Cloud Computing Experten

• Machine Learning, BI und Big Data für Master-Studierende unterrichtet.

Technologien: Python, Power BI, SQL, ML, SnowflakeDB, databricks, MS Fabric, MongoDB, LLM

• Whitepaper, Fallstudien, Landingpages, Fachartikel und Pressemitteilungen für B2B-Kunden aus dem IT- und Cybersecurity-Bereich, darunter TrendAI, SoftwareOne, All for One, SVA, Axians, NetApp, Indevis, Aconso

Themenschwerpunkte: Cybersecurity, AI, Cloud Computing, Digitalisierung, Big Data Analytics, Virtualisierung, Datenmanagement, IoT, New Work, Data Center Modernisierung, SAP S/4HANA-Migration

• Python-Skripte zur Analyse von CSV-Datensätzen entwickelt.
• Erstellung von Berichten und Datenvisualisierungen automatisiert.
• Die Workflow-Effizienz durch die Automatisierung der Datenverarbeitung verbessert.

• Übernahm die technische Leitung eines 4-köpfigen Teams, das innerhalb von 12 Monaten 3 wichtige Kundenplattformen mit Microservices-Architektur und Lösungen für Skalierbarkeit bereitstellte — 100% der geplanten Hauptfunktionen wurden vor dem Zeitplan und den geplanten Meilensteinen ausgeliefert (Ausgangslage: Frühere Releases verzögerten sich häufig um 1–2 Sprints).
• Führte Evaluierungen von KI-Modellen und Modellausgaben für LLM-/KI-Anbieter-APIs durch: Sicherheit, Vollständigkeit, Befolgung von Anweisungen und Prüfung der inhaltlichen Fundierung vor dem Go-live; reduzierte fehlerhafte Ausgaben in den KI-integrierten Release-Checklisten von wiederkehrenden UAT-Ergebnissen auf nahezu null bei der finalen Freigabe.
• Entwickelte die API-Entwicklung und Performance-Optimierung für Zahlungs-, Börsen- und KI-Dienste voran; strikt geschlossene Fehlerbehandlung und Payload-Validierung reduzierten die Überarbeitung von Integrationen im Vergleich zum ersten KI-Integrationsdurchlauf um ~35%.
• Setzte Softwaretests, Test-Frameworks, Qualitätssicherung von Code und Code-Refactoring mit Gates für die kontinuierliche Integration ein; die Akzeptanz von Pull Requests im ersten Durchlauf verbesserte sich im gesamten Team, und Hotfixes in der Produktion für KI-Adapter gingen nach Einführung der Review-Standards spürbar zurück.
• Verantwortete DevOps-Praktiken: Docker, GitHub Actions, Jenkins-kompatible Pipelines und Versionskontroll-Workflows — reduzierte die Bereitstellungszeit gegenüber der Ausgangslage vor der Automatisierung um ~50% und stabilisierte Releases in 3 Kundenumgebungen.
• Implementierte Verifier-/Oracle-artige Bestanden-Nicht-bestanden-Prüfungen in Container-Sandboxes (an Harbor/Terminal-Bench ausgerichtet); erstellte technische Dokumentation, sodass Fehler in einem Review-Zyklus behoben werden konnten.
• Leitete die funktionsübergreifende Zusammenarbeit mit Produkt- und Kundenstakeholdern; übersetzte KI-Evaluierungswerte und Risikobefunde in verständliche Kurzberichte für nichttechnische Partner und ermöglichte Go-/No-Go-Entscheidungen ohne zusätzliche Engineering-Meetings.
• Setzte agile Methoden für Sprintplanung und Backlog-Verantwortung ein; unterstützte Engineers dabei, dass Entwickler auf mittlerem Niveau bereits zur Hälfte des Projekts KI-Adapter-Module eigenständig verantworteten.

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

• 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.

Als freiberufliche IT-Lehrkraft und IT-Coach habe ich mich darauf spezialisiert, Menschen Themen wie Cloud Computing, Business Intelligence, Python-Programmierung und agile Frameworks zu vermitteln. Mein Ziel ist es, komplexe technische Inhalte in praktisches, umsetzbares Wissen zu übersetzen. Durch meine umfangreiche Erfahrung als IT-Berater in verschiedenen Branchen und Rollen weiß ich, wie wichtig IT-Schulungen sind - sowohl für Unternehmen als auch für Mitarbeitende.

• Von Experten betreute KI-Systeme für wissenschaftliches Schlussfolgern, Modellevaluation und Forschungs-Workflows.
• Entwickelte den IAS Problem Solver, ein orchestriertes System für schwieriges mathematisches Schlussfolgern; es erreichte 84 % in einem eingereichten Antwortsatz auf dem Leipziger Mathematik-Benchmark.
• Entwickelte eine fortsetzbare State-Machine-Pipeline für die Generierung von Benchmarks in der Forschungsmathematik: Quellenauswahl, LLM-Agent-basierte Phänomenfindung, Aufgabensynthese, Gold-Antwort- und Zertifikatsgenerierung sowie Validierung, Probe, Reparatur, menschliches Feedback und Quality Gates, mit Fokus auf Aufgaben, die schwierig, natürlich, verifizierbar und kosteneffizient sind.
• Die aktuelle Arbeit erweitert dies zu budgetbewussten KI-Forschungs-Workflows für reale wissenschaftliche Probleme mit Expertenprüfung.

Tech-Stack: Python, OpenAI/OpenRouter-kompatible APIs, Embeddings, RAG, SQLite.

Zerobits ist mein Fahrzeug für KI-gestützte Automatisierung und individuelle Softwareentwicklung mit einem klaren Prinzip: KI-Lösungen, die in die Produktion gehen und nicht nur im Pilotstadium bleiben. Ich entwerfe und baue die Systeme selbst – vom ersten Konzept und der Architektur bis hin zu Implementierung, Deployment und Betrieb.

