.NET Core Experten in Deutschland

• Entwicklung des Audit-Logging-Frameworks
• Implementierung von APIs, die Entwickler in ihre Codebasen integrieren können
• Implementierung der Ingestion-Pipeline, der Datenbank-Abfrageschicht und der UI zum Durchsuchen der Audit-Events
• Verbesserung der Stabilität und Zuverlässigkeit des Backend-Systems

• 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

Embedded Analytics & KI-gestützte BI

Konzeption und Entwicklung einer integrierten Analytics-Lösung auf Basis von ASP.NET Core, Power BI Embedded und LLM-Services zur Bereitstellung kontextbezogener Business-Informationen.

Entwicklung eines AI-Agenten mit Function/Tool Calling zur sicheren Orchestrierung von REST APIs, SQL-Datenquellen und technischen Services innerhalb definierter Geschäftsprozesse.

Aufbau automatisierter BI-Workflows inklusive Workspace-Management, Deployment-Prozessen und geplantem Refresh über die Power BI REST API.

Umsetzung sicherer Service-zu-Service-Kommunikation mit Microsoft Entra ID und Service Principal sowie Integration in bestehende Enterprise-Systemlandschaften.

Technologien: ASP.NET Core, C#/.NET, Power BI Embedded, Power BI REST API, LLM API, AI Agents, Function/Tool Calling, Entra ID

Entwicklung einer iOS-App für virtuelle Anprobe und Outfit-Vorschläge

Das Ziel des Projekts ist die Entwicklung einer mobilen Anwendung für personalisierte, fotorealistische Outfit-Vorschläge. Benutzer sollen eigene Fotos hochladen, Kleidungsstücke virtuell anprobieren und direkt kaufbare Produkte in den generierten Vorschlägen wiederfinden können.

• Konzeption und Umsetzung des Onboardings sowie des Foto-Uploads in der iOS-App
• Entwicklung der mobilen Anwendung mit Expo und React Native
• Implementierung eines Hono-/Node.js-Backends für Benutzer-, Produkt- und Generierungsprozesse
• Aufbau einer asynchronen Verarbeitungsstrecke mit BullMQ und Redis
• Anbindung von PostgreSQL/pgvector und S3 für Produkt-, Bild- und Generierungsdaten
• Integration von Gemini und OpenAI für Outfit-Generierung und Bildverarbeitung
• Umsetzung eines Creditsystems und Anbindung von RevenueCat
• Integration von Stripe Connect und Affiliate-Produktfeeds für direkt kaufbare Produkte

Label: TypeScript, React Native, Expo, Hono, Node.js, PostgreSQL/pgvector, BullMQ, Redis, S3, Gemini, OpenAI, RevenueCat, Stripe Connect, Docker

• DTO-Klassengenerator: Eigenentwicklung eines Tools zur automatischen Generierung von Klassen, Funktionen und Methoden zur Nutzung in .NET Core Projekten auf Basis der SAP Business One Service Layer Metadaten
• E-Rechnungs-Import Add-On: Entwicklung eines SAP Business One Add-Ons / coresuite Moduls zum automatisierten Import von ZUGFeRD E-Rechnungen als Eingangsrechnungen – mit konfigurierbarem Mapping zur flexiblen Steuerung der Importlogik über vier Mapping-Typen (DIRECT, SQL, FIXED, EXPR). Das Add-On ist als lizenziertes Produkt für SAP Business One Kunden erhältlich.

Stack: SAP Business One, SAP Business One Service Layer, coresuite Country Package, C#

• KI-Integration (LLM & RAG): Konzeption und Aufbau eines internen, intelligenten RAG-Systems (Retrieval-Augmented Generation) auf Basis von LLMs, n8n und Vektordaten zur automatisierten Analyse technischer Dokumente und Fehlerprotokolle.
• Konzeption & Implementierung: Design einer robusten RS-232/UART-Kommunikationsschnittstelle für ein SBC-basiertes Embedded-Gerät zur Steuerung medizinischer Shaker-Systeme.
• Architektur & Protokolldesign: Umsetzung einer hochgradig wartbaren Softwarestruktur (OOP, SOLID) und Definition hardwarenaher, resilienter Kommunikationsprotokolle inklusive Multithreading und erweiterter Fehlerbehandlung.
• Qualitätssicherung & DevOps: Testautomatisierung mittels xUnit, Integrationstests direkt am Hardware-Target und Pflege der technischen Dokumentation nach strengen Medizintechnik-Standards via Azure DevOps.

Label: C#, .NET, LLMs, RAG, n8n, RS-232, UART, Multithreading, async/await, xUnit, gRPC/protobuf, Blazor, MudBlazor, EF Core, Visual Studio 2026, Azure DevOps

• Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
• Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
• Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
• Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
• Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
• Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
• Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
• Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
• Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
• Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
• Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
• Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
• Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
• Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).

