Observability-Experten in Berlin

Unterstützung für Transformationsprojekte:

• Fachkundige CTO- und Unternehmensarchitektur-Beratung für mehrere kurzfristige Transformationsprojekte, um messbare Verbesserungen bei Projektergebnissen und der technischen Geschäftsausrichtung sicherzustellen.
• Unterstützung strategischer IT-Initiativen für vielfältige Kunden bei der digitalen Transformation und Optimierung der Technologieabläufe, um Geschäftswert und operative Effizienz zu steigern.

CRM- und Umsatzplattform zur Verwaltung von Abrechnungs- und Abonnement-Workflows.

• Skalierte die Zahlungsinfrastruktur über Datenprodukte, den Ausbau von Lastschriftzahlungen und die automatisierte Missbrauchsprävention. Dadurch wurden $416K jährliche operative Einsparungen ($8K/Woche) erzielt, indem redundante Gateway-Aufrufe eliminiert wurden.
• Verantwortete Backlog und Sprint-Umsetzung für autonome Pipelines zur Erkennung von Checkout-Missbrauch und entwickelte Echtzeit-Risikoleitplanken sowie Geschwindigkeitsheuristiken, die Card-Testing-Angriffe blockierten.
• Entwickelte User Stories und Datenabgleichsmechanismen für einen Enterprise-Abrechnungsmigrator. Dadurch wurden unterbrechungsfreie Übergänge von Abonnementstatus erreicht und $60K Infrastrukturkosten eingespart.
• Erweiterte die europäischen Lastschriftfunktionen (SEPA), steuerte squadübergreifende API-Abhängigkeiten und automatisierte die Fehlerbehandlung von Webhooks, um Reibungsverluste im Checkout zu vermeiden.

• 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.

Enterprise-Kategorisierung von KI-Inhalten und KI-gestützte Webrecherche.

• Multi-LLM-Evaluierungsframework mit annotierten Daten entwickelt
• LLM-Fehlerraten auf Grundlage annotierter Datensätze iterativ verbessert
• KI-gestützte Webrecherche-Pipeline implementiert Technologien: LLM, evals, OpenRouter, Python, Node.js, TypeScript, React

• Ursachenanalyse komplexer fachlicher, technischer und datenbezogener Fehler in PowerCloud über Prozess-, Buchungs- und Systemgrenzen hinweg.
• Datenbasierte Steuerung von Zahlungsverkehr und Forderungsmanagement; Beitrag zum Abbau historischer Forderungsbestände von über 100 Mio. EUR auf unter 25 Mio. EUR.
• Identifikation von Automatisierungs- und Dunkelverarbeitungspotenzialen an der Schnittstelle zwischen Fachbereich, IT und externen Dienstleistern.

• Migration zu GCP mit Terraform, GKE und GitOps geleitet und damit die Konsistenz und Skalierbarkeit von Deployments verbessert
• Datadog-Observability-Stack über Terraform und datadog-operator implementiert
• Automatisierte End-to-End-Tests und On-Call-Prozesse eingeführt und dadurch die Reaktion auf Incidents sowie die Service-Zuverlässigkeit verbessert
• Migration vom NGINX Ingress Controller zur Kubernetes Gateway API (NGINX Gateway Fabric)
• Stateful Services (PostgreSQL und Redis) nach GCP migriert und dadurch Skalierbarkeit und operative Zuverlässigkeit verbessert

Backend für KI-Plattform – Senior Developer

Beauftragt, das Backend einer KI-Plattform von Grund auf zu konzipieren und aufzubauen – einschließlich Multi-Provider-LLM-Orchestrierung und Echtzeitinfrastruktur für KI-Influencer-Personas im großen Maßstab.

