Graph Database Experten in Deutschland

• Mentor eines Teams aus 6 ML-Platform-Engineers durch wöchentliche 1:1s, technische Design-Reviews und Best Practices; Verbesserung der Team-Produktivität um 35% durch strukturierte Sprint-Planung und Programme zur Skill-Entwicklung
• Definition der ML-Plattform-Roadmap 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Product Teams; Priorisierung von automatisierter Model Governance, Cost-Attribution-Systemen und Multi-Environment-Deployment-Strategien
• Zusammenarbeit mit Stakeholdern aus Data Science, SRE und Product, um die Fähigkeiten der ML-Plattform mit den Geschäftszielen abzustimmen; Reduktion der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
• Architektur und Lieferung einer produktionsreifen MLOps-Plattform für 50+ Modelle in Produktion mit automatisierten Promotion-Pipelines, Versionierung und Rollback-Funktionen; Erreichung eines SLA von 99,5% Plattform-Uptime
• Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex Pipelines-kompatibel); Verkürzung der Modell-Trainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
• Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Resource Quotas und Multi-Tenancy-Isolation; Optimierung der Infrastrukturkosten um 180K $ pro Jahr (25% Reduktion)
• Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und Custom Instrumentation; Reduktion der Debugging-Zeit für Modelle um 50% und Einführung von SLOs für die Modell-Performance
• Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken; Implementierung von Agentic-AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
• Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umgebungseinrichtung und GitOps-Workflows; Reduktion von Infrastruktur-Drift-Vorfällen um 80%
• Design von rollenbasiertem Zugriff für die ML-Plattform, Implementierung von Model-Lineage-Tracking und Aufbau von Audit Trails für regulatorische Compliance nach Enterprise-IAM-Best Practices

• Erstellte ein multi-agentisches System, unterstützt von einem Wissensgraphen, um das Verfassen von Forschungsarbeiten zu automatisieren
• Setzte mehrere Experten (OpenAI-Modelle) ein, die beim Verfassen zusammenarbeiteten
• Extrahierte nützliche Informationen aus dem Wissensgraphen
• Technologien: LangChain, LangGraph, Smolagents, LlamaIndex, dspy
• Infrastruktur: Terraform und GitHub Actions (CI/CD) auf AWS
• Stellte die erste Anwendung als Streamlit-App bereit

• Berater für Systemarchitektur, KI-Agenten & Integration, Coach für Daten- & Prozesslogik, Graph-RAG-Ansätze, Sicherheit und Datenschutz.
• On-Premise-KI-Lösungen mit hohen Compliance- & Performanceanforderungen.
• Architekturentscheidungen, operativer Aufbau, strategische Priorisierung & Deployment.
• Technologien: LiveKit JS SDK, LiveKit Agents, Web Audio API, JS, AudioWorklet, Loki, vLLM, Zscaler, Docker, Neo4j, MySQL, Python.
• Modelle: GPT-OSS 20B, Whisper large v3 turbo, Qwen3-TTS.

• Entwicklung und Implementierung eines unternehmensweiten Discovery-Frameworks basierend auf Ulwicks Ergebnisgetriebener Innovation; ermöglichte es 7 Product Ownern, unrealisierten Wert systematisch durch eine gemeinsame Ergebnissprache und eine Opportunity-Scoring-Methodik zu identifizieren und zu quantifizieren
• Umwandlung der Product-Owner-Rolle von reinen Backlog-Verwaltern zu strategischen Experimentierern; Einrichtung eines festen Zeitbudgets für autonome Hypothesentests und Discovery-Aktivitäten
• Neugestaltung der Customer Journey Maps, damit sie bei tatsächlichen Nutzerbedürfnissen (Tool-Auswahlphase) beginnen anstatt am Plattform-Einstiegspunkt; Eliminierung manueller Datenaggregationsarbeiten, die zuvor von Projektteams durchgeführt wurden
• Einführung des OKR-Frameworks in 4 Produktteams; Festlegung vierteljährlicher Objectives mit messbaren Key Results (z. B. 40 % Reduzierung des manuellen Integrationsaufwands, Steigerung der Self-Service-Nutzung)
• Vereinheitlichung von 3 separaten Roadmaps durch teamübergreifendes Abhängigkeits-Mapping und gemeinsame Servicevereinbarungen
• Unterstützung des Enterprise-Sales-Zyklus durch ROI-Modellierung und technische Due-Diligence für Automotive- und Verteidigungskunden

• Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere Transparenz und Reproduzierbarkeit
• Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
• Pipeline-Orchestrierung mit Azure Data Factory
• Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
• Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
• Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
• Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
• Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS SharePoint, Mural

• Aufbau der Enterprise-Architektur-Abteilung. Vorbereitung der Konvergenz von IT/OT.
• Kartografie der weltweiten Business-Applikationslandschaft (6 Länder).
• Konzept für ein Graphenmodell der Applikationslandschaft. Sicherung der Ergebnisse in der Open-Source Graph-Datenbank Neo4J. Verschiedene Berichte in der DB-Abfragesprache CYPHER und der Visualisierungskomponente BLOOM. Automatische Generierung der IT-Architekturdiagramme.
• Entwicklung einer Applikations-Taxonomie zur Entdeckung redundanter Applikationen.
• Anwendung des Gartner Software Portfolio Management TIME-Modells (Tolerieren, Investieren, Migrieren und Eliminieren) zur Portfolio-Steuerung.
• Enterprise-Architecture-Governance: Etablierung von Architektur-Richtlinien zur Dokumentation von Maßnahmen und Entscheidungen.
• Prozessmodellierung nach Porter (Wertschöpfungskette).
• Verschiedene Architekturfreigaben von Maßnahmenanfragen und Dokumentation in Architektur-Entscheidungsprotokollen (ADR).
• Mitarbeit an der RACI-Matrix für verschiedene Prozesse.
• Arbeiten an Geschäftsfähigkeiten als Vorbereitung für ein LeanIX-Rollout.
• Mitarbeit bei der Konzeption für IT/OT-Konvergenz.
• Etablierung von Architektur-Richtlinien in einer sehr pragmatisch orientierten Unternehmenskultur. Das Wissen über Applikationen und Verantwortlichkeiten ist weltweit verstreut.

• Entwicklung einer modellbasierten KI, bei der natürliche Sprache als formale Relationen interpretiert wird.
• Begriffe der natürlichen Sprache werden nicht starr, sondern flexibel betrachtet und können im Kontext ausgehandelt werden, sodass sich die Bedeutung durch iterative Spezifikation klärt.
• Entwicklung aller Arten von Modelllösungen.
• Gestützt durch natürliche Sprache und Datenannotation.
• Anforderungen für Code und andere Lösungen.

• Leitung des Integrationsprozesses mehrerer Systeme zwischen Entwicklungsteams in Deutschland und Indien
• Beratung zu SDKs, Systemintegration, Systemarchitektur, API-Vertragsgestaltung, Salesforce, ServiceNow und SAP.

In diesem Projekt unterstütze ich die Softwareentwicklung verschiedener Module der Supply-Chain-Management-Lösung. Zu meinen Aufgaben gehören die technische Umsetzung und Optimierung kollaborativer SCM-Prozesse, die Unternehmen helfen, ihre Lieferketten effizienter, transparenter und widerstandsfähiger zu gestalten. Diese modulare Softwareplattform standardisiert und digitalisiert die Kommunikation und Zusammenarbeit mit Lieferanten und ermöglicht so eine nahtlose Rückverfolgbarkeit von Qualitätsdaten und Lieferantenbewertungen. Technisch liegt mein Fokus auf der Entwicklung skalierbarer Backend-Services mit Go/Golang und dem Einsatz von Kafka für Echtzeit-Nachrichten und Eventverarbeitung. Ich entwerfe und erweitere GraphQL-Schnittstellen für eine effiziente Datenkommunikation zwischen Microservices und unterstütze das automatisierte Build- und Deployment-Management mit Docker und Gitlab CI/CD-Pipelines. Die Daten in den Modulen, an denen ich arbeite, werden in einer PostgreSQL-Datenbank gespeichert.

