Elasticsearch-Experten in Deutschland

Leitung der durchgängigen Integrations- und Migrationsarchitektur für die Stilllegung der SAP-IS-U-Marktkommunikation und den Übergang zu Salesforce Marketing Cloud (SFMC) mit E.ON IT Services — einschließlich regulierter EDIFACT-Marktnachrichten, einer dreiphasigen Datenmigration (Übernahme Marktnachrichtenbestand nach Cutover), der Neugestaltung der Marktkommunikationsprozesse sowie der vollständigen Einhaltung der DSGVO und der deutschen Energiemarktanforderungen.

• Entwicklung der dreistufigen Zielarchitektur (SAP IS-U → NScale B2B gateway → SFMC) zur Verarbeitung von 50.000–100.000 EDIFACT-Nachrichten täglich innerhalb von SLAs unter 5 Minuten.
• Konzeption der dreiphasigen Datenmigration: 36 Monate historische Daten, verlustfreier Cutover laufender Marktnachrichten und nahezu Echtzeit-CDC-Synchronisierung.
• Umsetzung einer sicheren, BDEW-/DSGVO-konformen Integration (AS2/OFTP2, RFC/IDoc, REST APIs, OAuth 2.0, Azure AD, AWS S3) mit >99.5% Verfügbarkeit, <0.1% Migrationsabweichung und RTO <4 Stunden.
• Einsatz von BPMN zur Modellierung und Optimierung der Marktkommunikationsprozesse.

Technologien: SAP IS-U, NScale, Salesforce Marketing Cloud, EDIFACT, OAuth 2.0, Azure AD, AWS S3, BPMN, Jira, Confluence, Draw.io

Entwicklung von KI- und klassischen Modellen zur Analyse von Medizin- und Patientendaten, u. a. Medikationsanalysen, Diagnoseanalysen, Prognosen, Prozeduranalysen, Dosierungsanalysen, Komorbiditätsanalysen, Verordnungsanalysen, Patientenpotenzialanalysen, Überweisungsprofilanalysen und Verordnungsanalysen. Analysen im Bereich Real World Evidence.

Medizin-IT, Pharmaindustrie

Aufgaben, Verantwortlichkeiten:

• Aufnahme der Kundenanforderungen
• Planung des Teilprojekts
• Konzeption und Definition von KPI's
• Konzeption und Entwicklung von Modellen und Visualisierungen der Ergebnisse mittels Kunden-Dashboards
• Erarbeiten und Umsetzung von DWH-Anpassungen
• Ableitung von Handlungsempfehlungen

Methoden, Technologien:

• Simulation
• Künstliche Intelligenz
• Python
• R
• SQL
• Microsoft Power BI
• Amazon Web Services
• Elasticsearch
• PostgreSQL
• Databricks
• Multivariate Statistik

• Einführung eines Servicemanagements
• Optimierung der Prozesse
• Einführung einer agilen Arbeitsweise
• Einführung und Konfiguration des Atlassian Jira Servicemanagement
• Priorisierung der Features
• Absprache mit den Stakeholdern und dem Fachbereich
• Verwaltung des Backlogs und Erstellung der User Stories
• Verwaltung des Budgets
• Koordination eines Scrum Teams
• Einsatz von Atlassian Jira und Confluence
• Nutzung von Microsoft Teams
• Arbeit nach Scrum und Kanban

Produkt:

• Eine produktionsreife KI-Plattform entwickelt, die anhand von Produktdaten, Nutzeranforderungen und hochgeladenen Medien markengerechte Marketingbilder und -videos erstellt.
• Verantwortlich für Plattformarchitektur, technische Roadmap, API-Design, Sicherheit, Deployment-Abläufe, betriebliche Zuverlässigkeit und Strategie für Modellanbieter.
• Die Kernplattform mit .NET entwickelt und unterstützende KI- und Workflow-Prototypen in Python erstellt. Dabei sprachunabhängige API-Verträge und strukturierte Schnittstellen zwischen Services und Modellanbietern eingesetzt.
• Zuverlässige Hintergrundverarbeitung mit RabbitMQ, gespeichertem Workflow-Zustand, idempotenter Verarbeitung, Wiederholungsversuchen, Fehlerbehebung, Logging, sicherer Speicherung, Autorisierung und Abrechnung von Credits umgesetzt.
• Pragmatische Entscheidungen zu Eigenentwicklung oder Zukauf sowie zum Routing von Modellen getroffen, basierend auf Zuverlässigkeit, Latenz, Kosten und Wartbarkeit statt auf Neuheit.