Aufgaben und Verantwortlichkeiten

• Architektur und Implementierung einer Multi-LLM-Orchestrierungsschicht mit Semantic Kernel zur Integration von GPT-4 und weiteren Anbietern für die zentrale Plattformlogik und KI-Influencer-Personas. Reduzierung des Aufwands beim Modellwechsel durch Abstraktion der Anbieter-APIs hinter einer einheitlichen Schnittstelle.
• Entwurf und Entwicklung eines Backends von Grund auf mit C# / .NET 10, einschließlich Domain-Modellierung mit DDD, versionierter RESTful-API-Schicht und Aufbau der Cloud-Infrastruktur auf Azure.
• Aufbau einer Echtzeit-Chat-Infrastruktur mit Server-Sent Events (SSE), Nachrichtenspeicherung und Zustellgarantien für den Live-Betrieb von KI-Influencer-Personas im großen Maßstab.
• Entwicklung eines Medienverwaltungsdienstes mit Anbindung an Cloud-Objektspeicher für den Upload und Abruf von durch Influencer generierten Inhalten.
• Erstellung einer Integrations- und Unit-Test-Suite mit Daten-Seeding für zuverlässige Regressionstests aller zentralen Plattformabläufe, wodurch die Produktionsfehlerrate deutlich sank.

Werkzeuge und Technologien: C#, .NET, ASP.NET Core, Python, TypeScript, MySQL, Semantic Kernel, EF Core, Minimal APIs, LLM Orchestration, Prompt Engineering, Agentic AI, Generative AI, AI-Assisted Engineering, Claude Code, GitHub Copilot, Google Gemini, OpenAI API, Ollama, Redis, Azure, Azure Container Apps, Azure Database for MySQL, Docker, GitHub Actions, Clean Architecture, Vertical Slice Architecture, CQRS, Domain-Driven Design, REST API, xUnit, Integration Testing, Unit Testing, Jira, Confluence, Scrum

Übertragungsnetzbetreiber – Plattform zur Netzwerkbereitstellung (Teamleitung)

• Entwarf den Saga-Orchestrator in Python, der Netzwerkstrukturen mit Rollback bereitstellt.
• Gliederte IP, Identität und Ressourcenverteilung in Bounded Contexts mit eigenen Datenbanken und typisierten Clients auf.
• Implementierte den Datenzugriff mit DDD-Repositories und Units of Work, ohne SQL im Domänencode.
• Führte Integrationstests mit echten PostgreSQL- und RabbitMQ-Containern sowie API-Fuzzing für jeden Service ein.
• Führte einen Agenten-Workflow ein, bei dem jede Änderung mit einer Spezifikation beginnt und ein Mensch jeden Merge freigibt.
• Rollte die automatische OpenTelemetry-Instrumentierung per GitOps über achtzehn Kubernetes-Cluster aus.
• Leitete die Reaktion auf Vorfälle bei festgefahrener Bereitstellung und hielt jeden Ausfall in einem Post-Mortem fest.

Verwendete Sprachen und Software: Python, FastAPI, Pydantic v2, SQLAlchemy async, PostgreSQL, RabbitMQ, Celery, pytest, testcontainers, schemathesis, Helm, Flux CD, GitLab CI, OpenTelemetry, pi coding agent.

Softwareproduktunternehmen – SaaS für Rechenzentrumssimulation (Backend-Entwicklung)

• Entwickelte als zweitgrößter von mehr als zwanzig Mitwirkenden die asynchrone Simulationspipeline.
• Kennzeichnete jedes Image in den GitHub-Actions-Deploy-Workflows mit Commit-SHA und SemVer.
• Diagnostizierte den RabbitMQ-Speicheralarm, der alle Simulationen zum Stillstand brachte, und korrigierte die Limits im Helm-Chart.
• Stellte die Testsuite auf pytest im Function-Style um und ließ die Testabdeckung in jeder Pipeline ausweisen.

Verwendete Sprachen und Software: Python, FastAPI, SQLAlchemy, Alembic, Celery, RabbitMQ, Redis, PostgreSQL, S3, EKS, Helm, Keycloak, GitHub Actions, pytest, mypy, ruff, SonarQube.

