.NET Core Experten in München

• 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

• 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).

• Weiterentwicklung der internen Plattform „ECockpit“ mit Frontend Angular 17 und Backend .NET (C#)
• Pflege und Weiterentwicklung der Azure DevOps Pipelines
• Einführung technischer Verbesserungen in Build- & Release-Prozessen
• Mitarbeit an modularem Architekturansatz (Clean Architecture & DDD)
• Fokus auf Skalierbarkeit und sichere Datenverarbeitung
• Tech-Stack: Angular 17, .NET / C#, Azure, Azure DevOps, Git, CI/CD, Clean Architecture, Domain Driven Design

• Betrieb und Erweiterung von Azure DevOps-Pipelines

• Betrieb und Erweiterung von AWS-Services

• Citrix (Windows 10, Bitwarden)

• AWS: ECR, EKS, CloudFront CDN, Route 53, VPC-Peering und CNI-Upgrade, Atlas MongoDB, S3-Buckets, statisches Hosting von Websites

• Azure: Erstellen und Bereitstellen mit DevOps-Pipelines

• Implementierung von Microservices in C# unter Verwendung von dapr und Docker für ein System zum Austausch von Analysenanträgen und Ergebnissen zwischen Laborsystemen
• Implementierung eines Testautomatisierungsframeworks mit C# und SpecFlow für dieses System
• Build und Release Management mit GitLab
• Evaluierung von Laborsystemen bezüglich Erweiterbarkeit (mittels Python) und Integration

• Architektur, Design und Weiterentwicklung einer hybriden Lösung bestehend aus Java-Backend mit REST-API und C# / WPF-Frontend
• Entwicklung sicherer, verteilter Funktionen zur klassifizierten Nachrichten-Verarbeitung, -Kategorisierung und -Verschlüsselung
• Integration von Backend-Services mit Dokumentenmanagementsystemen (DMS) zur strukturierten Ablage von Dateien
• Planung, Aufbau und kontinuierliche Optimierung von Azure DevOps Pipelines zur automatisierten Bereitstellung und Qualitätssicherung verteilter Anwendungen im sicherheitskritischen Umfeld
• Technische Abstimmung mit Projektverantwortlichen der Bundeswehr und Drittanbieter relevanter Softwares und Schnittstellen und Dokumentation der entwickelten Lösungen

• Weiterentwicklung von Excel-Formblättern für die Elektroindustrie
• Konzeption und Entwicklung neuer Auswertungsfunktionen
• Erweiterung der Excel-Formblätter zur Auswertung von Daten
• Einsatz von Excel und VBA