GitHub Experten in Essen

Tools: Fabric, AWS, dbt, Power BI, SQL, DWH, R, Python

• Unterstützte Kunden bei der Umsetzung eines Architekturdesigns zur Extraktion und Aufbereitung von Daten
• Verantwortete die Konzeption und Implementierung der BI- und DWH-Plattform
• Sicherte die Skalierbarkeit und Performance der Datenplattform

• Titel: Verbesserung des syntaktischen Bewusstseins in Transformer-Sprachmodellen für das Hindi-Dependency-Parsing
• Untersuchung des syntaktischen Wissens, das Transformer-Sprachmodelle (RoBERTa, XLM-RoBERTa) für das Hindi-Dependency-Parsing erfassen, einer morphologisch reichhaltigen und ressourcenarmen Sprache.
• Entwicklung strukturbewusster Modellvarianten (Struct_Roberta_hi, Struct_XLMR) durch Integration eines CNN-basierten Parser-Netzwerks zwischen den Transformer-Schichten, inspiriert von der StructFormer-Architektur.
• Durchführung umfangreicher Fehleranalysen einschließlich Auswertungen nach Label, Distanz, Richtung, Satzlänge sowie LVC/Non-LVC.
• Evaluierung der Modelle bei nachgelagerten NLP-Aufgaben (NER, POS-Tagging) unter Verwendung des IndicXTREME-Benchmarks.

(Mutterschafts-/Elternzeit: Juli 2023 – Aug. 2024)

• Domäne: Zahlungsverkehr | Kunde: Telefonica Germany
• Projekt: General Payment Service

Der General Payment Service ist für die Verarbeitung von Online-Zahlungen über externe Zahlungsdienstleister wie Saferpay und PayPal verantwortlich.

• DOU- und Schnittstellenvertragsdokumentation entwickelt und erstellt, um Klarheit und Konformität über Systemintegrationen hinweg sicherzustellen
• REST/SOAP-Webservices mit Spring Boot und Spring Data JPA entworfen und umgesetzt, Swagger-Verträge über das WSO2 API Gateway veröffentlicht, um Zugänglichkeit und Governance zu verbessern.
• Die Migration von On-Premises in die AWS Cloud geleitet, die Plattform von Oracle auf PostgreSQL auf AWS RDS umgestellt und Services auf EC2 bereitgestellt, wodurch Skalierbarkeit und Kosteneffizienz verbessert wurden.
• Microservices mit Docker containerisiert und Deployments mit Kubernetes orchestriert, wodurch Deployment-Pipelines verschlankt und die Systemzuverlässigkeit verbessert wurden.
• Proaktives Monitoring und Logging mit AWS CloudWatch und Kibana umgesetzt, um Stabilität und Performance während des Cutovers sicherzustellen.
• Die Zusammenarbeit durch Code Reviews und Peer Reviews verbessert und so Wartbarkeit sowie saubere Coding-Standards gefördert.
• Die Qualität durch umfangreiche JUnit-Tests und detaillierte Testfälle gestärkt, wodurch Fehler frühzeitig erkannt werden konnten.
• Automatisierte API-Tests mit Ready API, Postman und SOAPUI geliefert und Performance-Tests mit JMeter durchgeführt, um die Zuverlässigkeit in Umgebungen mit hohem Transaktionsaufkommen sicherzustellen.

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

• Aufnahme, Analyse, Spezifikation und Priorisierung von Anforderungen für das Modul „Archivieren und Löschen“ der Industrie- und Handelskammern in einem Scrum-Team
• Erfassen und Spezifizieren von Screen-/Formulardesigns, Funktionalität und Datentypen in Confluence sowie Erstellen von User Stories in Jira
• Erstellung von PowerPoint-Präsentationen für das Modul „Archivieren und Löschen“
• Koordination und Begleitung der IHK bei der Einführung des Moduls
• Erstellung von SQL-Skripten für eine Oracle-Datenbank
• Verwendete Technologien: Scrum, Confluence, Jira, MS Office, Postman, JavaScript, REST-API, JSON, DBVisualizer, SQL

• Strategischer Übergang in KI-Engineering durch intensives Mentoring und Projektdurchführung.

• Entwicklung von MASX AI, einer agentischen KI-Plattform, die LangGraph, AutoGen und RAG für geopolitische Prognosen und Echtzeit-ETL integriert.

• Entwurf und Bereitstellung funktionsfähiger KI-Prototypen für potenzielle Kunden, die angewandte Expertise in Multi-Agenten-Systemen, Echtzeit-Datenpipelines und LLM-Integrationen demonstrieren.

• Hauptansprechpartner für Stakeholder (insbesondere Konzerncontrolling), verantwortlich für den End-to-End-Plan-to-Steer-Prozess sowie datengesteuerte Unternehmensplanung und Performance Management mit SAP Signavio, SAP Analytics Cloud (SAC), S/4HANA-Datenmodellen, KPI-Frameworks, Berichten, Dashboards, Self-Service-BI und Advanced Analytics.

• Zuständig für das Requirements- und Integrationsmanagement konzernweiter SAP-BI-Lösungen, einschließlich BI-Standards, Data Governance und Architekturleitlinien.

• Mitarbeit an einem globalen BI-Transformationsprogramm (Rollouts, Key-User-Schulungen, Dokumentation) zur Stärkung der Datenkompetenz und Förderung kontinuierlicher Verbesserung.

• Skalierung einer neu eingeführten Funktion von MVP bis zum globalen Rollout in SAP Signavio, wodurch die Modellierungszeit für Kundenprozesse um 40 % reduziert und der NPS in zwei Release-Zyklen von 41 auf 63 erhöht wurde.

• Neu-Architektur einer über Jahre gewachsenen Web-Anwendung, Modularisierung stark gekoppelter Komponenten
• Antwortzeiten von mehreren Sekunden auf <50 ms reduziert
• Performance-Engpässe entfernt
• Architektur vereinfacht, sodass interne Teams wieder selbstständig Features umsetzen können

• Expertenberatung für Lebenszyklus, Aktualisierungen und Erneuerungen
• Einsatz von Remedy für Aufwandsdokumentation und Kundenabrechnung
• Einsatz von ServiceNow für Service-Management und Workflows
• Einsatz von Jira für Projektmanagement mit agilen/Scrum-Methoden
• Einsatz von Confluence für Dokumentation
• Arbeit mit kundenspezifischen Software-Tools
• Arbeit mit kundenseitig bereitgestellter, gesicherter Hardware für den Aufbau von IT-Sicherheitsinfrastrukturen
• Erstellung von Firewall-Regelsätzen und Übergabe an Service-Owner und Delivery-Teams
• Umgebung: Cisco ASA, Cisco Firepower, CSM, Cisco AnyConnect, Cisco ISE, Check Point VSX und Gateways

• Entwarf und implementierte ein automatisiertes Testframework mit JUnit und Maven, entwickelte BDD-Skripte mit Cucumber und wiederverwendbare Methoden für das Anwendungsverhalten.
• Erstellte Testdaten mit Automatisierungsskripten in Selenium WebDriver, Java und Python, validierte UI-Komponenten, Pop-up-Fenster und Mausbewegungen.
• Führte funktionale API-Tests von RESTful-Webservices mit Postman durch.
• Automatisierte die Testausführung mit Maven und integrierte sie in Jenkins, wodurch die Zeit für Regressionstests um 20 % verkürzt wurde.