Interne KI-Plattform – Modellbereitstellung und Telemetrie

• Entwickelte den FastAPI-Service, der Open-Weight-Modelle auf GPU-Tiers als OpenAI-kompatible Endpunkte bereitstellt.
• Aktualisierte das EKS-Produktionssystem um zwei Kubernetes-Minor-Versionen und behob zonengebundene Speicherfehler.
• Erfasste jeden Modellaufruf mit Tokenanzahl, Kosten und Latenz über den OpenTelemetry-Operator.

Verwendete Sprachen und Software: Python, FastAPI, vLLM, LangGraph, pydantic-ai, OpenAI- und Anthropic-APIs, EKS, Helm, Flux CD, Terraform, GitLab CI, OpenTelemetry, Grafana.

• Architektur und Entwicklung einer agentischen Plattform zur kreativen Automatisierung auf Basis von Mastra, mit einer individuellen RAG-Pipeline, eigenen Hooks, Tools und Skills, Chroma für die Vektorspeicherung sowie einem MongoDB/Express-Backend.
• Entwicklung der Agenten-Orchestrierung für den Multi-Agenten-Arbeitsbereich von Pixomi, einschließlich 72 individueller Marketing-Skills, Tools und Hooks sowie einer eigenen Pipeline für das Kontextmanagement.
• Design und Implementierung von Evals und Observability über Mastra Studio.
• Gewinnung von 10 Pilotkunden aus dem SMB-Bereich, die innerhalb von 3 Monaten pro Kampagne 10-mal mehr veröffentlichungsfertige kreative Inhalte produzierten als bei manueller Erstellung.
• Durchführung von Customer Discovery und Feedbackschleifen mit Pilotkunden zur Entwicklung der Roadmap für eine AI-native, workflowbasierte Plattform zur Inhaltserstellung.

• ▶ Echtzeit-Sprachassistenten entwickelt (STT → LLM → TTS-Pipeline), mehrere STT-Anbieter einschließlich faster-whisper und Azure Speech getestet und bewertet. Latenz von unter 3 Sekunden erreicht, Groq API (Llama 3) mit Multi-Turn-Speicher eingesetzt – einschließlich direkter Behandlung von Sonderfällen bei Diktaten sowie der Erkennung von Namen und Zugangscodes.

• Architektur der Azure Landing Zone: Entwurf und Implementierung einer Azure Landing Zone mit Hub-and-Spoke-Architektur und Unterstützung mehrerer Regionen. Sie bildet die sichere, skalierbare und hochverfügbare Grundlage für Daten- und ML-Plattformen für autonomes Fahren und Parken.
• Compliance mit Azure Policy: Durchsetzung von Sicherheits- und Compliance-Standards über Azure-Abonnements hinweg mit Azure Policy (Guardrails, deny/audit/deploy-if-not-exists), wobei konstant sehr hohe Sicherheitsbewertungen der Infrastruktur erreicht wurden.
• Infrastructure-as-Code: Automatisierung der Bereitstellung und Konfiguration von Azure-Ressourcen mit Terraform und Bicep; Änderungen werden über geprüfte CI/CD-Pipelines ausgerollt.
• Azure Databricks und Unity Catalog: Umfassende Erfahrung im Betrieb von Azure Databricks mit Unity Catalog für zentrale Data Governance, Zugriffskontrolle, Datenherkunft und Auditing über mehrere Workspaces hinweg.
• Monitoring und Observability: Aufbau und Betrieb von Infrastruktur-Monitoring und Logging mit Azure Monitor, Prometheus, Grafana und Loki, einschließlich Plattformzustand, Alarmierung, Fehleranalyse und Kapazitätsentwicklung.
• Plattform im großen Maßstab: Architektur und Betrieb von Cloud-Daten- und ML-Plattformen zur Verarbeitung und Simulation von Fahrzeugdaten im PB-Bereich; Orchestrierung von auf Argo Workflows basierenden Recompute- und Autolabeling-Services mit einer Skalierung auf mehr als 100k+ gleichzeitig laufende Pods auf AKS.
• Reproduzierbares ML: Aufbau reproduzierbarer Trainingsumgebungen mit Versionierung von Datensätzen und Nachverfolgung der Datenherkunft, wodurch Audits und zuverlässige Experimente ermöglicht werden.
• Operative Exzellenz: Automatisierung der Verwaltung von GitHub-Organisationen und CI/CD-Pipelines zur Verbesserung der Entwicklerproduktivität und Zuverlässigkeit von Deployments; Automatisierung wiederkehrender Betriebsprozesse.
• FinOps: Entwicklung einer transparenten Ressourcen- und Kostenverfolgung für Azure-Umgebungen mit mehreren Projekten.
• Führung: Technische Leitung für Infrastrukturthemen in Zusammenarbeit mit Entwicklungs-, DevOps- und Sicherheitsteams; technischer Interviewer und Mitglied des Recruiting-Gremiums zum Ausbau des Engineering-Teams.