Agenten-Orchestrierung & RAG-Systeme

• Agenten-Workflows mit Microsoft Agent Framework, LangGraph und LangChain entwickelt und verglichen, darunter Tool-Nutzung, bedingte Weiterleitung, Klärungsschritte, Zustandsverwaltung und Übergaben zwischen Agenten.
• Wiederverwendbare .NET-Komponenten für Agenten, Prompts, Tools, Modellanbieter, strukturierte Antworten und Retrieval mit pyvector implementiert. So lassen sich KI-Anbieter einfacher wechseln, ohne den Kern-Workflow neu zu schreiben.

• Machine Learning, BI und Big Data für Master-Studierende unterrichtet.

Technologien: Python, Power BI, SQL, ML, SnowflakeDB, databricks, MS Fabric, MongoDB, LLM

• Planung und Entwicklung einer CPU-Überwachungsanwendung zur Überwachung der Systemleistung und Ressourcennutzung.
• Entwicklung und Implementierung eines Spring-Boot-Backends mit REST-API zur Verarbeitung und Bereitstellung von Überwachungsdaten.
• Entwicklung des React-Frontends zur übersichtlichen und benutzerfreundlichen Darstellung der Überwachungsinformationen.
• Integration von PostgreSQL zur dauerhaften Speicherung und Verwaltung der Anwendungsdaten.
• Containerisierung der Anwendung und ihrer Dienste mit Docker Compose.
• Automatisierung der Bereitstellung und des Deployments der Infrastruktur mit Terraform auf AWS.
• Strukturierung der Anwendung als modernes, wartbares System mit REST-basierter Kommunikation zwischen Frontend und Backend.
• Entwicklung einer sicheren, skalierbaren CPU-Überwachungsarchitektur (cpu-watcher) mit einer eigenen Collector-Anwendung, die Überwachungsdaten an das Backend überträgt und dadurch den direkten Zugriff auf Systemressourcen reduziert.
• Entwicklung einer sicheren Cloud-Infrastruktur mit isolierter Datenbank in einem privaten Netzwerk und OIDC-basierter Authentifizierung.
• Implementierung von Infrastructure as Code mit Terraform und Integration versionskontrollierter CI/CD-Pipelines zur Automatisierung von Tests, Infrastrukturänderungen und Anwendungsbereitstellungen.
• Entwicklung und Implementierung der Architektur zur Frontend-Bereitstellung mit AWS CloudFront.

Stack: Spring Boot · React · PostgreSQL · REST API · Docker Compose · Terraform · AWS

Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung

• Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
• Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
• Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.

Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision

• Opt-in-RAG-Erweiterung über mandanteneigene Datenquellen (SharePoint, Confluence) auf einer bestehenden mandantenfähigen Enterprise-KI-Plattform
• Architektur: ADRs, Lösungsbewertungen, Berechtigungsstrategie, Kostenmodellierung
• End-to-End-SharePoint- und Confluence-Konnektoren: OAuth-Zustimmungsabläufe, Token-Erneuerung, Metadatensynchronisierung, Suchintegration
• Berechtigungsauflösung: ACL-Indizierung bei der Datenaufnahme und Überprüfung zum Abfragezeitpunkt (Dokumentensicherheit)
• Hybride Elasticsearch-Suche (semantisch + Keyword) mit RRF-Bewertung
• RAG-Chat mit Kontextinjektion und Quellenangaben
• Stack: Elastic Cloud, Elasticsearch, Docker, Northflank, Next.js, React, TypeScript, Prisma, Microsoft Graph API, Atlassian REST API, OAuth 2.0

