• Zusammenarbeit mit Stakeholdern aus Data Science, SRE und Product, um die Fähigkeiten der ML-Plattform mit den Geschäftszielen abzustimmen; Reduktion der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
• Architektur und Lieferung einer produktionsreifen MLOps-Plattform für 50+ Modelle in Produktion mit automatisierten Promotion-Pipelines, Versionierung und Rollback-Funktionen; Erreichung eines SLA von 99,5% Plattform-Uptime
• Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex Pipelines-kompatibel); Verkürzung der Modell-Trainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
• Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Resource Quotas und Multi-Tenancy-Isolation; Optimierung der Infrastrukturkosten um 180K $ pro Jahr (25% Reduktion)
• Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und Custom Instrumentation; Reduktion der Debugging-Zeit für Modelle um 50% und Einführung von SLOs für die Modell-Performance
• Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken; Implementierung von Agentic-AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
• Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umgebungseinrichtung und GitOps-Workflows; Reduktion von Infrastruktur-Drift-Vorfällen um 80%
• Design von rollenbasiertem Zugriff für die ML-Plattform, Implementierung von Model-Lineage-Tracking und Aufbau von Audit Trails für regulatorische Compliance nach Enterprise-IAM-Best Practices

• Projekte für Netze des Bundes (NdB).
• CR-Management, EoL Änderungsverlangen, Konzeptionen und Dokumentation nach ITSCM.
• Aufbauplanung von Rechenzentren.
• Projektmanagement und Teilprojektleitung Engineering.
• SW Entwicklung für virtuelle Serverlandschaften nach BSI.

• Kunde: Terex Corporation

• Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
• Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
• Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
• Planung der Agentenorchestrierung
• Prototypenentwicklung- und Demonstration

Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux