Docker-Experten in Nürnberg

• Leitung der Integration eines maßgeschneiderten Transformer-basierten Encoders in die AFFGANwriting-Pipeline und Ersetzung der alten VGG19-Architektur, um reichhaltigere, hochqualitative Schreibstil-Repräsentationen zu gewinnen.
• Steigerung der Auswahlrate in Nutzerstudien um 40 %, was einen deutlichen Sprung in der wahrgenommenen Qualität und dem Realismus der generierten Handschriften im Vergleich zum Basismodell zeigte.
• Verbesserung der OCR-Leistung um 20 % durch Implementierung eines Teacher-Student-Frameworks, das ein TrOCR-Benchmarkmodell für ergänzende Trainingsabstimmung nutzte.

• Entwickelte einen maßgeschneiderten KI-Chatbot für einen E-Commerce-Kunden mit GPT-4 und LangChain inklusive RAG, wodurch das Volumen der Support-Tickets um 45 % sank und die Antwortgenauigkeit auf 92 % stieg.
• Entwarf und stellte ein System zur intelligenten Dokumentenverarbeitung mit LlamaIndex, Pinecone und FastAPI für ein FinTech-Startup bereit, das semantische Suche über mehr als 100.000 Finanzdokumente ermöglicht.
• Entwickelte Multi-Agenten-KI-Workflows mit CrewAI und LangGraph für eine Marketingagentur, automatisierte Lead-Recherche, Inhaltserstellung und Kontaktaufnahme — und sparte so über 20 Stunden manueller Arbeit pro Woche.
• Erstellte KI-gestützte Automatisierungspipelines mit n8n, Make und Zapier, integriert in CRMs (GoHighLevel, HubSpot), wodurch für ein Immobilienunternehmen die manuelle Dateneingabe um 80 % reduziert wurde.
• Beriet mehrere Kunden im Prompt-Engineering und bei der Feinabstimmung von LLMs, um KI-Modellausgaben für den Kundenservice, die Inhaltserstellung und die Datenextraktion zu optimieren.
• Erstellte produktionsreife REST-APIs mit Python und FastAPI zur Bereitstellung von KI-Modellen auf AWS und GCP und bewältigte dabei über 10.000 tägliche Anfragen mit 99,9 % Verfügbarkeit.

• Unterstützung beim Entwurf der AWS-Infrastruktur, integrierter Dienste und der Backend-Architektur für Use Cases einer On-Premise-Lösung und teilweiser Migrationen zu AWS mit schnellen Reaktionszeiten
• Implementierung automatisierter AWS-Integrationstest-Suiten
• Umsetzung von geschäftskritischen Komponenten und Lieferung vor Fristtermin in produktionsreifer Form mit Betriebs- und Überwachungskonzepten
• Dieses zweimonatige Teilprojekt drehte sich um den Aufbau einer datenintensiven Pipeline (5 TB), die kontinuierlich mit Daten angereichert wird
• Entwurf und Implementierung wiederverwendbarer AWS-CDK-Komponenten für Teams im Unternehmen, um ein schnelleres Onboarding in AWS zu ermöglichen
• Coaching zu AWS-Themen, verteilten Softwaremustern, Sicherheit, Domain-Driven Design, agiler Zusammenarbeit und Dokumentation zur Verbesserung von Performance und Zusammenarbeit
• Technologien: AWS, GitHub Actions, ETL, Monitoring, Betrieb, TypeScript, Python, AWS CDK, CloudFormation, Java, Docker, AWS ECS, AWS Lambda, Serverless, Jenkins, DevOps-Prinzipien

• Softwareentwicklung
• Technische Konzeption von Softwarearchitektur und -design (Berücksichtigung funktionaler und nicht-funktionaler Anforderungen)
• Frontend und Backend
• Refaktorisierungen
• Code-Reviews
• Unit Tests
• Automatisierte Integrationstests
• E2E-Tests

Global Identity Services (GIS) ist der Identity Provider für die Digital Services Platform (DSP). Die GIS sind für die Authentifizierung und Autorisierung von Endnutzern und anderen DSP-Diensten durch die Ausgabe von Security Tokens verantwortlich. Hierzu zählen:

• Verwaltung von Identitäten (z.B. Benutzerregistrierung, Passwortzurücksetzung und -änderung, Benutzerprofile)
• Verwaltung von Rollen und Berechtigungen
• Single Sign-On (SSO) über DSP-Dienste hinweg
• Verwaltung von OAuth-Ressourcen und Allgemeinen Geschäftsbedingungen (AGBs)

• Entwarf und implementierte die komplette Datenflussarchitektur für die Mercedes-AMG-Batterie-Gehäuse-Produktionslinie, von der Rohmaterialverarbeitung bis zur Rückverfolgbarkeit für den Endkunden.

• Entwickelte MQTT-basierte Kommunikationsprotokolle für Siemens S7 SPS-Steuerungen, um einen effizienten Echtzeitdatenaustausch zwischen Maschinen und Leitsystemen zu ermöglichen.

• Konzipierte einen lokalen, Ubuntu-basierten Industrie-Server, integrierte Node-RED zur Datenerfassung, MySQL-Datenbanken in Docker-Containern und automatisierte Datenpipelines.

• Inbetriebnahme der Vernetzung von 52 Siemens-SPSen und 32 Yaskawa-Schweiß- und Handhabungsrobotern.

• Entwarf und implementierte HMI- und Visualisierungssysteme zur Unterstützung der Bedienerschnittstelle und Produktionsüberwachung.

• Entwickelte einen 2D-Digitalzwilling des Produktionsbereichs und visualisierte Echtzeit-Prozessdaten von 26 Siemens-SPSen und 18 Yaskawa-Schweißrobotern über Stromquelle-Schnittstellen.

• Implementierte Datenerfassung und kamerabasierte Messsysteme zur Schweißqualitätskontrolle und automatisierten Fehlervisualisierung.

• Entwarf und optimierte MySQL-Datenbankstrukturen, einschließlich gespeicherter Prozeduren für Datenverarbeitung und Leistungsanalysen.

• Komplexe, KI-basierte Energiesystemmodelle in das Frontend-Framework integriert, was die Visualisierung von Erkenntnissen für mehr als 6 Schlüsselkunden ermöglichte und die Energienutzung maximierte.
• Energieeffizienz und Auslastung maximiert, indem der nahtlose Datenfluss zwischen KI-Modellen und der Benutzeroberfläche für schnelle, umsetzbare Berichte konzipiert wurde.

• Über 40 KI-Projekte und 23 strategische Beratungen für internationale Kunden (USA, Europa, Naher Osten) abgeschlossen, eine Erfolgsquote von 98 % erreicht und langfristige Partnerschaften aufgebaut.
• Produktionsreife KI-Lösungen in Computer Vision, NLP, Deep Learning und Generativer KI (LLMs, RAG-Pipelines, Stable Diffusion, OCR, Chatbots) entwickelt und bereitgestellt, wodurch Automatisierung ermöglicht und die Effizienz der Kunden um bis zu 70 % gesteigert wurde.
• Große Sprachmodelle (LLMs) entworfen und feinabgestimmt, inklusive Prompt Engineering und Integration in unternehmensinterne Wissensdatenbanken, was zu intelligenteren Entscheidungen und reduziertem manuellem Aufwand führte.
• Echtzeit-Computer-Vision-Anwendungen (Erkennung, Segmentierung, OCR) entwickelt und in Geschäftssysteme integriert, wodurch Genauigkeit und Skalierbarkeit deutlich verbessert wurden.
• Start-ups und Unternehmen in KI-Strategie, Architektur und Implementierung (Cloud & On-Premise) beraten, Produktentwicklung beschleunigt und die Markteinführungszeit verkürzt.
• Den gesamten Lebenszyklus von KI-Projekten (Anforderungsanalyse, Lösungsdesign, Bereitstellung, Support) in agilen, internationalen und funktionsübergreifenden Umgebungen gemanagt und dabei eine hohe Qualität gesichert.

• Technologie-Update
• Microsoft Azure-Zertifizierung

• Pionierarbeit in personalisierter KI: Entwicklung eines Frameworks für “Interaktiven Content” (RAG) für Romane, Vorlesungen, Expert Debriefings
• Erfolgreicher Start von Einbug, dem Pantopia-Chatbot, mit medialer Resonanz (SZ-Interview)
• Realisierung überzeugender KI-Persönlichkeiten: KI-Blog ([link]) 100% personalisierte Lernumgebungen, Perry Rhodan u. a.

• Entwickelte KPI-Dashboards mit Power BI und DAX für mehr als 4 Business Units und verbesserte so die Reporting-Transparenz und die strategische Entscheidungsunterstützung.
• Migrierte Enterprise-Finance-Datenansichten in dbt-Modelle und implementierte modulare SQL-Transformationen, versionierte Datenpipelines und automatisierte Dokumentation, um eine skalierbare Analytics-Schicht zu schaffen.
• Baute dimensionale Datenmodelle in Snowflake für Enterprise-Finanzdaten auf und ermöglichte so skalierbare Forecasts und die Unterstützung von Executive-Entscheidungen.
• Entwarf End-to-End-ETL/ELT-Pipelines mit Snowflake und SAP HANA und integrierte Daten aus mehr als 3 Enterprise-Systemen.
• Automatisierte monatliche Reporting-Workflows mit SQL und Power BI und reduzierte den manuellen Aufwand dadurch um 80%.
• Arbeitete mit Finance-Stakeholdern zusammen, um Business-Anforderungen in analytische Datenmodelle zu übersetzen und strategische Entscheidungszyklen zu unterstützen.
• Lieferte Ad-hoc-Finanzberichte mit Power BI und verkürzte die Durchlaufzeit um 60%.
• Implementierte Datenvalidierungslogik in SQL und löste 95% der wiederkehrenden Datenqualitätsprobleme.

• Beratung und Betreuung der Pimcore-Website und des B2B-Shops
• Erweiterung der Shop- und Website-Funktionen
• Beratung
• Schulung im Umgang mit Pimcore

Industrielle Kommunikation | Machbarkeitsnachweis: Controller-zu-Controller-Kommunikation mit OPC UA FX

Machbarkeitsnachweis für eine OPC UA FX-basierte Controller-zu-Controller-Kommunikation zwischen virtuellen speicherprogrammierbaren Steuerungen (vPLC) auf einer Industrial-Edge-Plattform. Dazu wurden in zwei Phasen eine virtuelle Testumgebung unter Debian Linux aufgebaut (inkl. VM, vPLC), Shared-Memory-Kommunikation (Realtime-Information-Bus) aktiviert und die RIB-Lösung in eine angepasste Produkt-Firmware (inkl. Shared Memory und Profinet-Unterstützung) integriert sowie in containerisierten Umgebungen (Docker) bereitgestellt. Zusätzlich wurde eine virtuelle Ethernet-Verbindung zur Simulation der Netzwerktopologie entwickelt. Abschließend erfolgten Inbetriebnahme, Funktionstests, Erstellung von Beispielanwendungen, umfassende Dokumentation sowie Kundensupport.

• Entwicklung eines neuen innovativen Zahlungsprodukts für den europäischen Markt mit dem Ziel, eine Alternative zu den bestehenden globalen Anbietern zu schaffen.
• Aufbau und Skalierung der Softwareentwicklungsprozesse und Teams.
• Architektur und Implementierung der Geschäftsprozesse in einer Event-Sourcing-Microservice-Architektur.
• Umsetzung eines Prototyps im Kontext des Digitalen Euro.
• Technologien: Ktor (Kotlin), AWS Managed Kubernetes mit Fargate, MongoDB, React, ElasticSearch, KoTest, Gradle, Agile Entwicklung, Paarprogrammierung, GitHub Actions, Gradle, SonarQube

• Bilder von Reifen und deren Merkmalsbeschreibungen gesammelt.
• Datensatz mit Bild-Metadaten mit pandas bereinigt.
• Merkmals-Embeddings der Bilder in der Chroma-Vektordatenbank gespeichert.
• Bildaugmentierungen eingesetzt, um die Datensatzgröße zu erhöhen.
• sklearn verwendet, um Datensätze zu mischen, und imbalanced-learn, um Klassengrößen im Datensatz auszugleichen.
• PyTorch genutzt, um verschiedene neuronale Netze zu trainieren und zu testen.
• Modell mit einer eigenen Genauigkeitsmetrik auf Basis einer Ähnlichkeitssuche in ChromaDB validiert.
• Vorhersagen der Genauigkeit mit matplotlib visualisiert.
• Trainiertes Modell in DreamBooth integriert, um ein Stable-Diffusion-Modell zu trainieren und neue Reifenbilder zu generieren.
• Eigenes Docker-Image im Amazon Elastic Container Registry für das Machine-Learning-Skript erstellt.