HTTP-Experten

• Konzepterstellung und Architektur für die Domäneintegration (SEAT in VW Struktur)
• Domänenvertrauensstellungen und Administration
• Der Betrieb und die Administration von Windows 2022/ 2025 Servern und Domänen
• Domänenumbau
• GPO und SG Bearbeitung und Migration
• DNS Umbau und Migration

Technologien: Windows 2022, Active Directory, ADFS, AD Azure Connect, DHCP, DNS, GPO, VMWare vSphere, Hyper-V, Powershell, Jira, MS Office 365,), SCCM, VSAN Fileservices, Circa 800 Server, 400 User

Im Rahmen der Vorbereitung und operativen Begleitung einer Unternehmensnachfolge:

• Unternehmensanalyse: Analyse der wirtschaftlichen, organisatorischen und strukturellen Gesamtsituation (Ist-Zustand, Stärken/Schwächen, Risikopotenziale)
• Prozessanalyse: Aufnahme und Dokumentation aller relevanten Geschäftsprozesse (BPMN, UML) in den Bereichen Management, Finanzen, Einkauf, Vertrieb und Operations
• Prozessoptimierung: Identifikation von Schwachstellen und Ineffizienzen, Erarbeitung und operative Umsetzung von Verbesserungsmaßnahmen
• Stakeholder-Management: Identifikation und Analyse aller relevanten internen und externen Stakeholder; strukturierte Kommunikation und Abstimmung mit bisherigen und zukünftigen Inhabern, Gesellschaftern, Mitarbeitern
• Change-Management: Begleitung der Belegschaft und des Managements durch den Übergabeprozess; Aufbau von Akzeptanz und Vertrauen bei allen Beteiligten
• Governance & Dokumentation: Erstellung und Übergabe strukturierter Betriebshandbücher, Prozessdokumentationen und Organisationshandbuch für den neuen Geschäftsinhaber
• Risiko- & Schwachstellenanalyse: Bewertung operativer und strategischer Risiken im Übergabeprozess sowie Erarbeitung von Handlungsempfehlungen
• Operative Unterstützung: Kommissarische Übernahme von Führungsaufgaben; Sicherstellung der Betriebskontinuität während der Übergangsphase

• Aufbau einer maßgeschneiderten MediaWiki-Instanz inkl. Installation, MySQL-Datenbank, SSL und automatischer Backups
• Einrichtung von Benutzerrollen (Admin, Mod, Verifiziert, User) und Rechtesystem
• FlaggedRevisions für redaktionellen Prüf-Workflow · Kommentar- und Bewertungs-Extensions

• Projekt Aufzugsnotruf Neu-Organisation: Projekt zur Evaluierung und Definition einer neuen technischen Lösung zur Anbindung von Aufzugsnotrufen für alle Einrichtungen der DB InfraGO Personenbahnhöfe.

• Ziele: Sichere redundante Anbindung aller Standorte deutschlandweit. Definition der techn. Lösung, Dokumentation, thematische Betreuung und Steuerung der Fach- und Linien-Organisationen.

• Identifizierung und Beauftragung der techn. Lösungen.

• Steuerung der Dokumentation und Freigabe der techn. Lösung im Regelwerk der DB.

• Definition und Nachverfolgen der Roadmap zur Lösungsbeschreibung.

• Erstellung eines Rollout Planes zur Vermeidung von Abschaltungen.

• Entscheidungsvorlagen für Lenkungskreise abstimmen und umsetzen.

• Kommunikation der Lösung in alle Gremien und Regionalbereiche.

