OpenAPI Experten

Reifung ihrer API-Praktiken sowohl auf Business- als auch auf Technologieebene. Meine Rolle umfasst Strategie, Architektur, Developer Advocacy sowie hands-on Software Engineering und ermöglicht es sowohl technischen Teams als auch dem Business-Management, API-zentrierte Prinzipien effektiv zu übernehmen und anzuwenden. Gleichzeitig etablieren wir mit diesem Projekt auch GitOps, DX und Platform Best Practices.

Highlights:

• Abstimmung mit Executives auf die Initiative durch Klarstellung der Strategie, Ersetzen von Missverständnissen und Mythen durch Fakten, Verdeutlichen des Werts bestehender Assets und Ermöglichen fundierter Entscheidungen
• Entwicklung eines Vorgehens für das API Lifecycle Management bei OTTO
• Vorantreiben des Plattformfortschritts und Förderung des Entwicklerengagements durch hands-on Engineering-Arbeit in Richtung strategischer Ziele

API Lifecycle Management, Team Topologies, Organizational Evolution, Regulatory, Platform Advocate, Developer Platform, Communities of Practice, Terraform, Kotlin, Kafka, Kong, WSO2, Apigee, Gravitee, Backstage, AsyncAPI, OpenAPI, API Design, AWS, React, Node.js, TypeScript, Redocly, Reactive Programming, CDC, Golang, Gin-Gonic, GitOps, DX (Developer Experience), Stakeholder Management, Roadmaps, Workshops, Discovery.

Produkt:

• Eine produktionsreife KI-Plattform aufgebaut, die markenkonforme Marketingbilder und Videos aus Produktdaten, Nutzeranforderungen und hochgeladenen Medien erzeugt.
• Die Plattformarchitektur, die technische Roadmap, das API-Design, die Sicherheit, den Deployment-Workflow, die operative Zuverlässigkeit und die Strategie für Modellanbieter verantwortet.
• Die Kernplattform in .NET entwickelt und unterstützende KI- und Workflow-Prototypen in Python gebaut, mit sprachunabhängigen API-Verträgen und strukturierten Schnittstellen zwischen Services und Modellanbietern.
• Zuverlässige Hintergrundverarbeitung mit RabbitMQ implementiert, Workflow-Zustände gespeichert sowie idempotente Verarbeitung, Retries, Fehlerbehebung, Logging, sichere Speicherung, Autorisierung und Credit-Abrechnung umgesetzt.
• Pragmatische Build-vs.-Buy- und Modellrouting-Entscheidungen auf Basis von Zuverlässigkeit, Latenz, Kosten und Wartbarkeit getroffen, statt auf Neuheit.

Agenten-Orchestrierung & RAG-Systeme

• Agenten-Workflows mit Microsoft Agent Framework, LangGraph und LangChain aufgebaut und verglichen, einschließlich Tool-Nutzung, bedingter Weiterleitung, Klärungsschritten, Zustandsverwaltung und Übergaben zwischen Agenten.
• Wiederverwendbare .NET-Komponenten für Agenten, Prompts, Tools, Modellanbieter, strukturierte Antworten und Retrieval mit pyvector implementiert, um den Wechsel von KI-Anbietern zu erleichtern, ohne den Kern-Workflow neu schreiben zu müssen.

• 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

Mitarbeit im EU-geförderten Projekt MORANE-2 zur Validierung des Future Railway Mobile Communication System (FRMCS) in realen Einsatzszenarien: Erstellung der Anforderungsspezifikationen für TOBA sowie der zugehörigen Testspezifikationen.

Technologien: 5GS (Radio & Core), FRMCS, MCx (MCPTT, MCData, MCVideo), MC Gateway UE, MCx Priority/Security/QoS Management, ETCS, SIP, IMS

• Optimierung und Beschleunigung unserer GitLab-CI-Pipeline

• Konzeptarbeit für den PoC des Zero-Trust-Systems

• Erweiterung des Policy-Engine-Backends in Go

• Erweiterung des Policy-Testing-Mechanismus in Python

• Architekturelle Gestaltung der PEP-Komponente von Zero Trust

• Dokumentation des Produkts

• Technologien: Zero Trust, Go, Python, GitLab CI, Docker, JWT, Domain-Driven Design

• Auftraggeber: Prime Force Group GmbH

Eingesetzte Techniken: Java 25, Spring Boot 4, MapStruct, JSpecify, PostgreSQL, Redis, Liquibase, REST/OpenAPI, Apache Kafka, Apache Solr, OpenID Connect über IronGate/Keycloak, SAP Customer Data Cloud, JUnit, Testcontainers, Karate, Playwright, GitLab-Monorepo mit CI/CD, Jenkins, JFrog Artifactory, FluxCD, Docker, Kubernetes auf Azure, OpenTelemetry, arc42, Jira, Confluence

Das Team Management Center ist die neue zentrale Plattform des DFB für die Planung, Verwaltung und Durchführung von Teammaßnahmen der Nationalmannschaften – von der Kaderzusammenstellung über Lehrgänge und Trainingslager bis zur Kommunikation mit Spielern, Vereinen und Erziehungsberechtigten. Die Plattform ist mandantenfähig für DFB und Landesverbände ausgelegt; Spieler-, Vereins- und Stammdaten werden bewusst nicht kopiert, sondern zur Laufzeit über die DFBnet-APIs angebunden.