Technischer Fokus: Go/Golang, Kafka, GraphQL, Docker, Gitlab, CI/CD, DevOps, PostgreSQL, JIRA, Miro

• Technologien: GoLang, JavaScript, TypeScript, AWS, Terraform, Git
• Konzeption der AWS-Infrastruktur und vorhandener Dienste
• Analyse der IAM-Konten und -Rollen
• Einrichtung von Cost Explorer und CloudWatch-Monitoring
• Einrichtung der Persistenz gesammelter Daten in DynamoDB und S3
• Reporting und Kostenberechnung
• Konzeption der Terraform-Bereitstellung

• Evaluierung von openDesk als MS365-Alternative
• Konzeption KI-optimierter Infrastruktur
• Kubernetes-Orchestrierung
• Beratung zur Container-Sicherheit

• Technologien: Java, React, Python, Scala, Spring Boot, JPA, Microservices, Kubernetes, Docker, OpenShift, Eureka, Prometheus, Grafana, Zookeeper
• Führte das Design und die Entwicklung einer unternehmensweiten Data-Warehouse-Plattform für effizienten und sicheren Datenaustausch mit zustandslosen, ereignisgesteuerten Microservices-Architekturen
• Diente als Komponentenverantwortlicher und Scrum Master für drei Microservices, stellte nahtlose Integration sicher und bewahrte hohe Datenintegrität
• Optimierte die Performance mithilfe von Prometheus und Grafana und erreichte messbare Systemresilienz

• Plattform: Python-Ökosystem, RHEL 8, K10, AWS IoT Core, AWS Lambda, MLOps
• Software: Java JEE/Cloud, IntelliJ IDEA, AWS IoT Core, AWS Edge und Lambda, AWS SageMaker SDK, Docker Compose, Kubernetes, Openshift 4, Tekton, Flux, Helm Charts, JSON/XML-Technologien, Nginx, Apache Spark, OpenAI (GPT Plus, DALL-E 3, Whisper), GAN, GitHub Copilot, KI, Machine Learning, Deep Learning, Jupyter Notebooks, TensorFlow 2, Colab, Keras API, Prometheus, Grafana, Conda, Python 3.9, SciPy-Stack (NumPy, pandas, scikit-learn, matplotlib)
• Zuständig für Webinar:
• IoT Edge Computing, Architektur, Komponenten, Ressourcen, Management
• IoT Edge Computing mit MicroK8s, Design und Erstellung von Flows/Diagrammen für AWS, Three-Step-Modell für IoT-Ökosystem
• IoT-Prozesse, Konnektivität, Datentransfer und Deployment, Sicherheit
• Optimierung des Edge Computing für Netzwerke, Services im IoT (AWS SQS Queue, SNS-Benachrichtigungen, Events, Analytics, Button, Device Management/Defender, Things Graph)
• Machine-/Deep-Learning-Frameworks (Modelle, Training, Optimierung der Pipelines, Deployment in der Cloud/am Edge, Monitoring der Workloads mit Prometheus und Grafana)
• Performance-Optimierung für niedrige Latenz/Resilienz mittels adaptiver ML/DL/RL-Modelle für Kundendaten aus dem IoT
• Analyse großer Sensordatenmengen mit Apache Spark, Kafka-Clustern
• Kasten K10 Data Management Platform auf Kubernetes-Multi-Cluster mit Helm Chart: Deployment, Backup/Disaster Recovery (RTO/RPO), Data Lifecycle und Security Management
• Implementierung eines mehrschichtigen neuronalen Netzes (ANN) mit TensorFlow 2 und Colab für Regression und Klassifikation; Datenanalyse und Aufbereitung für Applikationen; Entwicklung von Test- und Trainingsmodellen; Deployment der Modelle
• Automatisierung von Business-Streamline-Prozessen mit KI (Azure OpenAI, Discord-Bots/Zapier, AI-Assistenten-Apps IntelliJ, GitHub Copilot)

• Entwurf und Umsetzung der agentischen KI-Architektur für eine unternehmensweite Plattform zur sicheren Bereitstellung von LLM-basierten Agenten
• Design und Implementierung von End-to-End RAG-Pipelines aus multiplen Quellen: Dokumentenaufbereitung, Chunking-Strategien für heterogene Dokumenttypen, Embedding, Retrieval mit Re-Ranking und robuste Prompt-Orchestrierung
• Modulares Context-Engineering-Framework mit Skill-Architektur, Kontext-Isolation und dynamischer Ressourcenverwaltung; Human-in-the-Loop-Kontrolle für Enterprise-Tool-Integrationen
• Aufbau der CI/CD-Pipeline, Test-Strategie, Tracing sowohl auf Software-Seite als auch automatisierte LLM- und Agenten-Evaluierungen, Red Team Testing und Tracing sowie Übergabe in reproduzierbaren Betrieb (ISO27001 und SOC2 konform)