Neo4j Experten in Berlin

• 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.

• 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

• 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

• Entwickle und präsentiere Lösungen mit GenAI-Software wie langchain, vercel ai sdk, copilotkit
• Arbeite mit Kunden zusammen, um ihre Herausforderungen zu verstehen und die besten Lösungen auf Basis von Open-Source-Datenprodukten zu liefern
• Baue RAG- und GraphRAG-Lösungen mit Neo4j, lancedb und Postgres
• Setze eine LLMOps-Plattform mit kubernetes, terraform, helmfile, Arize phoenix, mlflow auf
• Entwerfe und baue Datenpipelines mit dbt, Trino, Spark, Iceberg, Airflow, ArgoCD, terraform, kubernetes
• Lieferte eine nutzerzentrierte technische Strategie für Agriculture 4.0 und Precision Livestock Farming und half meinem Kunden, Fördermittel von Bpifrance zu sichern
• Entwickelte ein Prospecting-Tool für einen führenden französischen Solar-Carport-Installateur mit Geospatial Computing (GIS), wodurch der Vertriebsprozess schneller wurde
• Baute eine Digital-Twin-Architektur für Solar-Carports und EV-Ladestationen, die Echtzeit-Monitoring und intelligentes Laden möglich machte

Java 21 · Spring Boot 3 · Keycloak · PostgreSQL · Docker · Nginx · GitHub Actions · DigitalOcean · React 18 · TypeScript · Plasmo

• Eine produktionsreife Job-Application-Tracker-Lösung von Grund auf konzipiert und live gestellt: REST-API mit 5-stufigem Workflow, Pagination, Sortierung und dynamischem Filtern — komplette Verantwortung von Design bis zum Live-Deployment in der Cloud auf DigitalOcean.
• Produktives Identity Management umgesetzt: OAuth 2.0 / OpenID Connect / JWT / RBAC über Keycloak, unter Anwendung von Hexagonaler Architektur und DDD-Prinzipien.
• Automatisierte CI/CD-Pipeline gebaut (GitHub Actions); mit Docker containerisiert; Nginx Reverse Proxy mit pathbasiertem Routing und SSL-Terminierung.
• Eine Chrome-Erweiterung entwickelt (Plasmo-Framework, Manifest V3), die Job-Bewerbungen direkt von LinkedIn in den Tracker übernimmt — zeigt ein komplettes Produktverständnis über Backend-API und Browser-Client hinweg.

• Entwickelte und wartete Kotlin-basierte Microservices mit Kafka Event-Streaming und wandte Hexagonale Architektur und Domain-Driven Design in Produktionsumgebungen an.
• Trug zur Funktion "Bring-Your-Salary" bei, um das reibungslose Onboarding neuer Gehaltskonten zu ermöglichen und die Kundenerfahrung zu verbessern.
• Erstellte und integrierte Services für die FPAD VOP-Plattform zur sicheren und skalierbaren Partnerintegration.
• Analysierte und löste Produktionsvorfälle durch Root-Cause-Analyse (RCA) und implementierte Lösungen, die die Stabilität und Zuverlässigkeit der Services verbesserten.

• 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

• Durchführung von Stresstests zum Gegenparteiausfallrisiko (CCR) über eine breite Palette von Assetklassen, einschließlich börsennotierter Derivate und Wertpapierfinanzierungsgeschäfte (SFTs), unter Einhaltung der regulatorischen Anforderungen.
• Unterstützung bei der Umsetzung regulatorischer Stresstest-Frameworks wie CCAR (Federal Reserve), EZB (Europa) und MAS (Singapur) – einschließlich Szenariogestaltung, Ergebnisanalyse und vollständiger End-to-End-Koordination.
• Zentrale Rolle im Governance- und Dokumentationsprozess für CCAR-Einreichungen bei der Federal Reserve, um pünktliche Lieferung, interne Freigaben, Kontrollnachweise und klare Prüfpfade gemäß den regulatorischen Vorgaben sicherzustellen.
• Pflege umfassender, prüfungsbereiter Dokumentation zu Annahmen, Methoden und Ergebnisauswertung der CCAR-Modelle und als Ansprechpartner für interne und externe Prüfungen sowie regulatorische Überprüfungen.
• Dient als zentrale Schnittstelle bei internen und externen Prüfungen sowie regulatorischen Überprüfungen, erstellt Nachweispakete, beantwortet Rückfragen und bearbeitet Feststellungen im Zusammenhang mit CCR-Stresstests.
• Präsentation der finalen Stresstest-Ergebnisse und wesentlichen Risikotreiber gegenüber dem oberen Management und Risikokomitees, um die Genehmigung vor der regulatorischen Einreichung einzuholen.
• Analyse der Kreditexposition unter Stress für Derivate- und SFT-Portfolios, Identifikation und Erklärung wesentlicher Treiber.
• Mitarbeit bei der Überprüfung und Verbesserung von CCR-Methoden in enger Zusammenarbeit mit den Teams für Risikomodelle, Front Office, regulatorisches Reporting und Technologie.
• Entwicklung, Implementierung und Automatisierung der Risikoberichterstattungsinfrastruktur zur Verbesserung von Transparenz und Kontrollen im CCR-Stresstestprozess.

• Tech-Stack: C#, XAML, WPF, MongoDB, Azure Cloud, Azure DevOps, ReSharper, Rider, OAuth2.0, REST, XUnit, NSubstitute, FluentAssertions
• Entwarf und implementierte die IO-Architektur für verbesserten Datenfluss und Effizienz.
• Entwickelte von Grund auf eine neue Desktop-Anwendung, die Benutzererfahrung und Funktionalität verbesserte.
• Leitete die Durchführung täglicher Stand-ups, Backlog-Verfeinerungen, Retrospektiven und Projektplanungen.
• Schrieb Unit- und Integrationstests, um die Codequalität und Stabilität zu gewährleisten.
• Führte Code-Reviews durch und betreute Junior-Entwickler.
• Spielte eine Schlüsselrolle bei den Digitalisierungsbestrebungen des Unternehmens.
• Leitete ein 4-köpfiges Softwareentwicklungsteam und sorgte für Führung und Richtung.