CI/CD-Experten in Frankfurt

• Fachliches Anforderungsmanagement für DIVID, die Plattform des Umweltbundesamts zur Abwicklung des Einwegkunststofffonds. Schwerpunkt: Anspruchsberechtigte, Unteranspruchsberechtigte und Leistungsmeldungen.
• Konsolidierung und Analyse von Pflichtenheft, Jira, Confluence, Fachkonzepten und UX-Designs. Eigenständige Strukturierung und Abgrenzung von Anforderungen sowie Identifikation von Widersprüchen, Lücken und Abhängigkeiten.
• Erstellung und Qualitätssicherung umsetzbarer User Stories mit eindeutigen, testbaren Akzeptanzkriterien. Vorbereitung von Entscheidungsalternativen und Abstimmung mit Fachseite, Entwicklung, UX und QA bis zum Team-Refinement.
• Durchführung manueller und technisch-unterstützter Barrierefreiheits-Tests. Abstimmung der Befunde mit QA und Product Ownerin, zur weiteren Planung und Umsetzung.
• Ergebnis: konsistentere Anforderungen, klarer abgegrenzte Prozesse und Stories sowie transparente offene Entscheidungen. Trennung von Annahmen und bestätigten Anforderungen; bessere Grundlage für Umsetzung, Refinements und QA-Testfälle.

Eingesetzte Tools: Jira, Confluence

• Hands-on-Entwicklung KI-nativer Produktprototypen mit spezialisierten KI-Agenten für Research, Requirements, fachliche Logik, UX-/Flow-Konzeption, Testfallgenerierung und Qualitätsprüfung.
• Strukturierter Einsatz und Orchestrierung von KI-Agenten über klar definierte Rollen, Inputs/Outputs und Übergabepunkte; Zerlegung komplexer Produktaufgaben in überprüfbare Arbeitspakete und iterative Prototyping-Zyklen.
• Aufbau von Human-in-the-loop Quality Gates zur Validierung KI-generierter Ergebnisse hinsichtlich fachlicher Korrektheit, Konsistenz, Vollständigkeit und Umsetzbarkeit; gezielte Rework-Schleifen bei Abweichungen.
• Entwicklung eines regulatorischen GenAI-/Rules-Prototyps für CRD VI mit strukturiertem Entscheidungsflow, Web-UI, regelbasierter Validierung und automatisierten Testfällen; Iteration der fachlichen Logik bis zum pilotfähigen POC.
• Konzeption eines AI-to-Action-Banking-Prototyps: AI-Intent → Consent → Bank-/Produktlogik → Conversion inklusive Admin Console; Übersetzung der Produktidee in MVP-Scope, Rollenmodell, User Flows und klickbare Prototypen.

• Vervollständigung der Logquellen-Anbindung an Microsoft Sentinel inklusive Integration von GCP-Workloads – zentrale Konsolidierung aller sicherheitsrelevanten Ereignisse aus Azure- und GCP-Umgebungen für vollständige End-to-End-Telemetrie und lückenlose Compliance-Nachweise
• Entwicklung von Custom Rules und Use Cases auf Basis der GFG Use-Case Library und der MITRE ATT&CK Matrix, um unternehmensspezifische Bedrohungen und GFG-relevante Szenarien mit präzisen, gemappten Erkennungsregeln abzudecken
• Tuning der Erkennungsregeln zur Minimierung von Fehlalarmen, Optimierung der Erkennungsschwellen und Modellierung von Ausnahmen – das SOC arbeitet mit relevanten, priorisierten Alerts bei reduzierter Mean-Time-to-Detect/Respond
• Aufbau von SOAR-Funktionalitäten in Sentinel durch Entwicklung von Playbooks zur Automatisierung wiederkehrender Response-Abläufe wie Containment, Nutzer- und Host-Isolierung sowie Ticketing – kürzere Reaktionszeiten und 24/7-Skalierbarkeit
• Konzeption und Aufbau einer Log-Transformationslösung zur Normalisierung und Anreicherung eingehender Rohlogs (GeoIP, CMDB, Threat Intelligence) und Überführung in ein einheitliches Schema für performante KQL-Abfragen, Use-Case-Logik und Korrelationen
• Verwaltung der Azure Security über Azure Policies zur präskriptiven Durchsetzung von Sicherheits- und Compliance-Standards, Verhinderung von Drift sowie kontinuierlicher Remediation von Abweichungen
• Betrieb des Defender XDR Portals zur Verknüpfung von Endpunkt-, Identitäts-, E-Mail- und SaaS-Signalen mit Sentinel-Findings, ganzheitlicher Triagierung von Vorfällen und Orchestrierung von Maßnahmen direkt aus XDR

Technologien: Microsoft Sentinel, Microsoft Defender XDR, Azure Policy, KQL, GCP, MITRE ATT&CK

Die Basisdienste von DB InfraGO bilden einen zentralen Datenhub zwischen den IT-Systemen des Unternehmens. Es werden gemeinsame Datendienste entwickelt, die Daten aus Quellsystemen an eine Vielzahl nachgelagerter Systeme verteilen (über JMS) und bereitstellen (über REST-API). Die bestehende, auf TIBCO basierende Servicelandschaft wird auf die cloud-native Plattform von DB InfraGO migriert.