• Arbeitete als freiberuflicher Senior DevOps Consultant vor Ort für IBM bei einer Agentur der Europäischen Union in einer hochsicheren, air-gapped Umgebung mit klassifizierten Systemen.
• Leitete Automatisierungs- und DevOps-Initiativen für eine große OpenShift-Plattform (>400 Nodes) und trieb die Deployment-Effizienz, GitOps-Einführung und operative Automatisierung mit Ansible, Python und Bash voran, während die Sicherheitsanforderungen eingehalten wurden.
• Übernahm die Automatisierung von Release- und Deployment-Workflows in einer Private-Cloud-Umgebung mit 400+ OpenShift-Nodes und verbesserte dadurch die Deployment-Geschwindigkeit und Zuverlässigkeit deutlich.
• Migrierte bestehende Playbooks, Rollen und Templates von Ansible Tower zu Ansible Automation Platform (AAP), stellte die vollständige Einhaltung von Fully Qualified Collection Names (FQCN) sicher und bereitete eigene Execution Environments (EE) für containerisierte Automatisierung vor.
• Implementierte den GitOps-Agent für AAP Controller Configuration as Code und ermöglichte damit die automatische Synchronisierung (CRUD) von Ansible-Controller-Objekten auf Basis von im Repository gespeicherten Konfigurationsdefinitionen über GitHub-Webhooks.
• Entwarf und automatisierte komplexe mehrstufige Betriebsabläufe, darunter Environment Cleanup, die Neuerstellung von Helix-Clusterkomponenten, Kafka-Topic-Management und das Lifecycle-Management von OpenShift-Objekten über rund 100 Umgebungen hinweg.
• Erreichte durch Automatisierungsverbesserungen über mehrere AAP-Cluster und OpenShift-Umgebungen hinweg eine Reduzierung von mehrtägigen manuellen Tätigkeiten auf weniger als wenige Stunden.
• Integrierte Ansible Automation Platform über ein Lookup-Plugin mit Thycotic (Delinea) Secret Server, um das sichere Credential-Management in automatisierten Prozessen zu verbessern.
• Verwaltete Deployment-Aufgaben, Platform-Troubleshooting und Istio-Netzwerkkonfigurationen unter Einhaltung strenger EU-PSC-Sicherheits- und Compliance-Standards.
• Arbeitete mit Infrastruktur- und Anwendungsteams zusammen, um Deployment-Prozesse zu verfeinern, Namenskonventionen zu entwickeln und die Automatisierungsabdeckung in einer air-gapped, klassifizierten Umgebung kontinuierlich zu verbessern.

Entwicklung und Weiterentwicklung einer internen Plattform zur Verwaltung und Bereitstellung technischer Ressourcen, virtueller Maschinen und infrastruktureller Services. Die Plattform unterstützt Self-Service-Prozesse und bildet Funktionen ab, die konzeptionell mit Cloud-Management-Lösungen wie Azure oder AWS vergleichbar sind.

• Verantwortliche Mitarbeit an der Konzeption, Entwicklung und Umsetzung neuer Backend- und Frontend-Funktionalitäten
• Hands-on Entwicklung mit Java, Spring Boot, Python und Angular
• Umsetzung von REST-Schnittstellen, Business-Logik, Validierungen und Integrationen in bestehende Systemlandschaften
• Weiterentwicklung moderner Weboberflächen mit Angular, inkl. Anbindung an Backend-Services
• Mitarbeit an Architektur- und Designentscheidungen im Team, insbesondere im Hinblick auf Skalierbarkeit, Wartbarkeit und saubere Schnittstellen
• Containerisierung und Deployment von Anwendungen mit Docker, Kubernetes und Helm
• Unterstützung bei CI/CD-Prozessen sowie beim Deployment in Kubernetes-basierte Umgebungen
• Arbeit im Umfeld von vSphere, Broadcom, GitLab CI/CD, ArgoCD, Maven, npm und NuGet
• Enge Zusammenarbeit mit Entwicklern, Fachbereich, DevOps und weiteren technischen Stakeholdern
• Analyse technischer Anforderungen, Ableitung geeigneter Lösungen und eigenständige Umsetzung im agilen Team
• Einsatz von GitHub Copilot zur Unterstützung bei Codegenerierung, Refactoring, Testfall-Erstellung und technischer Dokumentation