Ich bin seit der Architektur- und Konzeptphase (Sprint 0) durchgängig im Projekt und arbeite im verteilten Scrum-Team in zweiwöchigen Sprints. Neben der Implementierung liegen meine Schwerpunkte auf Architekturabstimmungen, der Anbindung der DFBnet-Schnittstellen sowie auf Code-Reviews und Test-Automatisierung als Qualitätssicherung im Team.

Schwerpunkte:

• Erarbeitung und Umsetzung des Mandantenfähigkeitskonzepts (Tenant-Modell für DFB und Landesverbände) inklusive Datenmodell, Zugriffsschicht und Liquibase-Migrationen.
• Konzeption des Personen-Services und des Suchkonzepts auf Basis von Apache Solr.
• Anbindung der DFBnet-APIs (Spieler-, Personen- und Vereinssuche, Club-Daten) inklusive Authentifizierung und synchroner Stammdaten-Synchronisation.
• Härtung der Integration durch Resilienzmuster: eigene Read-Timeouts je Suchpfad, Korrektur der Circuit-Breaker-Zählung, Begrenzung paralleler Aufrufe und Club-Cache zur Entlastung des Fremdsystems.
• Entwicklung der Self-Service-Endpunkte für Spieler (eigene Maßnahmen, Maßnahmendetails, Spiele) inklusive Zugriffskonzept für Teilnehmende sowie der Personendokumente und Datei-Uploads.
• Vereinheitlichung des API-Designs: OpenAPI-Annotationen, Nullability-Modell über einen eigenen ModelConverter, JSpecify-Migration der DTOs und dokumentierte API-Guidelines.
• Aufbau und Pflege der Karate-basierten API- und Integrationstests, Integrationstests mit Testcontainers, Test-Guidelines und Bug-Triage aus den Integrations- und Referenzumgebungen.
• Code-Reviews über Merge Requests, Architekturdokumentation nach arc42 und Architekturentscheidungen (ADRs) in Confluence.
• Automatisiertes Deployment auf Integrations- und Referenzumgebung, Analyse von Login- und OIDC-Problemen im Zusammenspiel mit IronGate.

Status: laufend – Stand 08/2026 in Sprint 17, rund 940 geleistete Personenstunden; alle zwei Wochen testbare Auslieferung auf die Integrationsumgebung.

• Mitfahr- und Busplattform, live erreichbar und funktionsfähig. Backend Spring Boot 4.1 auf Java 21, PostgreSQL mit Flyway, Testcontainers-Integrationstests. Betrieb im eigenen AWS-Konto (ECS Fargate, ALB, ECR, IAM Least-Privilege) mit CI/CD via GitHub Actions und OIDC-Federation ohne statische Zugangsdaten. Entwicklung durchgehend AI-gestützt mit Claude Code, inklusive eigener Skills und projektspezifischem Memory. Spring Boot · Java 21 · PostgreSQL · Flyway · Docker · AWS ECS/ALB/ECR · CI/CD · GitHub Actions · Claude Code

• Entwicklung und Optimierung der RTL+-Frontend-Anwendung für SmartTV- und Set-Top-Box-Plattformen mit React und Next.js.
• Schlüsselrolle bei der fachlichen Steuerung von Entwicklern im Team und bei der Koordination der Umsetzung.
• Zentrale Schnittstelle zu angrenzenden Teams, um Entwicklungsabläufe zu vereinfachen und die teamübergreifende Abstimmung zu verbessern.
• Verbesserung von Frontend-Performance, Stabilität und Rendering-Verhalten auf leistungsschwachen Geräten in einer eingeschränkten Runtime-Umgebung.
• Umsetzung einer Frontend-Teststrategie mit Jest, React Testing Library und Playwright.
• Umsetzung von Verbesserungen der Barrierefreiheit gemäß WCAG 2.2 und WAI-ARIA.
• Integration von Didomi Consent Management als Beitrag zur Steigerung der Ad-Monetarisierung auf Streaming-Plattformen.
• Einsatz KI-gestützter Engineering-Workflows mit Cursor für strukturierte Implementierung, Refactoring und schnellere Problemlösung.