• Architekturdesign und Implementierung einer performanceoptimierten Massenverarbeitung von mehreren Millionen Datensätzen zu bestimmten Tageszeiten
• Technische Spezifikation und Dokumentation der Geschäftsanforderungen
• Integration verschiedener Subsysteme (einschließlich SAP und Salesforce) durch die Neuentwicklung von mehr als 40 auf Spring Boot basierenden Microservices
• Migration von TIBCO-basierten Microservices von der Enterprise Integration Platform auf die Cloud Native Platform mit Spring Boot
• Aufbau einer Deployment-Pipeline mit GitLab CI/CD und Artifactory sowie automatisiertes Deployment in eine Kubernetes-Umgebung mithilfe von ArgoCD
• Definition und Implementierung automatisierter Unit-, Integrations- und Regressionstests

Teamgröße: 9

Technologien/Tools: Java, Spring Boot, ActiveMQ(JMS), JUnit, Tibco Business Works, Gitlab (CI/CD), Kubernetes (Amazon AWS), ArgoCD, postgreSQL, Oracle, Postman, Hoppscotch, openAPI, Sonarqube

• Vollständig On-Premises betriebene LLM-Plattform zur Dokumentenprüfung für einen Compliance-kritischen Bankbereich: agentenbasierte LangGraph-Pipeline mit deterministischer Verifizierung, jedes KI-Urteil strukturiert und an die Quelle gebunden; ~960 automatisierte Tests, kein Datenabfluss
• GPU-Durchsatzoptimierung (quantized serving, speculative decoding, prefix caching): 9.5-fache Beschleunigung der Extraktion, 500+ Fallakten mit mehreren Dokumenten pro Tag auf einer einzelnen A100
• KI-native EDI/EDIFACT-Integrationsplattform (~116k LOC Java 25 / Spring Boot 4, 1,900+ Tests): Von LLM erstellte Partnermappings werden vor dem Go-live maschinell verifiziert (DFDL-Konformität, Feldabdeckungsprüfungen, Testläufe), ~99.5% Byte-Übereinstimmung bei echten Kundendateien – ersetzt wochenlange manuelle Zuordnung pro Partner

Mitarbeit im EU-geförderten Projekt MORANE-2 zur Validierung des Future Railway Mobile Communication System (FRMCS) in realen Einsatzszenarien: Erstellung der Anforderungsspezifikationen für TOBA sowie der zugehörigen Testspezifikationen.

Technologien: 5GS (Radio & Core), FRMCS, MCx (MCPTT, MCData, MCVideo), MC Gateway UE, MCx Priority/Security/QoS Management, ETCS, SIP, IMS

• Entwicklung und Optimierung der RTL+-Frontend-Anwendung für SmartTV- und Set-Top-Box-Plattformen mit React und Next.js.
• Schlüsselrolle bei der fachlichen Steuerung von Entwicklern im Team und bei der Koordination der Umsetzung.
• Zentrale Schnittstelle zu angrenzenden Teams, um Entwicklungsabläufe zu vereinfachen und die teamübergreifende Abstimmung zu verbessern.
• Verbesserung von Frontend-Performance, Stabilität und Rendering-Verhalten auf leistungsschwachen Geräten in einer eingeschränkten Runtime-Umgebung.
• Umsetzung einer Frontend-Teststrategie mit Jest, React Testing Library und Playwright.
• Umsetzung von Verbesserungen der Barrierefreiheit gemäß WCAG 2.2 und WAI-ARIA.
• Integration von Didomi Consent Management als Beitrag zur Steigerung der Ad-Monetarisierung auf Streaming-Plattformen.
• Einsatz KI-gestützter Engineering-Workflows mit Cursor für strukturierte Implementierung, Refactoring und schnellere Problemlösung.