Methoden/ Werkzeuge/ Technologien: Sprachen & Frameworks: Java (21), Spring Boot (4.x), Python, AngularRobot Framework, Kubernetes, Helm Persistenz: PostgreSQL, MongoDB, Hibernate, Liquibase, Architektur & Kommunikation: REST, gRPC, GraphQL, Apache-Kafka, OpenAPI, Microservices, Event Driven, Domain Driven Design Cloud & Infrastruktur: Terraform, Docker, Rancher, Helm, Ansible Security: OAuth2, MS (Entra-ID), Websecurity, Keycloak (Extensions für detaillierte Gruppenrechte) DevOps: GitLab CI/CD, Ansible, Maven, Gradle, Grafana, Prometheus, Git, GitHub Copilot Testing & QM: JUnit, Robot Framework, automatisierte Komponenten- & Integrationstests, E2E Tests mit Playwright, Testcontainers, Easymock Methodik & Vorgehen: Kanban, JIRA, Confluence, Clean Code

Procure Ai entwickelt eine Beschaffungsplattform mit Tools zur Optimierung von Einkauf und Lieferantenmanagement. Sie bietet Echtzeitanalysen, Einsparpotenziale und automatisierte Workflows. Ein gemeinsames Datenmodell integriert und ergänzt Daten aus mehreren ERP- und E-Procurement-Systemen, darunter Ivalua, SAP, Coupa, WPS und Jaggaer.

06/2025 – HEUTE:

• Konzeption und Entwicklung einer neuen KI-nativen Beschaffungsplattform mit Dokumentenintelligenz, einer Agenten-Orchestrierungsebene auf Basis von Mastra und LLM-basierter Workflow-Automatisierung für Anwendungsfälle in den Bereichen Lieferantenmanagement, Intake und Kategorienmanagement
• Agentenbasierte Entwicklungs-Workflows im gesamten Entwicklungsteam eingeführt, die LLM-gestützte Codegenerierung und automatisierte Reviews ermöglichen und die Durchlaufzeit sich wiederholender Entwicklungsaufgaben messbar verkürzen
• Migration des Design Systems von Material UI zu shadcn/ui mit Tailwind, um die Konsistenz zu verbessern und den Aufwand für die Frontend-Entwicklung zu verringern
• Weiterhin direkt an Frontend-, Backend- und KI-Funktionen mitgearbeitet, während das Engineering-Team von 10 auf 20+ Engineers wuchs: Recruiting, Onboarding, 1:1-Gespräche und Mentoring

06/2020 – 06/2025:

• Als erster Engineer nach den beiden Gründern eingestiegen; gemeinsam mit dem CTO die Plattformarchitektur und Produktvision von Grund auf gestaltet und die Plattform auf 10 Unternehmenskunden ausgebaut
• Die Fullstack-Entwicklung von Funktionen für die zentrale Beschaffungsplattform geleitet, mit Schwerpunkt auf Anwendungsfällen in den Bereichen Analytics, Suche und autonome Verhandlungen: MVP-Umfang festgelegt, technische Entscheidungen an den Kundenergebnissen ausgerichtet und Arbeiten eingestellt, die keinen Mehrwert brachten
• Eine feldbasierte Konfigurationsanforderung für autonome Verhandlungen hinterfragt und stattdessen einen knotenbasierten Regel-Editor entwickelt, der der Denkweise von Category Managern mit Bedingungen und Verzweigungen entspricht; später auch für andere Workflow- und Entscheidungskonfigurationen wiederverwendet
• Mandantenfähige Authentifizierung und fein abgestufte Autorisierung auf Basis von Organisationseinheiten entwickelt und umgesetzt
• Eine mandantenfähige Admin-Anwendung zur Verwaltung von Kundeninstallationen in verschiedenen Umgebungen konzipiert und entwickelt, einschließlich Konfiguration, Feature Flags und i18n
• Ein eigenes, auf Material UI basierendes Design System erstellt und gepflegt, das im gesamten Produkt zum Einsatz kommt
• CI/CD-Pipeline und vollständige QA-Suite eingerichtet und gepflegt (Linting sowie Unit-, Integrations- und E2E-Tests)
• Einen Release-Prozess für mehrere Umgebungen mit Helm und Helmfile konzipiert und umgesetzt; Verantwortung für Infrastructure as Code in AWS und Azure übernommen
• Neue Tools und Frameworks recherchiert und erprobt; Make-or-Buy-Entscheidungen getroffen, um Entwicklungsgeschwindigkeit, Kosten und langfristige Wartbarkeit in Einklang zu bringen
• Das Engineering-Team von 4 auf 10+ Engineers vergrößert, Engineers betreut und eine Kultur der Eigenverantwortung, Code-Reviews und schrittweisen Auslieferung aufgebaut