• Entwicklung und Bereitstellung von Microservices in Kotlin und Spring Boot, Integration von AWS Secrets Manager zur Absicherung von Zugangsdaten und Reduzierung von Netzwerkaufrufen durch den Spring-Cache.
• Überarbeitung eines Kafka-Consumers mit Spring Kafka und semaphorbasiertem Backpressure, um die Anzahl der Datensätze zu begrenzen und den Heap-Speicher bei Lastspitzen stabil zu halten; Umstellung auf Batch-Upserts zur Reduzierung von Datenbankaufrufen; Ergänzung von Testcontainers-Integrationstests für Kafka und die Datenbank als Grundlage für künftige Änderungen.
• Automatisierung des Finanzabstimmungsprozesses in Spring Boot (Kotlin) mit Spring Scheduler, Transaktionsgrenzen, JPA/Hibernate auf MySQL und Flyway-Migrationen, wodurch das Buchhaltungsteam 16+ Stunden pro Woche einspart.
• Entwicklung und Dockerisierung eines End-to-End-Test-Frameworks für Zahlungen in Robot (Python) mit wiederverwendbaren Keyword-Bibliotheken und Profilen; Integration in GitLab CI (JaCoCo XML- und HTML-Berichte), um Releases zu beschleunigen und die Codeabdeckung auf 80% zu erhöhen.
• Umsetzung durchgängiger Observability mit Datadog durch Instrumentierung der Services mit Datadog APM, Verknüpfung von Metriken und Logs, Bereitstellung von Dashboards sowie Erstellung von Monitoren mit Burn-Rate-Warnungen und Anomalieerkennung, um die Zuverlässigkeit zu erhöhen und Stakeholdern klare Einblicke zu geben.

• Tätigkeit als technischer Berater zur Optimierung mehrschichtiger Ensemble-Modelle, die ResNet, CNN-BiGRU-Attention und XGBoost kombinieren.
• Begleitung der Implementierung eines Logistic-Regression-Meta-Learners zur Lösung von Problemen mit unausgeglichenen Klassen; dabei wurden 92.86% Genauigkeit und 0.9644 AUC bei den Datensätzen PTB-XL und Chapman-Shaoxing erreicht.

• Aufbau unabhängiger Projekte im Bereich KI/Entwickler-Tools.
• Erprobung von Produktideen, schnellem Prototyping und Validierung der Markteinführung.
• Entwicklung eines KI-nativen Betriebsmodells – unter Einsatz agentischer Pipelines, dynamischer Kontextschemata und strenger Evaluierungs-Frameworks, um den Hebel einzelner Entwickler zu vervielfachen und Umsetzungshürden zu beseitigen.