Google Cloud Pub/Sub Experten in Deutschland

• Einarbeitung sowie umfassende Dokumentation und Systemanalyse durchgeführt, um die bestehende Dateninfrastruktur zu bewerten und eine schnelle Integration sowie Zusammenarbeit zwischen den fachlichen Datenteams (Modellierung, Verarbeitung, Reporting) zu ermöglichen.
• Gemeinsam die Architektur und die Projektstruktur für ein zentrales Data-Pipeline-Repository definiert, inklusive hierarchischer Standards, Wissensmanagement-Strategien und rollenbezogener Verantwortlichkeiten, um die Wartbarkeit und die Einarbeitung zu verbessern.
• Open-Source-Tools für Data Routing (Airbyte, Apache NiFi, Dragster) für Ingest- und Sync-Anforderungen in der Retail-Analyse bewertet und validiert, inklusive lokalem Benchmarking und Tests von Fehlersituationen.
• Die Konzeption und Bereitstellung von Airbyte in Kubernetes geleitet, eigene Helm-Charts erstellt, den Umgang mit Secrets abgesichert und Ingress mit TLS sowie internem DNS-Routing konfiguriert, sodass API und UI vollständig erreichbar waren.
• Probleme mit dem Ingress-Controller analysiert und behoben, dabei mehrere Debugging- und Testphasen durchlaufen und die Setup- sowie Replikationsschritte für eine skalierbare Wiederverwendung dokumentiert.
• Datenmodelle an den ARTS-Standard angepasst, die Schema-Ausrichtung für ERP- und Reporting-Use-Cases unterstützt und Review-Schleifen koordiniert, um die zukünftige Datenverarbeitungslogik abzustimmen.
• Strategische One-Pager zu MinIO, Pub/Sub und Routing-Architekturen erstellt und technische Orientierung für Architekturentscheidungen sowie Investitionsplanung gegeben.
• Sicheren Zugriff und Authentifizierungsmechanismen ermöglicht, darunter die erste Bewertung einer SAML-Integration, Reviews der Cluster-Konfiguration und Verbesserungen bei Service-Annotations.

• TrendReel, Produktions-LLM-Agenten- und RAG-System (Python, LangChain, OpenAI, Groq/Llama 3, Claude, FastAPI, Kubernetes, PostgreSQL).
• Entwarf und baute ein produktives mehrstufiges LLM-Agentensystem: einen Script-Generierungs-Agenten mit einer plattformbezogenen Psychologie-Datenbank, 7 viralen Narrativ-Frameworks und strukturierter Qualitätsbewertung, der in Echtzeit je nach Ausgabemetriken zwischen Claude- und Groq-Backends wechselte.
• Implementierte Multi-Provider-LLM-Routing (Claude primär, Groq/Llama 3 Fallback) mit Priority-Chain-Failover und qualitätsbasiertem Provider-Wechsel und erreichte dabei eine Senkung der Inferenzkosten um 95 %, während messbare Qualitätsgrenzen eingehalten wurden.
• Aufbau einer fortschrittlichen RAG-artigen Retrieval-Pipeline mit Wissensbasen pro Plattform, semantischem Content-Matching und strukturierter Ausgabeevaluation über 7 Entscheidungs-Frameworks, direkt vergleichbar mit kontextbasiertem Reasoning in Multi-Tenant-Enterprise-Dokumenten-Workflows.
• BrainyAI, adaptive KI-Lernplattform (Python, LangChain, Groq Llama 3.3-70B, OpenAI, Next.js, Supabase, Redis).
• Integrierte Groq Llama 3.3-70B mit einem auf Bildungsniveau abgestimmten Prompting, wobei Wortschatz-Tiefe, Zitierkomplexität und Denkstil dynamisch über vier Leistungsstufen von Lernenden angepasst wurden.
• Nexus Prime, Multi-Tenant-SaaS-Plattform für Marketing- und Wachstumsautomatisierung (25 Module, 99 Backend-Router, 153 Frontend-Dateien).
• Aufbau einer 25-Modul-, 99-Router-Multi-Tenant-SaaS-Plattform für Ad-Remix, Affiliates, WhatsApp-Inbox, E-Mail und Warenkorbwiederherstellung, die vier Abo-Stufen von $199 bis $1,999 pro Monat mit integrierter Stripe-, Paystack- und Flutterwave-Abrechnung bedient.
• KI-Videoüberwachungsplattform, Multi-Tenant-Edge- und Cloud-Computer-Vision-System derzeit aktiv im Kundengespräch.
• Entwarf eine Multi-Tenant-KI-Videoüberwachungsplattform, die Edge-YOLO26-Inferenz auf NVIDIA Jetson Orin NX Boxen mit einer zentralen GKE-Cloud-Schicht (Postgres, Pub/Sub, ClickHouse, R2, Keycloak) für Ereignisspeicherung, Dashboards, Alarme und Multi-Tenancy kombiniert.

