GraphQL-Experten in Zürich

• Leitete die Architektur und die vollständige technische Umsetzung für gemeinschaftsbasierte SaaS-Plattformen mit 2M+ monatlich aktiven Nutzern.
• Entwickelte die Architektur und leitete die Migration einer monolithischen Python/FastAPI- und PostgreSQL-Datenbank- und LangChain-Codebasis zu einer ereignisgesteuerten Microservices-Architektur auf AWS EKS. Dabei wurde ein 10-faches Verkehrswachstum von ~150 RPS auf 1,500+ RPS ohne Neuarchitektur bewältigt.
• Definierte und etablierte technische Standards für alle Services, darunter API-Verträge, Observability-Grundlagen und Deployment-Topologie. Dadurch wurden Produktionsvorfälle innerhalb von 9 Monaten um 55% und die MTTR von 2 Stunden auf unter 25 Minuten reduziert.
• Überarbeitete die Caching- und Abfrageschicht mit mehrstufigem Redis-Caching sowie Datenbankindexierung und -partitionierung. Dadurch sank die p95-API-Latenz von 850ms auf 180ms (78% Reduktion) und die CPU-Auslastung der Datenbank um 45%.
• Entwickelte eine CI/CD-Plattform mit GitHub Actions, Terraform und Kubernetes (EKS) einschließlich Blue-Green- und Canary-Rollouts. Dadurch stieg die Deployment-Häufigkeit von ~2/Monat auf 8-12/Tag, während sich die Durchlaufzeit von 10 Tagen auf unter 6 Stunden reduzierte.
• Implementierte Vertragstests, automatisierte Lasttests und Observability-SLOs mit Prometheus, Grafana und OpenTelemetry. Dadurch stieg die Plattformverfügbarkeit von 99.5% auf 99.95% (10-fache Reduktion des Verbrauchs des Fehlerbudgets).
• Leitete und entwickelte ein fachübergreifendes Team aus 8 Ingenieuren in den Bereichen Backend, Frontend und DevOps. Skalierte die Teamgröße von 4 auf 8 bei einer Bindungsquote von 85%; verantwortlich für Einstellung, Einarbeitung, Leistungsbeurteilungen und Karriereentwicklung.
• Arbeitete mit der Leitung von Product, Design und Client Success als primärer technischer Entscheidungsträger zusammen, übersetzte Geschäftsziele in technische Roadmaps und traf Make-or-Buy-Entscheidungen für Authentifizierung, Suche und AI-Tools.
• Führte AI-gestützte Entwicklungsabläufe ein, darunter automatisierte Code-Reviews und einen internen wissensbasierten Assistenten auf RAG-Basis mit Graph (GraphRAG, Neo4J). Dadurch stieg der Sprint-Durchsatz über zwei Quartale um 30%.
• Verantwortete das Incident-Management und den Bereitschaftsdienst für den Produktionssupport. Etablierte Runbooks, eine Postmortem-Kultur und On-Call-SLOs, wodurch Vorfälle mit Alarmierungen am Wochenende um 70% zurückgingen.
• Entwickelte und optimierte Algorithmen mit python-Bibliotheken wie Numpy und Pandas.

• Produktstrategie, Architektur und technische Mitgestaltung
• KI-Workshops, Kunden-Onboarding und Go-to-Market-Aktivitäten
• Design und Umsetzung von KI-Architekturen (LLMs, RAG, MCP, Agents, Voice, Automation)
• Praktische Entwicklung von Prototypen und produktionsreifen KI-Integrationen
• Beratung von Kunden zur KI-Einführung, zu Workflows und zur Integration in bestehende Infrastruktur
• Zusammenarbeit mit den Mitgründern bei der strategischen Ausrichtung
• Mitarbeit im Vertrieb und in der Kundengewinnung

Tools und Technologien: OpenAI, Anthropic, Azure, Vercel AI SDK, RAG (Retrieval-Augmented Generation), MCP (Model Context Protocol), FastAgent, VAPI, n8n, make.com, LibreChat, PostgreSQL, OpenAPI, Next.js, Vercel, Docker

Reduzierung der Time-to-Market durch Optimierung von CI/CD-Pipelines. Mitarbeitende ohne Zugriff auf Kunden-VMs können jetzt deployen. Erhöhung der Systemstabilität und Performance sowie Reduzierung des Wartungsaufwands durch systematische Datenbankbereinigung. Einschränkung der Rechte für Flyway-Migrationen gegenüber Service-Usern. Verbesserte Transparenz und Entscheidungsvorlagen durch erweiterte Grafana-Dashboards für Response-Zeiten, Logging-Optimierung und Harmonisierung mit Loki. Verringerung von Sicherheitsrisiken durch konsequente Umsetzung bewährter Security-Praktiken wie Verzicht auf das public Schema in PostgreSQL, individuelle Service-User-Rechte und Docker Security-Context. Wissenstransfer und nachhaltige Prozessverbesserung durch Erstellung von Prozessdiagrammen und Umsetzung verschiedener Konzepte. Code-Reviews über zahlreiche Repositories

• Unterstützung des Teams bei der Zusammenführung zweier Immobilienplattformen zu einer einheitlichen Lösung auf Vue.js-Basis
• Entwicklung einer eigenen SSR-Microservice-Architektur, bereitgestellt auf AWS Lambdas
• Konzeption und Implementierung einer Funktion zum Zeichnen auf Karten
• Verantwortung für die Migration des Microservices von Vue 2 auf Vue 3 übernommen
• Aufbau einer skalierbaren SSR-Microservice-Architektur mit AWS Lambda
• Entwicklung und Implementierung einer wichtigen Funktion zum Zeichnen auf Karten für die Darstellung von Immobilien
• Erfolgreiche Migration des Microservices von Vue 2 auf Vue 3
• Umfassende Kenntnisse der AWS-Infrastruktur, von Datadog, Sentry und Vite erworben
• Technologien: Vue.js, Node.js, Vite, AWS Lambda, Datadog, Sentry, JavaScript

• Groß angelegte Systeme und APIs konzipiert, die Tausende gleichzeitige Nutzer bedienen.
• Einen 650.000-Zeilen-Monolith refaktoriert und die vollständige AWS-Migration für stabile Performance geleitet.
• SLO-basierte Observability eingeführt, was Zuverlässigkeit und Wiederherstellungsprozesse verbesserte.
• Cloud- und Datenbank-Optimierungen durchgeführt und so erhebliche Kosteneinsparungen und Latenzreduzierungen erreicht.
• LLM-, RAG- und Dokumentautomatisierungspipelines bereitgestellt, die in der Produktion eingesetzt werden.

• Habe den Inferenz-Stack auf einem Multi-Node-DGX-B200-Cluster über vLLM und SGLang bereitgestellt und optimiert (Serving, Durchsatz- und Latenz-Tuning).
• Habe zusammen mit einem kleinen Team eine interne Python-Bibliothek für das LM-Pretraining gebaut, die den kompletten Trainings-Loop abdeckt: verteiltes Training mit PyTorch FSDP, Datenpipelines, Checkpointing, Config- und Hyperparameter-Management sowie Experiment-Tracking.
• Habe Agenten-Gerüste auf interaktiven Game-Benchmarks ähnlich ARC-AGI-3 gebaut und ausgewertet, mit Metriken dafür, wie Modelle planen, erkunden und sich über mehrstufige Episoden anpassen; habe Modellfehler klassifiziert und die Erkenntnisse in das Gerüst- und Evaluationsdesign zurückgespielt.
• Habe Loop-Transformer-Architekturen erforscht.