Technologien: TypeScript, JavaScript, React, Node.js, Fastify, GraphQL, GraphQL Codegen, GraphQL Mesh, GraphQL Yoga, Hasura, Apollo Client, REST, CubeJS, PostgreSQL, Prisma, Elasticsearch, Meilisearch, Typesense, Kafka, Avro, Karapace, Kubernetes, Docker, Terraform, OpenTofu, Helm, Helmfile, GitLab CI, Keycloak, Better-Auth, OpenFGA, Nx, Vite, Vitest, Playwright, Testing Library, Storybook, Chromatic, Material UI, shadcn/ui, Tailwind, React Flow, recharts, i18next, Backstage, Grafana, Sentry, Zod, Claude Code, Codex, Mastra, Vercel AI SDK, Vercel AI Elements, AWS, Azure

• Technische Leitung eines vierköpfigen Entwicklerteams bei der zweijährigen Neuentwicklung des Reiseportals sonnenklar.TV mit über 10.000 Besuchern täglich
• Ablösung einer gewachsenen Legacy-Architektur aus Laminas (Zend Framework) und Elasticsearch durch eine Headless-Plattform auf TYPO3 LTS mit MariaDB — zwei Systeme zu einem konsolidiert, Betriebs- und Wartungsaufwand deutlich gesenkt
• Frontend eigenständig aufgebaut mit Vue.js, Nuxt, TypeScript und TailwindCSS; Großteil der Komponentenbibliothek selbst entwickelt
• Redaktionsbetrieb für über 30 Redakteure vom Eigenbau-Backend auf das TYPO3-Backend umgestellt
• Deutlich verkürzte Ladezeiten der Kernseiten; Continuous Delivery über Jenkins und GitLab CI

Betriebsbedingte Beendigung im Zuge eines Stellenabbaus infolge des Nachfrageeinbruchs in der Reisebranche.

Weiterentwicklung einer Softwarelösung zur Verwaltung von Prüfanträgen und Prüfmitteilungen nach §106d SGB V für die Kassenärztliche Vereinigung Hamburg.

• Entwicklung zahlreicher Features, Performance-Optimierungen, Refactoring, Fehleranalyse
• Refactoring des Dev-Container-Setups
• Optimierung der Gitlab-CI Build-Pipeline
• Einbringung von Optimierungen im Team-Workflow

• Aufbau einer Datenintegrationsplattform für Hoch-, Mittel- und Niederspannungs-Assets zur kontextuellen Analyse von Zeitreihen mit Stammdaten aus dem SCADA-Leitsystem (IEC 60870 104), INIS und SAP.
• Verantwortung für Architektur und Implementierung der Lösung sowie Sparringpartner für den Product Owner.
• Einsatz von Kotlin, Spring Boot, Maven, TimescaleDB, PostgreSQL, liquibase, Elements IoT, Docker, Kubernetes, Grafana, Python, Jupyter und verschiedenen API-Gateways.