Eingesetzte Technologien: React, Next.js, TypeScript, JavaScript, GraphQL, Apollo Gateway, Zustand, Tailwind CSS, Styled Components, React Testing Library, Playwright, Jest, HTML5, CSS3, AWS Lambda, EC2, CloudFront, S3, GitLab CI/CD, NX, Cursor

Statistischer Prognosealgorithmus

• Verbesserung eines statistischen probabilistischen Prognosealgorithmus für Umsätze + Evaluierung
• Migration von R/On-Premise zu Python/Snowflake
• Überführung in den Produktivbetrieb auf Snowflake in Zusammenarbeit mit Data Engineers & DevOps

Monitoring-Dashboard

• Data Engineering zur Aufbereitung & Bereitstellung notwendiger Daten/Ressourcen auf Snowflake
• Entwicklung & Bereitstellung eines Streamlit-Dashboards in Snowflake

ML-basierte probabilistische Prognosen auf Vertex AI

• Entwicklung eines ML-basierten probabilistischen Prognosealgorithmus von Grund auf
• Implementierung einer MLOps-Pipeline in Kubeflow auf Google Cloud Vertex AI

Tech Stack: Python, Snowflake/Snowpark, R, Streamlit, Gitlab/Gitlab CICD, Terraform, Google Cloud, Vertex AI (aiplatform SDK, gcloud CLI, Feature Store, Model Registry usw.), kubeflow

• Fehleranalyse und -bereinigung inkl. Performance-Optimierung der eigenentwickelten Plattform API
• Change- und Incidentmanagement im Tagesbetrieb
• Verantwortlich für Einhaltung Security- und Compliancevorgaben
• Dienstleistersteuerung für Software-Entwicklung und -Wartung
• Planung und Durchführung Migration Legacy Services auf Cloud Native Plattform

Rolle im Projekt: Projektmitarbeiter Umsetzungsteam

Eingesetzte Skills: Anforderungsanalyse, IT-Service- und Anwendungsmanagement, IT-Betrieb, Fehleranalyse und Performance-Optimierung, Software-Wartung und Lifecyclemanagement

Projektumgebung: Cloud Native Platform (Kubernetes, Crossplane, AWS, ArgoCD, Grafana)

• Konzeption und Umsetzung modularer KI-Assistenten für Vertriebs- und Geschäftsprozesse im Microsoft-Ökosystem (Agentic AI, Copilot-Erweiterungen)
• Frontend-Architektur und -Entwicklung mit React + TypeScript für eingebettete Chat- und Assistant-Oberflächen (Streaming-UI, Hooks, React Query, OpenAPI-Clients)
• Agenten-Entwicklung auf Enterprise-Ebene: wiederverwendbare Skill-/Agenten-Bibliothek, MCP-Server, Review- und Compliance-Gates
• LLM-Integration in die User Experience: Anthropic (Claude), OpenAI, Tool-Use, RAG-Pipelines, Prompt-Engineering, Guardrails
• Architektur- und Code-Review-Beratung sowie Mentoring im KI-Entwicklungsteam
• Anbindung an Microsoft Graph, Power Platform und Azure-Dienste
• Technologien: React, TypeScript, Anthropic Claude, OpenAI, MCP, RAG, Microsoft Graph, Power Platform, Azure

• Leitete die Discovery-Phase und den POC für die Migration von Shopware zu Shopify Plus in EMEA-Märkten und bewertete die Eignung der Plattform, die technische Architektur sowie Multi-Brand-/Multi-Country-Funktionen anhand der Business-Anforderungen.
• Entwarf die Referenzarchitektur für die Shopify-Plus-Implementierung mit Headless-Frontend-Patterns (Vue.js, Nuxt.js), CMS-Integration (Magnolia) und Azure-Middleware (APIM, Functions, Logic Apps, Service Bus) für 11 EMEA-Märkte.
• Definierte die Migrationsstrategie mit Analyse von Data Mapping, Cutover-Ansatz und Zero-Downtime-Deployment-Patterns unter Einsatz von Varnish-Cache, GitOps-Pipelines und CI/CD-Orchestrierung über sechs Vendor-Teams hinweg.
• Entwickelte ein Multi-Tenant-Governance-Modell für Shopify Plus mit zentraler Administration, lokaler Storefront-Anpassung und Compliance-Kontrollen (GDPR, Datenresidenz).
• Prototypte KI-gestützte Suchoptimierung (LLM.txt, JSON-LD) für die Auffindbarkeit von Produkten in Google-AI-Ergebnissen und zeigte damit Potenziale für die Performance nach dem Go-live auf.
• Definierte mit C-Level-Strategie-Workshops die EMEA-Expansions-Roadmap für 15+ Märkte, einschließlich gestaffeltem Rollout, marktspezifischen Konfigurationen und Ressourcenbedarf.
• Tech Stack: React, Nuxt.js, Vue.js, Magnolia CMS, Shopware, Shopify Plus, Azure (APIM, Functions, Logic Apps, Service Bus, Front Door), Varnish, SAP, MS Dynamics, Docker, Kubernetes, GitHub Actions, PostgreSQL, Kafka

