GitHub Experten in Dortmund

Manufacturing-Intelligence-Plattform mit Enterprise-Workflows, RAG, Echtzeit-Funktionen für AI-Assistenten und Backend-Architektur über mehrere Repositories.

• Entwickelte und erweiterte produktive AI-/Backend-Services mit Django, DRF, FastAPI, GraphQL, Celery, PostgreSQL, MySQL, Redis und WebSockets über eine modulare Plattform mit mehreren Repositories.
• Mitgewirkt an ARIS V2, einem Echtzeit-AI-Assistenten für die Fertigung mit LangChain, LangGraph, MCP-Tool-Orchestrierung, Planungs-/Ausführungs-Workflows, OpenAI, AWS Bedrock, Qdrant sowie Retrieval auf Basis von Elasticsearch/OpenSearch.
• Unterstützte die Rollout-Erweiterung von ARIS V1 in 4 von 17 Kunden-Produktionswerken auf ARIS V2, das aktuell in 13 von 17 Werken aktiv ist, und steigerte so die reale Abdeckung auf mehr als 50 % der Kundenumgebung.
• Arbeitete an dokumentengestützter RAG-Funktionalität inklusive Ingestion, OCR, Chunking, Embeddings, Indexing, Retrieval, Reranking und geerdeter Antwortgenerierung für industrielle Workflows.

Stack: Python, Django, DRF, FastAPI, LangChain, LangGraph, GraphQL, Celery, WebSockets, OpenAI, AWS Bedrock, Qdrant, Elasticsearch/OpenSearch, PostgreSQL, MySQL, Redis, 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#

• Konzipierte und entwickelte End-to-End-Machine-Learning-Pipelines für Klassifikations- und Vorhersagedaten und implementierte sie unter Einsatz von MLOps-Best Practices, um Robustheit und Reproduzierbarkeit zu gewährleisten.
• Trug direkt zur Verbesserung der Ausgabegenauigkeit von LLM-Modellen bei, indem ich spezialisierte Prompts entwickelte, die auf der Logik von End-to-End-ML- und SciML-Pipelines basieren.
• Erstellte Trainingsdaten für Large Language Models, indem ich Programmieraufgaben formulierte, die die Modelle nicht lösen konnten, und anschließend die richtigen Lösungen dokumentierte.

Conventional Paradigm Test (CPT) – KI-Evaluation & LLM-Forschung

Entwicklung eines experimentellen Evaluationsansatzes zur Untersuchung von „paradigmatic closure“ in Large Language Models – also der Frage, inwieweit LLMs die grundlegenden Annahmen, Wertungen und Grenzen der Paradigmen erkennen können, innerhalb derer sie Antworten generieren.

Konzeption und Erprobung eines ergänzenden Ansatzes zu klassischen AI-Benchmarks, der nicht primär faktische Richtigkeit oder Task Performance misst, sondern die Fähigkeit von Modellen untersucht, alternative Perspektiven zu erkennen, implizite Annahmen offenzulegen und die Grenzen des eigenen Antwort- bzw. Deutungsrahmens zu reflektieren.

Schwerpunkte: Entwicklung von Evaluationskriterien und Testfragen · LLM Evaluation und Comparative Model Analysis · Prompt- und Response-Analyse · qualitative Klassifikation von Modellantworten · Untersuchung von epistemic compression und value leakage · Benchmark- und Literaturrecherche · Entwicklung strukturierter Bewertungs- und Analyseverfahren

Im Rahmen von CPT wurden u. a. bestehende AI-Evaluationsansätze und Benchmarks analysiert sowie ein minimalistisches Testprotokoll entwickelt, das Modellantworten nach Reaktionsmustern wie DIRECT, CLARIFY, PLURALIST, REFUSE und META-AWARE klassifiziert. TruthfulQA wurde dabei als Testgrundlage für die experimentelle Anwendung und den Vergleich mit bestehenden Referenzantworten eingesetzt.

Technologien & Methoden: Large Language Models (LLMs) · Generative AI · Prompt Engineering · AI Evaluation · TruthfulQA · Benchmark Analysis · Human-in-the-Loop Evaluation · Qualitative Content Analysis · Research & Literature Review

• Technische Leitung eines Teams zur Entwicklung agentischer Chatbot-Lösungen (React, TypeScript, Python, FastAPI)
• Architekturdesign für Multi-LLM-Dialogsysteme – Fokus auf Wartbarkeit, UX und autonome Ausführung
• Abstimmung mit Stakeholdern, CI/CD-Prozesse und AI-Integration auf Enterprise-Niveau

• Unterricht in JavaScript, HTML, CSS, React, Node.js, MongoDB, MariaDB und Express
• Unterrichtsgestaltung und -vorbereitung
• Klassenunterricht und Einzelcoachings

• Architektur und Weiterentwicklung der DevOps-Infrastruktur in einer regulierten Umgebung
• Migration & Planung & Entwicklung vom Monolithen zur Microservice (ASP.NET Core)
• Aufbau und Pflege von CI/CD-Pipelines (GitLab, Jenkins) zur Unterstützung agiler Entwicklung
• Verwaltung von Artefakt-Repositories mit JFrog Artifactory und Sicherheits-Scans via Xray
• Migration und Integration von Quellcode-Repositories (SVN → GitLab)
• Betrieb und Konfiguration einer Container-Plattform mit OpenShift
• Automatisierung von Deployments mit Ansible, Helm und Ansible Automation Platform
• Implementierung von Monitoring- und Alerting-Lösungen mit Prometheus
• Enge Zusammenarbeit mit dem Frontend-Entwicklungsteam zur Optimierung von Build-, Test- und Release-Prozessen
• Unterstützung bei der Etablierung sicherer und skalierbarer Infrastrukturprozesse (Secure SDLC)
• Dokumentation und Wissensvermittlung innerhalb des Teams
• Leiten der Refinements und Konzipierung der Architektur für das Backend