Databricks Experten in Köln

• Proof-of-Concept für Echtzeit-Videoanalyse zur Bereitstellung auf NVIDIA Jetson Edge-Geräten entwickelt.
• DeepStream-Pipelines implementiert mit Objekterkennung, Tracking, menschlicher Posenschätzung, Gesichts-Anonymisierung und Bereichseinbruchserkennung.
• Qt/Python-Demo-UI erstellt, die über REST-APIs mit der KI-Pipeline kommuniziert.

• Verantwortung für Architektur und Entwicklung einer KI-nativen SaaS-Plattform für industrielles Produktportfoliomanagement.
• Konzeption der modernen Datenplattformarchitektur auf Azure für skalierbare Analysen und unternehmensweite Datenintegration.
• Aufbau von Unternehmens-Daten-Ingestions- und Transformationspipelines für komplexe industrielle Systemlandschaften.
• Entwicklung graphbasierter Darstellungen von Produktstrukturen und Abhängigkeiten für analytische Auswertungen.
• Konzeption und Implementierung eines agentischen KI-Frameworks für KI-gestützte Entscheidungsabläufe.
• Aufbau skalierbarer analytischer Microservices und Integration von Reporting mithilfe moderner BI-Technologien.
• Koordination der Backend-, KI- und Frontend-Entwicklung im gesamten MYNR-Plattform-Stack.

• Implementierte ML-Pipelines für OCR, semantische Suche und Computer Vision
• Integrierte Azure-KI-Agenten und GPT-Workflows für Automatisierung und Qualitätssicherung
• Setzte cloudbasierte FastAPI-Dienste mit skalierbarer Architektur ein
• Erstellte Integrationsdokumentation und beriet zur Produktionsreife von LLMs

• Analyse der geschäftlichen Anforderungen
• Integration verschiedener Datenquellen wie ERP-Systeme, Produktionssysteme und externe Datenquellen
• Implementierung der Beladungsstrecken und Verarbeitungslogik mit MSSQL
• Datenmodellierung und Optimierung von Datenmodellen
• Aufsetzen eines Data Quality Managements inkl. Data Profiling mit dynamischer Programmierung
• Unterstützung bei der Konzipierung und Etablierung der Data Governance, insb. im Bereich Data Quality Management und Datenschutz
• Mithilfe bei der Entwicklung von BI-Lösungen mit Tableau zur Unterstützung von Entscheidungsprozessen

• Selbständig automatisierte Validierungs-Workflows mit Python initiiert und implementiert, wodurch manuelle Bearbeitung um 58% reduziert und Effizienz gesteigert wurde
• Ein Machine-Learning-Modell zur synthetischen Fehlererzeugung entwickelt, um Ausfallzeiten und Produktionskosten zu senken; lokal und über Databricks sowie Azure AI Factory bereitgestellt
• Ein kleines Datenset mit Bilddaten von Produktionslinien genutzt und dieses Datenset durch Training von Modellen wie cycleGAN und pix2pix erweitert
• Die Linux-basierte Entwicklungsumgebung für das Training von 3D-Modellen aufgebaut und optimiert; Reproduzierbarkeit über GitHub sichergestellt
• Technische Erkenntnisse vor funktionsübergreifenden Teams (Ingenieure, QA, Projektmanager) präsentiert und so die Abstimmung der ML-Lösungen an betriebliche Anforderungen sichergestellt

• Implementierung von maßgeschneiderten Reporting-Lösungen für Finanzkennzahlen, die auf spezifische Geschäftsanforderungen abgestimmt sind

• Entwicklung einer Anwendung für maschinelles Lernen, die eine Leistungssteigerung von 250% erzielte

• Datenarchitekt „Produktionsnahe Qualitätssicherung“ (03/2024–09/2024):

• Konzeption und Umsetzung einer Analyseplattform zur Erkennung von Qualitätsabweichungen in der Fertigung

• Aufbau einer skalierbaren Data-Lakehouse-Architektur auf Databricks in Kombination mit SAP ERP-Daten über SAP Datasphere

• Enge Zusammenarbeit mit dem SAP-Team zur Harmonisierung der Stücklisten- und Auftragsdaten

• Visualisierung der KPIs zur Unterstützung des Shopfloor-Managements

• Leitender Dateningenieur „Monitoring der Vertriebsleistung“ (08/2023–12/2023):

• Design und Implementierung einer Databricks-basierten Plattform zur Analyse von Verkaufszahlen und Promotion-Effekten

• Integration von SAP SD-Daten über SAP BW/4HANA

• Nutzung von Azure DevOps zur Orchestrierung von ETL-Jobs und Deployment der Workflows

• Technischer Projektleiter „Cloud-Migration & Datenstrategie“ (02/2023–05/2023):

• Migration eines heterogenen Data-Warehouse-Stacks in eine moderne Cloud-Architektur auf Azure mit Databricks als zentrale Verarbeitungsplattform

• Entwicklung einer Governance-konformen Datenarchitektur zur Integration von SAP-Finanzdaten und nicht-SAP-Quellen

Technologien: Databricks, Delta Lake, Python, SAP Datasphere, Azure DevOps, PowerBI, SQL

• Entwickelte automatisierte ETL-Pipelines mit AWS Glue und Athena zur Sicherstellung konsistenter Datenqualität und Governance-Anforderungen
• Implementierte Maßnahmen zur Validierung, Anonymisierung und Verschlüsselung von Daten im Einklang mit DSGVO
• Optimierte Cloud-Kosten durch Einführung von FinOps-Verfahren und erhöhte die Transparenz für Fachbereiche
• Überwachte Performance, führte Ursachenanalysen durch und stellte die Einhaltung von SLAs sicher
• Unterstützte Daten- und Lösungsarchitekten beim Aufbau tragfähiger Datenmodelle für ML- und Analytics-Szenarien

• Fungierte als zentrale Schnittstelle zwischen Rechts-, Engineering- und Business-Teams, um null Compliance-Verstöße sicherzustellen und gleichzeitig die Produktgeschwindigkeit beizubehalten.

• Führte die Entwicklung einer DSGVO-konformen KI-Aggregator-Plattform an und managte eine Roadmap, die rechtliche Vorgaben mit ambitionierter Feature-Auslieferung in Einklang bringt.

• Skalierte das Engineering-Team von 4 auf 9 Entwickler, etablierte Einstellungsprotokolle und technische Onboarding-Prozesse zur Unterstützung schneller Produktiterationen.

• Optimierte den Entwicklungsprozess durch Einführung strukturierter Sprint-Zyklen und Backlog-Pflege, was zu einer 20%igen Reduktion der Feature-Entwicklungszeit führte.

• Entwarf Architektur und Prototypen für agentenbasierte KI-Workflows mit n8n und RAG-Pipelines auf Langchain.

• Aufsetzen und Weiterentwicklung eines internationalen Subscription-Verwaltung-Systems

• Migration und Abschalten eines Hybris-SAP-Systems und Anbindung von Zuora

• Umsetzung zahlreicher Schnittstellen zu verschiedenen Systemen (extern und intern)

• Aufsetzen und Verbessern des Monitorings mit Grafana, Prometheus und Databricks

• Einführung von Logging mit Loki

• Umsetzung fachlicher Anforderungen mit jQuery, Thymeleaf, Spring Boot, Java, Go und Python

• Anpassung und Erweiterung der GitLab-CI-Pipelines

• Aufsetzen und Erweitern der Infrastruktur-as-Code mit Terraform und ArgoCD in AWS

• Aufsetzen und Durchführung von E2E- und Performance-Tests

• Ausbau der Databricks Business Intelligence Lösung zur Bereitstellung verschiedener KPIs

• Aufgaben: Architektur, DevOps, Entwicklung, Unit-Tests, Coaching von Mitarbeitern und Azubis, E2E-, Smoke- und Integration-Tests, Beratung bei agilen Methoden (Kanban, Scrum)

• Technologien und Methoden: Java, Go, Kotlin, Node.js, Spring Boot, SOAP/REST, Quarkus, Thymeleaf, Vaadin, Slack, Jira, Confluence, IntelliJ, GitLab, SQS, Kafka, AWS, Kubernetes, Terraform, Maven, Gradle, GitLab-CI, Databricks