• Agile Coach und Scrum Master in der Sachversicherung/Underwriting für Allianz Technology
• Team 1: Kanban/Scrumban-Team im DevOps-Modus – neue Features, Monolithen mit verteilten Komponenten zu Microservices, Reduzierung technischer Schulden & Refactoring, Einführung von CI/CD, Ausbau automatisierter Tests
• Team 2: SAFe-Team – Greenfield-Service für globale Software und deutsche Anpassung, KI-Integration (Cythora)
• Scrum-Trainings, Scrum-Handbücher in Confluence, alle Ceremonies, Aufbau einer experimentellen Just Culture, Teamwechsel und Skalierung von 7 auf 20
• Anforderungsmanagement, Priorisierung nach Business Value für Product Owner, Risikoidentifikation
• Projektbudget-Management, JIRA-Monitoring und Automatisierung, Unterstützung des Steering Committees, Teststrategie
• SAFe-Integration, PI Planning, Flight Levels und Roadmapping

• Eine MCP-Schicht (Model Context Protocol) für den Agenturservice von Mwanachama entwickelt, die Methoden von Domain-Managern in aufrufbare Werkzeuge für KI-Agenten umwandelt. Dazu gehörte ein zusammengesetztes Tool, das aus einer einzigen Spezifikation ein vollständiges Organisationsdesign erstellt (Organigramm, Ziele, Workflows, RACI-Matrix).
• Den chatgesteuerten Agentur-Builder (Wakala Studio und API) entwickelt, über den eine Organisation ihre Struktur in natürlicher Sprache beschreibt und ein KI-Agent diese Werkzeuge nutzt, um das aktive Design zu erstellen und zu ändern.
• Einen Insights-Service hinzugefügt, über den eine Organisation Interaktionen mit KI-Agenten und abgeschlossene Arbeiten überprüfen kann. Die daraus gewonnenen Erkenntnisse fließen zurück in das Lösungsdesign, freigegeben durch Architekt und Nutzer.
• Parallel dazu die Plattform selbst entworfen und entwickelt: ~20 Go-Microservices auf PostgreSQL, Flutter- und React-Clients, bereitgestellt auf Kubernetes.
• KI-Agenten durchsuchen die Plattform autonom nach Sicherheitslücken und führen skriptbasierte Tests aus, einschließlich API-Tests (im Stil von Postman) und UI-Tests. Der restliche Prozess bleibt überwacht. Keine außer Kontrolle geratenen Agenten, versprochen.

Projekt: SCS (Settlement / Clearing Services)

Abwicklungsplattform für mehrere Handels- und Clearingplätze — Absicherung des Kontrahentenrisikos, Reduzierung des Abwicklungsvolumens, zentrales Risikomanagement und Anonymität nach dem Handel.

Technologien: Java 17, Spring Boot 3, Microservices, Spring Data JPA, SonarQube, Fortify (SCST), Mockito, Jenkins, OpenShift, Maven, Podman, GitHub, JIRA, Liquibase, Swagger, AMQP, Apache Camel, Terraform, PostgreSQL, Instana, Graylog.

• CVEs in Drittanbieter-Bibliotheken mithilfe von SCA-Tools identifiziert und behoben und damit die Sicherheitslage der Produktivkomponenten verbessert.
• 90 % Code Coverage mit SonarQube gehalten, die Codequalität verbessert und Produktionsfehler reduziert.
• mTLS für die Datenbankauthentifizierung und Verbindungen zu Message Brokern aktiviert und damit verschlüsselte, zertifikatsgeprüfte Kommunikation durchgesetzt.
• Microservices mit asynchroner, REST-basierter Kommunikation zwischen den Komponenten entworfen und bereitgestellt.
• Eine REST-API mit hohem Volumen (~200K Requests) optimiert, indem die Antwortzeit von 3s auf 2s reduziert wurde (33 % Verbesserung), was Durchsatz und Zuverlässigkeit unter Produktionslast erhöht hat.
• Build- und Continuous-Integration-Pipelines mit Maven und Jenkins automatisiert.
• Containerisierte Workloads auf Podman/OpenShift orchestriert und die Schema-Weiterentwicklung mit Liquibase gesteuert, um zuverlässige und wiederholbare Deployments in allen Umgebungen sicherzustellen.
• Java-Code optimiert und EHCache-basiertes Caching implementiert, um die Anwendungsleistung zu verbessern.
• Das Release-Management vereinfacht, indem Anwendungsimages, JAR-Versionen und Abhängigkeiten über DBAG Artifactory gesteuert wurden, um Versionskonsistenz und Audit-Nachvollziehbarkeit über alle Umgebungen hinweg sicherzustellen