Containerization Experten in Düsseldorf

• Anlernen der KI-Modelle, Bilder und Texte sowie UI/UX bewerten, die bereitgestellten Daten in Insights umwandeln mittels OpenAI Feather im Ablauf des Machine Learnings

Technologien: OpenAI Feather

• Leitete die ganzheitliche Umsetzung von ML-/KI-Anwendungen für die QuantistryLab-Simulationsplattform – von der Anforderungsdefinition und Lösungsplanung über Entwicklung, Tests und Bereitstellung bis zur Unterstützung im Produktivbetrieb. Dabei koordinierte ich die Zusammenarbeit der Back-End-, DevOps- und ML-Teams.
• Entwarf und implementierte ein System zur Suche nach Verbindungen mit einem LLM mit offenen Gewichten, dem Agenten-Framework Pydantic AI und dem Model Context Protocol (MCP) und stellte es über FastAPI-Endpunkte bereit.
• Stellte den LLM-Service auf Basis von vLLM auf Kubernetes bereit und konfigurierte ihn.
• Entwickelte CI/CD-Pipelines und Helm-Charts, um Bereitstellungen in Staging- und Produktionsumgebungen zu automatisieren.
• Ergänzte das Suchsystem um OpenTelemetry-Spans und -Traces und integrierte es in die Observability-Plattform Honeycomb, um die Latenz einzelner Komponenten und Funktionsfehler zu überwachen.
• Entwickelte einen benutzerdefinierten Evaluierungsdatensatz und setzte Auswertungen für die Relevanz der Suchergebnisse, die Richtigkeit der Antworten, die Genauigkeit von Tool-Aufrufen und den Erfolg der Aufgaben von Anfang bis Ende um.
• Verkürzte die Vorhersagezeit für Infrarotspektren um 83 % (von 60 auf 10 Minuten), indem ich ein quantenmechanisches Modell durch ein vortrainiertes graph-neuronales Netzwerk ersetzte. Ich trainierte das Modell mit PyTorch weiter, entwickelte und containerisierte die Inferenzpipeline mit Docker und integrierte sie in die Plattform.
• Implementierte eine MLflow-Modellregistrierung mit MinIO-gestützter Artefaktspeicherung.
• Beriet Vertriebs- und Wissenschaftsteams zu ML-/KI-Anwendungen für potenzielle Kundenprojekte und brachte technisches Fachwissen in die Entwicklung vorgeschlagener Lösungen und Prototypen ein.

Technologien: AWS, Hetzner, Kubernetes, Helm, Docker, vLLM, Pydantic AI, MCP, Qwen, Llama 3, MLflow, MinIO, GitHub Actions, Python, FastAPI, OpenTelemetry, Honeycomb, PyTorch, Polars, pytest

(Mutterschafts-/Elternzeit: Juli 2023 – Aug. 2024)

• Domäne: Zahlungsverkehr | Kunde: Telefonica Germany
• Projekt: General Payment Service

Der General Payment Service ist für die Verarbeitung von Online-Zahlungen über externe Zahlungsdienstleister wie Saferpay und PayPal verantwortlich.

• DOU- und Schnittstellenvertragsdokumentation entwickelt und erstellt, um Klarheit und Konformität über Systemintegrationen hinweg sicherzustellen
• REST/SOAP-Webservices mit Spring Boot und Spring Data JPA entworfen und umgesetzt, Swagger-Verträge über das WSO2 API Gateway veröffentlicht, um Zugänglichkeit und Governance zu verbessern.
• Die Migration von On-Premises in die AWS Cloud geleitet, die Plattform von Oracle auf PostgreSQL auf AWS RDS umgestellt und Services auf EC2 bereitgestellt, wodurch Skalierbarkeit und Kosteneffizienz verbessert wurden.
• Microservices mit Docker containerisiert und Deployments mit Kubernetes orchestriert, wodurch Deployment-Pipelines verschlankt und die Systemzuverlässigkeit verbessert wurden.
• Proaktives Monitoring und Logging mit AWS CloudWatch und Kibana umgesetzt, um Stabilität und Performance während des Cutovers sicherzustellen.
• Die Zusammenarbeit durch Code Reviews und Peer Reviews verbessert und so Wartbarkeit sowie saubere Coding-Standards gefördert.
• Die Qualität durch umfangreiche JUnit-Tests und detaillierte Testfälle gestärkt, wodurch Fehler frühzeitig erkannt werden konnten.
• Automatisierte API-Tests mit Ready API, Postman und SOAPUI geliefert und Performance-Tests mit JMeter durchgeführt, um die Zuverlässigkeit in Umgebungen mit hohem Transaktionsaufkommen sicherzustellen.

• Ermittlung von Anforderungen (rechtlich, organisatorisch und technisch)
• Entwurf von Lösungsarchitekturen
• Bewertung von Konzepten und Technologien
• Erstellung von Entscheidungsvorlagen
• Architekturelle Entscheidungsaufzeichnungen (ADR)
• Koordination der Umsetzung
• Überprüfung der Implementierungen
• Dokumentation

• Unterstützung mehrerer agiler Teams bei der Produktneuentwicklung einer Enterprise-CRM- und ERP-Anwendung
• Web-Frontend-Entwicklung mit Angular 17–21 (Microfrontends, Domain-Driven Design, MDB-Bootstrap)
• Backend-Entwicklung mit C# und .NET 7–10, MongoDB, MassTransit, RabbitMQ, Entity Framework Core, ElasticSearch (Microservices, DDD)
• Technisches Feature-Design für zugewiesene Tasks
• Technische Architekturkonzeption einschließlich vorausschauender Konzeption KI-gestützter Erweiterungsmöglichkeiten
• Proof-of-Concept-Implementierung KI-gestützter Workflows mit n8n und lokal gehostetem LLM (Ollama)
• Abstimmung mit Stakeholdern und Product Ownern, Unterstützung bei der Sprintplanung

Ergebnis: Lieferung produktionsreifer Microservices und Frontend-Module in agilen Sprintzyklen.