Mein Fokus liegt darauf, wiederkehrende manuelle Arbeit durch zuverlässige Automatisierung zu ersetzen und getrennte Tools und Datenquellen zu einem belastbaren Gesamtsystem zu verbinden.

Ausgewählte Arbeiten:

• Entwurf und Umsetzung von agentenbasierten Systemen und RAG-Pipelines auf Basis von LLMs (Anthropic Claude, Mistral, MongoDB Atlas Vector Search + RAG)
• Workflow-Orchestrierung für lang laufende, fehlertolerante Geschäftsprozesse mit Temporal (temporal.io): Saga-Patterns, eventgesteuerte Architektur, Retry- und Compensation-Logik, Anbindung von Drittanbieter-APIs und internen Services an automatisierte End-to-End-Prozesse
• Full-Stack-Produktentwicklung: SaaS-Architektur auf Kubernetes, TypeScript/React/NestJS, Admin-Tools mit refine.dev und MUI
• KI-gestützter Entwicklungsworkflow als Standard, um produktionsreife Software in einem Bruchteil der üblichen Zeit zu liefern
• Full-Stack-Produktentwicklung: Multi-Tenant-SaaS-Architektur auf Kubernetes, Backend mit NestJS/Node.js und Python, Frontend mit TypeScript, React und Next.js, Admin-Tools mit refine.dev und MUI, CI/CD mit GitHub Actions

Eines dieser Projekte ist ein Produkt, das ich selbst besitze und betreibe – frei von jeglichen NDA-Beschränkungen. Ich zeige es gerne komplett von Anfang bis Ende.

Tools: Fabric, AWS, dbt, Power BI, SQL, DWH, R, Python

• Unterstützte Kunden bei der Umsetzung eines Architekturdesigns zur Extraktion und Aufbereitung von Daten
• Verantwortete die Konzeption und Implementierung der BI- und DWH-Plattform
• Sicherte die Skalierbarkeit und Performance der Datenplattform

• Sprachliche Qualifikation: Erfolgreicher Abschluss des Integrationskurses (B1) mit sehr guter Note.
• Aktuelle Weiterbildung: Besuch des B2-Berufssprachkurses zur Erreichung der Verhandlungssicherheit im deutschen IT-Umfeld.
• IT-Zertifizierungen (2025-2026): Kontinuierliche Absolvierung von Fachzertifikaten (Cloud Computing, Software Engineering, DevOps), um Marktstandards in Deutschland zu entsprechen.

IOG (IOHK) ist eines der weltweit führenden Unternehmen für Forschung und Engineering im Bereich Blockchain-Infrastruktur.

• Ein langwieriges F&E-Projekt in ein zusammenhängendes, produktionsreifes Testnet überführt; das 35-köpfige Engineering-Team (Core, QA, SRE) aufgebaut und skaliert, um dieses Ziel zu erreichen.
• Die strategische Ausrichtung definiert und als wichtiges Mitglied des Führungsteams die Technologieentwicklung an den Geschäftszielen ausgerichtet.
• Softwareentwicklungsprozesse optimiert und agile Methoden eingeführt, wodurch die betriebliche Effizienz und Codesicherheit verbessert wurden.
• Projekte in einem dynamischen Startup-Umfeld durch effektives Projektmanagement und eine gezielte Ressourcenverteilung umgesetzt.

• Migration vorhandener Data-Jobs von Cognos Data Manager zu Tibco/IBI Datamigrator
• Parametrisierung der Data-Jobs für dynamische Abläufe
• Optimierung und Reduzierung
• Regressionstests
• Wissensvermittlung und Dokumentation

Beratende und operative Unterstützung im Aufbau, Betrieb und der Optimierung moderner Microsoft-basierter Server- und Applikationslandschaften mit Fokus auf Windows Server

Konzeption, Beratung und Optimierung von Windows-Server-Umgebungen:

• Beratung zur Standardisierung von Konfigurationen, Rollen und Features
• Optimierung bestehender Serverlandschaften hinsichtlich Stabilität, Performance und Wartbarkeit

Beratende Mitwirkung im Applikations- und Systembetrieb:

• Analyse bestehender Applikations- und Systemlandschaften in produktiven Umgebungen
• Identifikation von Stabilitäts-, Verfügbarkeits- und Performance-Engpässen
• Unterstützung bei der technischen Stabilisierung produktionskritischer Anwendungen
• Beratung zur Weiterentwicklung der Systemarchitektur in Zusammenarbeit mit Betrieb, Entwicklung und Fachbereichen

Automatisierung von Betriebs- und Administrationsprozessen:

• Entwicklung und Einsatz von PowerShell-Skripten zur Automatisierung wiederkehrender Administrations- und Betriebsaufgaben
• Erstellung von Batch-Skripten zur Unterstützung von Legacy- oder Übergangsszenarien
• Automatisierung von Provisionierungs-, Konfigurations- und Wartungsprozessen zur Reduzierung manueller Eingriffe und Fehlerquellen
• Dokumentation und Übergabe der Automatisierungslösungen an den Betrieb

Konfigurations- und Automatisierungsmanagement mit Ansible:

• Einsatz von Ansible zur standardisierten Konfiguration und Verwaltung von Server- und Systemlandschaften
• Entwicklung und Pflege von Playbooks für wiederkehrende Betriebs- und Rollout-Szenarien
• Unterstützung beim Aufbau reproduzierbarer und versionierter Konfigurationsstände
• Beratung zum Einsatz von Infrastructure-as-Code-Ansätzen im On-Prem- und Hybrid-Umfeld