Eingesetzte Technologien: React, Next.js, TypeScript, JavaScript, GraphQL, Apollo Gateway, Zustand, Tailwind CSS, Styled Components, React Testing Library, Playwright, Jest, HTML5, CSS3, AWS Lambda, EC2, CloudFront, S3, GitLab CI/CD, NX, Cursor

IT-Beratung, Analyse, Architekturgestaltung, Neu- und Weiterentwicklung, Code Review, Testautomatisierung, Continuous Integration, Continuous Delivery im Backend- und Frontend-Bereich für das Automotive-Projekt Instavalo.

Frontend:

• Implementierung von UI-Komponenten gemäß Vorgaben, insbesondere Style Guides und responsive Design mit React und Typescript
• Komponententests
• Codedokumentation
• CI/CD mit Gitlab Pipeline

Backend / IoT:

• Analyse und architektonische Gestaltung mit AWS Greengrass IoT auf Edge-Geräten
• Aufbau von Microservices-Containern mit Docker Compose auf Edge-Geräten mit AWS Greengrass und AWS IoT IAM, Token Exchange Service, Ansible
• CI/CD mit Gitlab Pipeline, Terraform, AWS ECR
• Logging mit Fluentbit und Lua für AWS Cloudwatch
• Python-Lambda für die AWS-Greengrass-Recipe-Deployment auf Edge-Geräten
• Umsetzung von Test Driven Development mit JUnit, Mockito und Code Coverage
• Jacoco
• Definition von REST-Schnittstellen mit OpenAPI / Swagger
• Entwicklung und Erweiterung von Software auf Basis von Java Quarkus, Typescript NestJs NodeJs und Python
• Authentifizierung und Autorisierung in AWS IAM
• Entwicklung von REST- und gRPC-Schnittstellen für Frontend und Backend
• Umsetzung von Maven-Abhängigkeiten mit DevSecOps OWASP
• Spring AI, Jetbrains AI Assistant, Junie, Github Copilot, Claude Code, Agents, Skills, Command, Hooks, Subagents

• Schwerpunkt: Systemarchitektur, Cloud-native Plattformen, Microservices, API-Design
• Produkt: Pflege-Pfad ist eine digitale Vermittlungsplattform, die Angehörige pflegebedürftiger Personen direkt mit geprüften Pflegediensten und Betreuungskräften verbindet – ohne Agentur und ohne laufende Gebühren.
• Business-Analyse & Prozessdesign:
• Analyse des deutschen Pflegemarkts und Identifikation der zentralen Pain Points beider Zielgruppen.
• Modellierung der Kerngeschäftsprozesse: Registrierung, Verifikation, Pflegeanfrage, Bewerbung, Vermittlung und Bewertung.
• Definition des Geschäftsmodells als Freemium-/Premium-Modell mit optionaler Kontaktfreischaltung.
• Erstellung von User Stories und Anforderungsdokumentation für Angehörige, Pflegedienste und Administratoren.
• Konzeption von Vertrauens- und Qualitätssicherungsmechanismen mit Dokumenten-Upload, Admin-Prüfprozess und Bewertungssystem.
• Durchführung von Stakeholder-Abstimmungen und Validierung der Produktentscheidungen mit potenziellen Nutzern.
• Technische Umsetzung:
• Konzeption und Umsetzung der gesamten Plattformarchitektur als Alleinentwickler.
• Entwurf und Implementierung einer REST-API mit Spring Boot und Kotlin inklusive JWT-basierter Authentifizierung.
• Entwicklung des Frontends als Single-Page-Application mit Angular 17.
• Umsetzung der AWS-Infrastruktur mit EC2, RDS PostgreSQL, S3, CloudFront und IAM.
• Dokumenten-Upload mit AWS S3 über Presigned URLs zur Verifikation von Pflegediensten.
• E-Mail-Benachrichtigungen über Resend API.
• KI-gestützte Pflegedienst-Suche über OpenAI API.
• Implementierung vollständiger User-Flows wie Registrierung, Login, Passwort-Reset und Vermittlungsprozess.
• Aufbau eines Admin-Panels für Benutzer- und Pflegedienstverwaltung sowie Analytics.
• CI/CD mit GitHub Actions und containerisierte Deployments mit Docker.
• End-to-End-Tests mit Playwright.

Technologien: Kotlin, Spring Boot 3, Spring Security, JWT, JPA/Hibernate, PostgreSQL, Angular 17, TypeScript, RxJS, AWS (EC2, ECS, S3, CloudFront CDN, RDS PostgreSQL, IAM), nginx, GitHub Actions, Playwright, Maven, Git, OpenAI API, Resend API, Docker, Scrum, i18n (DE/EN/TR), Kiro, Feature-Flag-Architektur.