• Implementierung einer Full-Stack Anwendung mit Angular als Frontend-Framework und Java als Backend-Sprache
• Einsatz der Swagger OpenAPI Spezifikation für die REST-Kommunikation zwischen Frontend- und Backend-Anwendung
• Ansteuerung eines Kartendruckers über das Nexus Card SDK Framework
• Design und Implementierung einer Kartenverwaltungssoftware mit Weboberfläche und JavaFX-Modul für das Druckermonitoring
• Einsatz von Cucumber-Tests für die Testautomatisierung und Erstellung von Test-Artefakten zum Testen außerhalb der Entwicklungsumgebung
• Einsatz von Wireshark für Netzwerkuntersuchungen zur Analyse der API eines Drittproduktes und zur Kontrolle der REST-API der selbst entwickelten Software

Arbeitnehmerüberlassung

• System-Black-Box-Integrationstests (BBIT, IVVQ): Durchführung von Regressions-, Freigabe-, Bestätigungs- und Konformitätstests für sicherheitskritische Bremssteuergeräte in Bahnindustrie
• Softwaretest-Applikation & Integration: Runtime-Konfiguration von Software-Komponenten und Bibliotheken, Validierung von Schnittstellen, Konfigurationsabhängigkeiten und Komponenteninteraktionen
• Testautomatisierung (FEAT-Framework): Mitentwicklung und Weiterentwicklung eines automatisierten Testframeworks für Testausführung, Reporting und Ergebnisanalyse
• Funktionale Sicherheit (SiL4, FuSi): Sicherstellung der Einhaltung von Sicherheitsanforderungen, Traceability und Coverage sowie Normkonformität gemäß EN50126/28/29
• Testautomatisierung für Kommunikationskomponenten: Konfiguration und Validierung der Feldbus-(CAN) und Ethernet-basierten TCMS Datenkommunikation-Schnittstellen (TRDP und CIP)
• Anforderungsanalyse & Shift-Left (PTC Windchill ALM): Analyse von Software- und Systemartefakten zur Identifikation von Lücken, Mehrdeutigkeiten und Redundanzen im frühen SDLC
• Testdesign & Testfallentwicklung: Ableitung von Testbedingungen, Abdeckungsstrategien und Implementierung datengetriebener Testfälle (DDT) inkl. wiederverwendbarer Testdaten-Fixtures
• CI/CD & Automatisierung (Python, PowerShell, Jenkins, SVN): Automatisierung von Build-, Test- und HIL-Deployment-Prozessen sowie Integration in CI/CD-Pipelines
• Testdaten & Konfigurationsmanagement (XML): Pflege und Anpassung von XML-Testvektoren und Systemkonfigurationen mit automatisierter Integration in Testumgebungen
• Nicht-funktionales Testen: Durchführung von Performance- und Lasttests zur Bewertung von Stabilität und Systemverhalten
• Agile Entwicklung & Defect Management (JIRA, Confluence): Mitarbeit in Scrum-Teams, Testkoordination, Review von Testartefakten sowie Defect Tracking und Root-Cause-Analyse
• Fehleranalyse & Debugging (CANoe, CANalyzer): Analyse von Fehlern und Nachrichtenflüssen über mehrere Systemebenen (Applikation bis Bus)
• Modellbasierte Analyse (UML, Enterprise Architect): Spezifikation von SUT/SOW und Unterstützung der systematischen Teststeuerung
• Prozess- & Testdokumentation: Erstellung von Integrations- und Testdokumentation gemäß internen Qualitäts- und Zertifizierungsanforderungen

• Verwaltung und Erstellung von Benutzerkonten in Active Directory
• Verwaltung und Anpassung von Gruppen in Active Directory
• Berechtigungsverwaltung auf Fileservern
• Betreuung von Exchange/Outlook
• Einrichtung von VPN
• System- und Produktbetreuung: Windows 10, Windows 11, Office 2019, Office 365, Active Directory, TeamViewer, RSA VPN, Microsoft Teams, RSA Security Console, Deep Discovery Mail Inspector, ServiceNow, Macmon

Multi-Agenten-Plattform zur Dokumentenerstellung

Problem:

Aus einem einzelnen Prompt ein gut recherchiertes, strukturiertes und mit Quellen belegtes Dokument erstellen und dabei die Kontrolle beim Nutzer belassen: Jeder Schritt kann geprüft, korrigiert oder erneut aufgerufen werden, bevor das System fortfährt.