Leadentwickler der Frontend- und Backend-Systeme für ein webbasiertes Pre-Sales-Tool. Es wird von Vertriebsmitarbeitern und Ingenieuren genutzt, um komplexe Messsysteme für industrielle Kunden zu konfigurieren und zu kalkulieren. Kernfunktionen sind eine Kollaborationsplattform, ein Produktkonfigurator, physikalische Machbarkeitsprüfungen und ein PDF-Generator.

TypeScript · Node.js · Nest.js · Angular · REST · MongoDB · Playwright

• CNN- und RNN-Architekturen mit Transfer Learning für reale Klassifikationsaufgaben entwickelt und feinabgestimmt — zentrale Deep-Learning-Fähigkeiten, die auf die multimodale LLM- und GenAI-Fahrzeugfunktionsentwicklung bei BMW übertragbar sind.
• Dropout, Batch Normalization und Early Stopping in verschiedenen Deep-Learning-Experimenten implementiert; streng mit Precision, Recall, F1-Score und Confusion Matrices bewertet für Zuverlässigkeit auf Produktionsniveau.
• Ein KI-gestütztes Anwesenheitsverwaltungssystem mit LBPH-Gesichtserkennung entwickelt, über eine Flask-Weboberfläche bereitgestellt und mit SMS-Benachrichtigungen in Echtzeit ergänzt — ein Beispiel für eine vollständige AI-Produktlieferung für echte Nutzer.
• In funktionsübergreifenden Teams zusammengearbeitet, um skalierbare, dokumentierte ML-Pipelines für Reproduzierbarkeit zu liefern — passend zu BMWs interdisziplinärem Team- und Forschungsumfeld.
• AI-Tools direkt in den Entwicklungsworkflow integriert, vom Design bis zum Testen, und dabei eine hohe Geschwindigkeit ohne Abstriche bei der Korrektheit gehalten.

• Enterprise-Retrieval-Augmented-Generation-(RAG)-Anwendungen mit LangChain, LangGraph, Vektordatenbanken, Embeddings und Open-Source-LLMs entworfen und bereitgestellt, die über vLLM auf GCP-GPU-Infrastruktur betrieben wurden.
• Agentic-AI-Workflows mit LangGraph entwickelt, inklusive Planung, Schlussfolgern, Tool-Ausführung, persistenter Speicherung, Sitzungsverwaltung und Human-in-the-Loop-Freigabemechanismen.
• LLM-gestützte Automatisierungssysteme entwickelt, die BigQuery, SQL-Pipelines und externe Werbe-APIs wie Meta, TikTok, Amazon, Snapchat, Google und Pinterest integrieren und manuelle operative Abläufe reduzieren.
• Multi-Agent-AI-Systeme für Enterprise-Analytics- und Entscheidungsunterstützungs-Workflows entworfen, die autonome Aufgabenausführung und intelligente Dateninteraktionen ermöglichen.
• Retrieval-Optimierungsstrategien umgesetzt, darunter Multi-Retriever-Architekturen, semantische Suche, Kontextoptimierung und Query-Verbesserungstechniken, wodurch die Relevanz der Antworten um etwa 40 % verbessert wurde.
• Strukturierte Prompting-Strategien, Function-Calling-Schemata und Validierungs-Workflows entwickelt, um die Zuverlässigkeit von mehrstufigen LLM-Anwendungen zu verbessern.
• Skalierbare AI-Services mit Python, FastAPI, Cloud Run, Pub/Sub, BigQuery, Docker und cloud-nativen Bereitstellungsarchitekturen entworfen.

• Kontinuierliche Betreuung und Weiterentwicklung.

• 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.

• Kontext: Teams aus dem Gesundheitswesen und Labor brauchten eine schnellere Dokumentenanalyse, Unterstützung bei der Behandlungsplanung und zuverlässige KI-Workflows für MR-/VR-gestützte Einsätze.
• Beitrag: Ich habe die KI-Plattform für das Gesundheitswesen, Modell-/Agenten-Workflows, die Bereitstellungsplattform für VR-Brillen, REST-APIs, Next.js/React-Oberflächen und CI/CD-Pipelines aufgebaut.
• Auswirkung: Ich habe eine produktionsreife Grundlage für ein KI-Produkt geliefert, die die Prüfung klinischer Dokumente verbessert, Laborautomatisierung unterstützt und die Bereitstellung von VR-Flotten über verschiedene Umgebungen hinweg beherrschbar gemacht hat.

Tech: TypeScript, Next.js, Node.js, React, Java, Spring Boot, Python, PyTorch, TensorFlow, Docker, PostgreSQL, OpenAPI, GitLab, GitHub Actions.