Entwurf und Umsetzung einer kompakten ERP-, CRM-, Buchhaltungs- und Produktionsplanungsplattform für einen deutschen Lebensmittelhersteller. Das System ersetzt Rechnung11, selbst gebaute Excel-Tabellen und manuelle Prozesse für weniger als 10 interne Nutzer.

• Habe die komplette Plattformarchitektur als alleiniger Architekt und Entwickler entworfen und umgesetzt.
• Module für Kundenverwaltung, B2B-Auftragsbearbeitung, Rechnungsstellung, Produktionsplanung und Buchhaltungsunterstützung gebaut.
• DATEV-Export, ZUGFeRD-/XRechnung-E-Rechnungen, FinTS-Bankabgleich und GoBD-Audit-Trail-Konzepte implementiert.
• KI-gestützte Workflows für Prototyping, Testunterstützung und schnellere Umsetzung genutzt, dabei aber volle Architektur-, Review-, Teststrategie- und technische Verantwortung behalten.

Technologie: Java 23, Spring Boot 3, Spring Data JPA, Spring Security, Vue 3, TypeScript, PostgreSQL, Flyway, REST, OpenAPI, JWT, TOTP, RBAC, DATEV, FinTS, ZUGFeRD, XRechnung, GoBD, JUnit, Mockito, Testcontainers, Playwright, Docker, GitLab CI/CD

Entwicklung und evolutionäre Weiterentwicklung einer hochverfügbaren, cloud-nativen Microservice- und Integrationsarchitektur für Dealer- und Retail-Prozesse im Porsche Car Configurator.

Verantwortlichkeiten

• Entwicklung Java-/Kotlin-basierter Backend-, API- und Integrationskomponenten (Spring Boot)
• Integration interner und externer Systeme über REST/OpenAPI, GraphQL, Apache Kafka und AWS SQS (synchron und asynchron)
• Umsetzung stabiler, performanter Kommunikations- und Datenflüsse in einer cloud-nativen Plattformarchitektur
• Verarbeitung strukturierter Datenformate (JSON, Protobuf, GraphQL-Schemas) auf Basis bestehender API-Pattern
• Performanceoptimierung verteilter Microservices mit reduzierten Antwortzeiten und höherer Betriebsstabilität
• Technische Tests (Unit-, Integrations- & API-Tests) sowie Fehleranalyse in produktionsnahen Umgebungen
• AWS Infrastructure as Code mit Terraform und AWS CDK
• CI/CD-Automatisierung (Build-, Test- & Deployment-Pipelines) mit GitHub Actions
• KI-gestützte Feature-Implementierung (GitHub Copilot Agent)

Label: Kotlin, Java 25, Spring Boot 4, Protobuf, TypeScript, AWS, Terraform, CDK, Apache Kafka, AWS SQS, REST/OpenAPI, GraphQL, JSON, PostgreSQL, Docker, GitHub Actions, Maven, Gradle, JUnit, Mockito, Testcontainers

Konversationeller KI-Assistent für Fragen zu Cloud-Infrastruktur und Sicherheit

• FastAPI-Backend mit Multi-Turn-Conversation-Handler, Token-Budgeting und Kontextfenster-Management entworfen.
• Amazon Bedrock (Claude 3 Sonnet/Haiku) integriert; RAG-Pipeline mit MongoDB-Chatverlauf und semantischer Suche aufgebaut.
• Factory Pattern für modulares Wechseln zwischen LLM-Anbietern implementiert; der Aufwand für das Onboarding neuer Modelle um 60% reduziert.
• Die LLM-Inferenzkosten um 35% gesenkt durch Modell-Tiering (Haiku vs. Sonnet) und Konsolidierung von Prompts/Entitäten.

Tech: Python, FastAPI, Amazon Bedrock, MongoDB, Streamlit, Pydantic.

• Konzeption und Umsetzung modularer KI-Assistenten für Vertriebs- und Geschäftsprozesse im Microsoft-Ökosystem (Agentic AI, Copilot-Erweiterungen)
• Frontend-Architektur und -Entwicklung mit React + TypeScript für eingebettete Chat- und Assistant-Oberflächen (Streaming-UI, Hooks, React Query, OpenAPI-Clients)
• Agenten-Entwicklung auf Enterprise-Ebene: wiederverwendbare Skill-/Agenten-Bibliothek, MCP-Server, Review- und Compliance-Gates
• LLM-Integration in die User Experience: Anthropic (Claude), OpenAI, Tool-Use, RAG-Pipelines, Prompt-Engineering, Guardrails
• Architektur- und Code-Review-Beratung sowie Mentoring im KI-Entwicklungsteam
• Anbindung an Microsoft Graph, Power Platform und Azure-Dienste
• Technologien: React, TypeScript, Anthropic Claude, OpenAI, MCP, RAG, Microsoft Graph, Power Platform, Azure