Architektur:

Ein Multi-Agenten-System, das von einer zentralen Steuerung koordiniert wird. Mehr als 20 spezialisierte pydantic-ai-Subagenten (Verstehen, Strukturieren, Planen, Recherchieren, Schreiben, Zusammenstellen, Querverweise prüfen, Glossar, Zitate, Referenztabelle und mehr) geben Ergebnisse anhand eines gemeinsamen, in Postgres gespeicherten Plans (asyncpg) weiter. Eine Runner-Schicht weist jede Aufgabe anhand ihres Namens einem Agenten zu. Mechanische Schritte wie Formatierung, Inhaltsverzeichnis und Abbildungsverzeichnis werden durch deterministischen Code statt durch LLM-Aufrufe erledigt. Der Anbieter (Anthropic oder OpenAI) wird über eine Konfiguration festgelegt, und Antworten werden über Server-Sent Events gestreamt.

Hosting & Infrastruktur:

Ein zustandsloser Container läuft als Scaleway Serverless Container in einem privaten Netzwerk mit verwaltetem PostgreSQL, Objektspeicher für fertige Dokumente und Assets sowie zentraler Protokollübertragung (Loki / Scaleway Cockpit). Bereitstellung mit OpenTofu-Modulen und Deployment über GitLab CI; die Nutzung wird pro API-Schlüssel abgerechnet.

Mein Beitrag und wichtige Entscheidungen:

• Zentrale Entscheidungssteuerung: Ein Zufriedenheitsklassifikator wandelt die Freitext-Rückmeldung des Nutzers in eine Entscheidung um (weiterarbeiten, fortfahren, abbrechen oder eine frühere Aufgabe überarbeiten). Eine Middleware wendet sie auf den Plan an. Der Plan kann zu früheren Aufgaben zurückspringen und die darauffolgenden Schritte erneut ausführen.
• Parallele Recherche und Texterstellung: Die Planung erstellt einen Plan, aus dem ein Recherche-Design-Agent einzelne Rechercheaufgaben und ein Schreib-Design-Agent einzelne Schreibaufgaben erstellt, die jeweils mit der benötigten Recherche verknüpft sind. Jede Aufgabe wird in einem eigenen Agenten mit eigenem Gesprächsverlauf ausgeführt.
• Selbstprüfung und Einbindung des Menschen: Nach jedem Schritt prüft ein Agent für kritisches Denken das Ergebnis. Bevor der Plan fortgesetzt wird, kann der Nutzer eine Kritik annehmen, überarbeiten oder Fragen dazu stellen.
• MCP-Integrationen: Zwei entfernte MCP-Server für die Websuche und die interne Dokumentensuche sind über pydantic-ai angebunden, mit Wiederholungsversuchen und Timeouts für lang laufende Tool-Aufrufe. Klassifikator-Agenten entscheiden für jede Aufgabe, ob eine Websuche nötig ist. Ein kleines Modell fasst rohe Suchergebnisse zu strukturierten Erkenntnissen zusammen, bevor sie die Schreibagenten erreichen.

Nutzungsabrechnung:

Kunden authentifizieren sich mit einem API-Schlüssel, der über einen Schlüsselverwaltungsdienst geprüft wird. Der Verbrauch wird in Credits abgerechnet, berechnet anhand der Token-Nutzung pro Modell zuzüglich eines Aufschlags. Bei ausgeschöpftem Kontingent wird HTTP 429 zurückgegeben.

• Wiederkehrendes Problem in eigenen KI-gestützten Projekten: Anforderungsanalyse, Use Cases und Architekturentscheidungen entstehen mit KI-Unterstützung zwar schnell, bleiben aber wenig nachvollziehbar und über Markdown-Dateien verstreut – Wissen geht verloren, sobald es nicht mehr im Kontextfenster ist. arknet macht Requirements Engineering und Architekturwissen zu strukturierten, prüfbaren Daten statt Fließtext: Anforderungen, Use Cases und Architekturentscheidungen als durchgängig verknüpfter Wissensgraph, von der Anforderung bis zur Architekturentscheidung nachvollziehbar – für Menschen und KI-Agenten gleichermaßen abfragbar. Technisch auf RDF/OWL und einem eigenen MCP-Server aufgesetzt.