• Optimierung der Übertragungsmedien der Datenstrecken im Ruhrgebiet
• Konfiguration/Erweiterung der Switches und Router für ein autonomes System AS
• Eingesetzte Netzwerkprotokolle Layer 2/3 (OSI-Modell) verbessern: RSTP, Broadcast, usw.
• Kabel verlegen, crimpen, Antennen, Router, Switche
• Pflege, Erweiterung, Auswahl und Priorisierung von Entstörungsmaßnahmen der Netzwerküberwachung (PRTG, The Dude)
• Organisation und Neuanbindung eines weiteren BGP-Peerings, Rechenzentrum, NGN-Glasfaser
• VPN-IPSec-Standortverbindungen für 6 Standorte mit PFSense, Fritzbox
• WLAN-Geräte-Konfiguration (Mikrotik, UBNT)

Label: TCP/IP, VLAN, BGP, OSPF, MPLS, VPLS, Routingprotokolle, WLAN, EoIP, PPPoE, Routing, SNMP, DHCP, DNS, NAT, native IP, VLAN, Ethernet, VoIP., Switche und Router von: Nortel, Cisco, MikroTik, UBNT., Netzwerkmanagementsysteme: The Dude, PRTG, UISP

• Agierte als technischer Berater zur Optimierung von mehrschichtigen Ensemble-Modellen, die ResNet, CNN-BiGRU-Attention und XGBoost kombinierten.
• Begleitete die Umsetzung eines Logistic-Regression-Meta-Lerners zur Lösung von Klassenungleichgewichten und erreichte 92,86 % Genauigkeit und einen AUC-Wert von 0,9644 auf den Datensätzen PTB-XL und Chapman-Shaoxing.

• Neuentwicklung einer WebApp zur Verwaltung und Konfiguration von Zählgeräten für Großveranstaltungen
• Technologien: .NET 10, C#, Blazor, MudBlazor, MySQL, Git

• Eine neue Domain-Driven-Design-Architektur für ein Kernsystem entworfen: eine zentrale Komponente reverse-engineered, die Data-Access-Schicht refaktoriert, um Datenbank-Round-Trips zu minimieren (für bessere Skalierbarkeit), und die Verarbeitung auf async migriert.
• Die Plattform in unabhängige .NET-Core-Microservices zerlegt (Database-per-Service) mit RabbitMQ Pub/Sub unter Einsatz des Outbox Pattern + Saga Choreography, hinter einem Ocelot API Gateway (JWT, Rate Limiting, CORS, Health Checks).
• Umsetzung mit .NET Core / Angular / SQL Server / EF Core sowie Docker und Azure DevOps CI/CD; Health Checks und CORS implementiert; technische Designs für Stories im agilen Scrum erstellt.
• Alleiniger ADR-Verantwortlicher; 3 Engineers betreut und Architekturentscheidungen direkt dem Director of Corporate IT präsentiert.

• Schwerpunkte: Anwendungsentwicklung, IT-Sicherheit, Projektmanagement, Konzeption, Online/Offline-Marketing, Print, Start-up-Aufbauphase, KMU
• Hosting (bis Ende 2015), Monitoring, IT-Infrastruktur, Cloud-Lösungen
• Frameworks und Tools: Scrum, Kanban, OKR, Agile-Muster, .NET Core, Node.js, Angular, React/JSX, PHP OOP, C#, JavaScript, TypeScript, Python, Ruby, MySQL, MS SQL, PostgreSQL, MongoDB, AWS, Docker, Kubernetes, Jenkins, GitLab CI, Terraform

• Analyse und Behebung von Sicherheitslücken in einem Risikobewertungssystem für den Energiehandel
• Systemanalyse
• Threat Modeling
• Entscheidung über Strategien zur Behebung von Schwachstellen
• Implementierung von Mechanismen zur Schwachstellenerkennung
• Sicherheits-Scans
• DevSecOps-Praktiken
• Technische Umgebung: Visual Studio Code, JetBrains Suite, MS Threat Modeling Tool, DevSecOps, Git, AWS, DynamoDB, SQL Server, Endur, Snowflake, Orca
• Sprachen: C#, JavaScript, TypeScript, Python, PowerShell, Bash, Terraform, SQL

• Migration und Wartung eines Legacy-Systems auf die neueste Version von .NET für das Asset-Management-System
• Konzeption und Implementierung von Tests
• Erstellung von Deployment-Pipelines und Dokumentationen
• Weiterentwicklung und Umsetzung von Change-Requests
• Technologien: C#, ASP.NET, Unit of Work, IOC, Three-Tier-Architektur, Entity Framework Core, DB First, Web API, Swagger, Open API, Monolith, Python, Oracle, Azure DevOps, GIT, xUnit, NSubstitute
• Methoden: Agile Entwicklung nach Scrum