Umfeld: .NET 7–10 · Angular 17–21 · C# · TypeScript · OpenAPI · Microfrontends · DDD · Kubernetes · Docker · Helm · MS SQL Server · PostgreSQL · MongoDB · MassTransit · RabbitMQ · EF Core · ElasticSearch · Kibana · Azure DevOps · KeyCloak · n8n · Ollama

• Mitwirkung an der Entwicklung einer fortschrittlichen RAG-KI-Chat-Anwendung, die mehrere LLM-Modelle integriert und es Benutzern ermöglicht, je nach Aufgabe nahtlos zwischen den Modellen zu wechseln. Dadurch wurde die Benutzererfahrung verbessert, da für verschiedene Anwendungsfälle wie Terminplanung, Buchungssysteme und die Verwaltung komplexer Aufgaben passende und effiziente Lösungen bereitgestellt werden.
• Beteiligung am Entwurf und an der Implementierung einer robusten Backend-Architektur mit Spring AI, die fortschrittliche KI-Funktionen wie intelligente Aufgabenautomatisierung, Sprachverarbeitung und kontextbezogene Empfehlungen ermöglicht. Einsatz von Spring-AI-Tools und Advisors zur Verbesserung der Leistung und Entscheidungsfindung der KI-Modelle.
• Mitarbeit bei der Integration von Vektordatenbanken zur Unterstützung von Embeddings, wodurch die Anwendung Benutzeranfragen besser verstehen und auf Grundlage komplexer Echtzeit-Dateneingaben Aktionen ausführen kann.
• Mitwirkung an der Entwicklung einer nahtlosen und benutzerfreundlichen Frontend-Oberfläche mit React und TypeScript, um eine moderne, responsive und skalierbare Benutzererfahrung auf verschiedenen Plattformen sicherzustellen.
• Unterstützung bei der Implementierung der Zustandsverwaltung mit Redux RTK für einen effizienten Datenfluss und Echtzeitaktualisierungen. Dadurch wurde die Benutzererfahrung in dynamischen Szenarien wie Terminplanung und Aufgabenverwaltung optimiert.
• Zusammenarbeit mit Stakeholdern bei der Definition von Funktionsanforderungen, um sicherzustellen, dass die Anwendung an sich ändernde Geschäftsanforderungen angepasst und in andere Systeme wie Kalender- und E-Mail-Dienste integriert werden kann. Zusammenarbeit mit funktionsübergreifenden Teams, darunter Data Scientists und UI/UX-Designer, zur Feinabstimmung der KI-Modelle und zur Abstimmung mit den Projektzielen.
• Mitwirkung an der Sicherstellung der durchgängigen Systemleistung, Sicherheit und Compliance durch die Integration von Authentifizierungsmechanismen, rollenbasierter Zugriffskontrolle und sicheren Kommunikationsprotokollen in Backend und Frontend.

Technologie-Stack und wichtigste Beiträge:

• Java / Spring Boot / Spring AI: Entwicklung von Backend-Services mit Spring AI für intelligente Antworten, Aufgabenautomatisierung und komplexe Workflows.
• React / TypeScript: Entwicklung intuitiver Benutzeroberflächen mit React und TypeScript für ein reibungsloses und skalierbares Frontend.
• Redux RTK: Verwaltung des Anwendungszustands mit Redux RTK für eine optimierte Zustandsverwaltung und dynamische Echtzeitaktualisierungen.
• Vektordatenbanken: Integration von Vektordatenbanken (pgVector) zur Unterstützung von Embeddings und Verbesserung der Leistung von KI-Modellen bei komplexen Anfragen.
• PostgreSQL / Redis: Verwaltung dauerhafter und temporärer Daten mit relationalen und In-Memory-Datenspeichern für Datenintegrität und Geschwindigkeit.
• Kafka: Einsatz von Apache Kafka für ereignisgesteuerte Kommunikation und eine nahtlose Integration zwischen Microservices.
• Spring Security: Sicherung der Backend-Services durch robuste Authentifizierungs- und Autorisierungsmechanismen.
• CI/CD und DevOps: Integration kontinuierlicher Integrations- und Deployment-Pipelines für eine schnelle und sichere Bereitstellung von Funktionen und Aktualisierungen.

• Durchführung des SAP-Basis-Betriebs für komplexe SAP-Systemlandschaften (ABAP- und Java-Stacks)
• Administration, Überwachung und Optimierung von SAP-Systemen hinsichtlich Verfügbarkeit, Performance und Stabilität
• Planung und Umsetzung von Rechenzentrumsumzügen sowie Migrationen von SAP-Systemen und Datenbanken
• Steuerung von Incidents, Changes und Problems nach ITIL-Prozessen inkl. Root-Cause-Analysen
• Erstellung technischer Konzepte, Betriebsdokumentationen und Implementierungspläne

Technologien: SAP NetWeaver, ITIL-Prozesse, technische Migrationen

• Ableitung von Testfällen unter IBM DOORS für verschiedene Geräte nach ISTQB
• Testfälle in Python unter Linux automatisieren und ausführen
• MobaXtrem, Windchill sind im Einsatz