• Ergebnis: MCP-Daemon lauffähig, Docker-Image automatisiert auf GHCR veröffentlicht, neun hexagonale Module, elf ADRs (u. a. Open-Core-Lizenzmodell). Requirements-Engineering- und Ubiquitous-Language-Hexagon aktiv. Seit 07/2026 als Community Edition unter Apache-2.0 öffentlich (github.com/kogn-io/arknet), zusammen mit dem Claude-Code-Plugin und dem GHCR-Image; Open-Core-Modell.

• Label: Java, Maven, RDF, RDF4J, OWL, SPARQL, Model Context Protocol, Spring AI, Docker, GitHub, Git, Claude Code, Obsidian, DDD, Hexagonal Architecture, ArchUnit, JUnit, AssertJ, Schnittstellenentwicklung, Software Architecture, Continuous Integration, Knowledge Management

• Leitete QA und Testautomatisierung für eine verteilte industrielle IoT- und Datenintegrationsplattform, die Shopfloor-Systeme mit Unternehmensanwendungen verbindet.
• Entwarf und pflegte automatisierte API- und UI-Tests mit Playwright, TypeScript und Python für REST-APIs, Authentifizierung, Ressourcenverwaltung, Integrationen, Berechtigungen und End-to-End-Workflows.
• Testete verteilte Dienste, Datenpipelines, Messaging-Infrastruktur, containerisierte Anwendungen und Integrationen in Kubernetes-, OpenShift-, Docker- und Docker-Compose-Umgebungen.
• Führte Funktions-, Integrations-, Regressions-, Dauerlauf-, Resilienz-, Last-, Chaos- und explorative Tests in komplexen verteilten Systemen durch.
• Setzte Chaos Mesh und Toxiproxy für die Simulation von Netzwerkausfällen, Latenz, Paketverlust und Netzwerkpartitionen ein, um die Resilienz und Fehlerbehandlung des Systems zu überprüfen.
• Automatisierte die Bereitstellung der Infrastruktur, Konfiguration und Einrichtung von Umgebungen mit Ansible und verwaltete Deployments mit Kubernetes und Helm.
• Testete Integrationen mit Industrieprotokollen, Messaging-Systemen, Datenbanken, HTTP/REST-APIs und externen Unternehmenssystemen mithilfe von Simulatoren, Emulatoren und dedizierten Testumgebungen.
• Arbeitete mit MQTT, Kafka, SQL-Datenbanken, InfluxDB, REST-APIs, OAuth 2.0, JWT, LDAP, Active Directory, OpenLDAP, mTLS, TLS, MFA, SSO und RBAC.
• Analysierte und behob über 40 Fehler in Backend-Diensten, Integrationen, verteilten Komponenten und Webanwendungen und nutzte KI-gestützte Analysen mit Claude, um Debugging, Testdesign und Ursachenanalysen zu beschleunigen.
• Verbesserte die Zuverlässigkeit von Deployments durch die Feinabstimmung von Kubernetes-/OpenShift-Konfigurationen und Health Checks und überwachte verteilte Systeme mit Grafana, Prometheus und Loki.
• Arbeitete mit Entwickler- und Produktteams an Sprintplanung, technischer Ausarbeitung, Qualitätsstrategie, Release-Tests und kontinuierlicher Verbesserung.
• Setzte KI-gestützte und agentische Testansätze ein, um die automatisierte Testabdeckung zu erweitern und komplexe Sonderfälle zu erkennen.

• Modernisierung einer groß angelegten Java-Unternehmensanwendung*

Das Projekt modernisiert eine komplexe Unternehmensanwendung, die über viele Jahre gewachsen ist. Das bestehende Spring-basierte Legacy-System läuft auf Java 8, OSGi und Eclipse RCP und wird schrittweise auf eine moderne, wartbare Architektur mit Java 25 und Quarkus migriert.

Marcus arbeitet in Analyse, Architektur, Refactoring und Implementierung. Ein Schwerpunkt liegt auf der Entflechtung historisch gewachsener Strukturen und Abhängigkeiten sowie dem Aufbau eines sauberen, nachhaltigen Java- und Quarkus-Technologiestacks.