• Implementierung der Anwendungen mit Kotlin und Ktor als Microservices
• Verwendung von MongoDB in der MongoDB Atlas Cloud
• Asynchrone Kommunikation der Services mit Google Pubsub
• Einsatz von Kotest und Mockk für Unit Tests
• Entwicklung eines Frontends zur Administration mit TypeScript, React und Express.js
• Provisionierung von Umgebungen in GCP mittels Terraform
• Implementierung von CI/CD-Prozessen mit GitHub Actions
• Betrieb skalierbarer Produktions- und Testumgebungen in GCP mit Kubernetes, Helm und Flux CD
• Überwachung der Umgebungen mit Prometheus und Grafana
• Bereitstellung von BI-Daten im Google BigQuery Datawarehouse

• Untersuchung von PoCs sowie Austausch und Verfeinerung einer bestehenden Cloud- und IoT-Kraftwerkssteuerungslösung zur Zertifikatsverwaltung von erneuerbaren Energieanlagen (Solar, Wind, Biomasse etc.) des größten europäischen EE-Verbundkraftwerksbetreibers in diesem Umfeld, inklusive Analyse der im Feld eingesetzten IoT-Geräte und ihrer Integrations- und Netzanschlussmöglichkeiten mit dem Ziel einer automatisierten PKI-Schlüsselverwaltung.
• Messaging mit Kubernetes für große, API-gebundene Enterprise-Anwendungen
• Risiko- und Angriffsvektoren-Analyse, Software-Qualitäts- und Fehlerbewertungen
• Agiles Workload-Scheduling via Jira & Confluence
• Evaluierung von Nachrichtendiensten Pub/Sub für MQ und Kafka.
• Verschiedene Tests mit „besten Designansätzen“ für Resilienz-Muster wie Circuit-Breaker-Designs, Durchsatzmessung und -überwachung, Bulkhead-Governors – für robustes EA-Design
• Integration des API-Managements mit IBMs API Connect in Kubernetes – für plattformunabhängige Microservices-API-Management-Designs. Google Apigee
• Ansätze für Solution Health Checks bei Lastspitzen + Maßnahmen
• Recherche und Prüfung potenzieller Subdienstleister in der koordinativen Rolle als Solution Manager. CIS20 Controls.
• DREAD- und STRIDE-Sicherheitsbewertungen.

Entwurf, Entwicklung und Wartung skalierbarer Backend-Services und cloudintegrierter Systeme mit Kotlin (Spring Boot) und TypeScript (Node.js). Implementierung robuster APIs, Caching und Messaging mit Technologien wie Firebase, Redis, Pub/Sub und PostgreSQL. Sicherstellung von Zuverlässigkeit und Performance durch umfassende Integrations- und Komponententests (JUnit, Jest, Mockito). Automatisierung von Deployment und Infrastruktur mit Terraform und Docker.

• Mitwirkung im gesamten Entwicklungszyklus, inklusive Design, Codierung, Tests und Deployment von Java-basierten Anwendungen.
• Aufbau und Pflege leistungsstarker RESTful-APIs und Microservices zur Gewährleistung von Skalierbarkeit und verlässlichem Datenaustausch.
• Durchführung von Code-Reviews, Einsatz von Versionskontrollsystemen (z.B. Git) und enge Zusammenarbeit mit funktionsübergreifenden Teams zur Lieferung robuster Softwarelösungen.
• Implementierung, Verwaltung und Optimierung komplexer Geschäftslogik und Entscheidungsprozesse mit der Drools-Regel-Engine unter Nutzung von DRL (Drools Rule Language) für dynamische Konfiguration.
• Entwicklung von Softwarelösungen für einen großen Dienstleister im Bereich Krankenversicherung, speziell für die Bearbeitung und Abstimmung von Leistungsabrechnungen zur kosteneffizienten Erstattung für Krankenkassen.

• Fachlicher Experte des Kunden für Modellierung und Entwicklung von Camunda BPMN2.0
• Entwicklung neuer Funktionalitäten und APIs und Koordination von Aufgaben
• Entwurf und Entwicklung von RESTful-APIs mit Swagger (Code First)
• Entwicklung von Soll-Entwürfen, Grobkonzepten und Anforderungsspezifikationen
• Analyse und Bewertung alternativer Lösungsansätze
• Anbindung externer IT-Verfahren (ANUBIS, SES, ZPS) via Google GCP Pub/Sub und RESTful Webservices
• Pair Programming, Code Reviews und Austausch mit API Product Ownern
• Beratung zur Transformierung alter BPMN-Workflows und Konfiguration von Camunda BPM
• BPMN und DMN Modellierung und Implementierung in kurzen Iterationen
• Betriebsunterstützung, Bugfixing und Wissensdokumentation
• Einsatz von TDD, statischer Code-Analyse mit SonarQube und Integrationstests
• Automatisierung von Testfällen in Java und Analyse von Stacktraces/Logs auf GCP-PROD
• Ermittlung und Ausführung der Testdaten und Dokumentation der Testergebnisse

• Entwicklung von RAG-basierten KI-Lösungen, integriert in die unternehmensweite Dateninfrastruktur, für hochpräzise Antworten.
• Optimierung der LLM-Leistung durch Feinabstimmung von KI-Modellen, Reduzierung von Latenz und Kosten.
• Aufbau von NLP-Pipelines zur Zusammenfassung, Entitätsextraktion und Sentiment-Analyse, die Automatisierungsabläufe verbessern.