Tools & Technologien: Java 8, Java 25, Quarkus, Hibernate ORM mit Panache, EclipseLink, OSGi, Eclipse RCP, Maven, JUnit, Mockito, REST, JSON, Git, Eclipse IDE, IntelliJ IDEA Ultimate, Jira, Confluence

• Einführung von 5 verschiedene Prozess-Anwendungen für unterschiedliche Teams

• Planung von Release: Scope- und Zeit-Management

• Ressourcen-/Kapazitätsplanung

• Durchführung von Sprint-Planning / Retrospektiven

• Inkrement-Planung (mehrere Sprints)

• Vorbereitung Lenkungskreis-Meetings / Reporting an Vorstand

• Koordination / Abstimmung mit externen Lieferant / Lieferungen

• Ressourcenplanung Multi-Projekte

• Abstimmung mit Fachbereich und Entwicklungsteam

• Ermittlung der Best-Practice mit IBM BAW

• Kosten-Kontrolle und Planung des Projektteams und externer Dienstleister

• Erhebung KPIs mit Hilfe von LogScale

• Analyse von Anwendungsfehler mit LogScale / Queries

• User Story Definitionen / Abstimmung der Anforderung mit dem Fachbereich und Entwicklungsteam

• Tests und Fehler-Tracking

• UI/UX-Entwurf von Anwendung

• Vorbereitung und Moderation von Brown-Paper-Workshop

• Testkonzept, Testdaten, Testorganisation, Testdurchführung

• Erfassung von Team Velocity / Metriken

• Testdurchführung

• Skript für automatisiertes Testen

• Testorganisation mit Fachbereich und IT

• Erfassung und Priorisierung der Fehler

• Aufbau und Betrieb der Anwendung

• Aufbau von Monitoring der Anwendung mit LogScale Dashboards

• Überprüfung von Health-Endpoints mit PowerShell

• Post-Mortem-Analyse

• Aufbau Incident Management

• Aufbau Problem Management

• Analyse von Fehlern mit Hilfe von LogScale Queries und Dashboard

• Pre-Processing von Daten für die KI

• Durchführung der Evaluation mit KI-Sprachmodellen (Meta Llama 3.3 LLM und deepset Haystack) und RAG

• Installation Laufzeitumgebung für LLMs (Large Language Model)

• Evaluierung von verschiedenen LLMs

• Installation von RAG (Retrieval Augmented Generation) und Integration mit LLM

• Extraktion von unstrukturierten Daten mit LLM und RAG

• Projekt basiert auf IBM BAW (Business Automation Workflow), Websphere Liberty, Domea, d.3, REST, LogScale (ehemalig Humio), Swagger, Powershell, JIRA, Confluence, Lucom Interaction Platform (LIP), Mattermost, Jabber

• Leitete die Entwicklung von mehr als 15 Microservices (Java 17, Spring Boot) zur Unterstützung der Kundeninteraktionen; migrierte die Systeme von On-Premises zu GCP Kubernetes, verbesserte die Skalierbarkeit und senkte die Infrastrukturkosten um 20%.
• Optimierte Benutzerdienste durch Caching mit CouchDB und die Überarbeitung von APIs, verkürzte die Antwortzeiten um 35% und verbesserte die Kundenerfahrung.
• Implementierte Canary-Deployments, FluxCD GitOps und CI/CD-Optimierungen in GitLab, verkürzte die Vorlaufzeit für Releases um 25% und ermöglichte Rollouts ohne Ausfallzeiten.
• Richtete Gesundheitsprüfungen in Grafana und Anodot-Warnungen zur Überwachung von Latenz, Fehlern und Durchsatz ein und senkte die MTTR um 40%.
• Entwickelte sichere APIs mit OAuth2, DPoP und Gatekeeper, integrierte REST und GraphQL und erreichte mit Unit- und E2E-Tests eine Testabdeckung von über 90%.
• Unterstützte Junior-Entwickler als Mentor, förderte agile Best Practices und arbeitete funktionsübergreifend an der Umsetzung wichtiger, zuverlässiger Funktionen für Kunden.

• Anlernen der KI-Modelle, Bilder und Texte sowie UI/UX bewerten, die bereitgestellten Daten in Insights umwandeln mittels OpenAI Feather im Ablauf des Machine Learnings

Technologien: OpenAI Feather