OpenAPI Experten in München

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

• Gesamtverantwortung für den Projektlebenszyklus von der Umfangsdefinition bis zum Abschluss
• Enge Zusammenarbeit mit Plattform-Teams, IT-Führungskräften und externen Dienstleistern
• Anwendung von SAFe-Prinzipien und strukturierte Sprint-Arbeit
• Erstellung eines Migrationsfahrplans mit klaren Meilensteinen
• Überwachung des Lifecycles: Onboarding, Repository-Migration, Replikation von Berechtigungen und Systemtests
• Visualisierung der Architektur mit PlantUML und Gliffy sowie Dokumentation in Confluence
• Regelmäßige Statusberichte und Durchführung von Wissenstransfer-Sessions

• Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
• Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
• Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
• Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
• Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
• Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
• Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
• Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
• Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
• Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
• Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
• Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
• Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
• Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).

Projekt: Steuern Freistellungsauftrag Anwendung

Der Kunde verfügt über eine bestehende Anwendung zur Erstellung und Pflege von Steuerbefreiungsaufträgen für Endkunden; Konzeption und Implementierung einer vergleichbaren Anwendung für interne Mitarbeiter.

• Entwurf und Implementierung von Microservices und der UI für den Fachbereich „Steuerbefreiungsaufträge“ unter Anwendung von Domain Driven Design sowie Spring Boot und Angular.
• Implementierung reaktiver, nicht-reaktiver und asynchroner APIs (Spring REST, WebFlux, GraphQL).
• Entwicklung der Angular-Anwendung, einschließlich State Management mittels Signals, RxJS Observables und Subscriptions.
• Absicherung der API und der Anwendung unter Verwendung von OAuth2, JWT und OpenID Connect.
• Konfiguration und Einrichtung von CI/CD-Pipelines mit Jenkins.
• Zusammenarbeit mit funktionsübergreifenden Teams sowie Durchführung von Code-Reviews.

Umfeld: Java, Spring Boot, Angular 18 & 19(standalone, signals), RxJs, Bootstrap CSS, Vitesting, OpenShift, Istio, microservices, Kafka, Dynatrace, Jenkins, GitLab, Graylog, Sonar, Oauth2, OracleDB

Aufgabe

• Weiterentwicklung eines neuen ERP-Systems mit Blazor
• Erzeugung von E-Rechnungen mit dem Format XRechnung und Zugferd
• UI/UX-Design Client-Server-System
• Windows 11 Technologie
• Microsoft .NET 9, Git, Azure DevOps, ASP.NET, MSSQL, Blazor Programmiersprachen
• C#, MVVM Entwicklungstools
• Microsoft Visual Studio .NET 2022 Datenbank
• MSSQL Branche
• Sonstige

• Spring Boot Software Engineer
• DevOps Engineer (Kubernetes, Azure DevOps)

Toolstack: Java, Spring Boot, Kubernetes, Helm, GitOps, ArgoCD, Docker, Azure DevOps, CI/CD Pipelines, Git, Postgres

• Entwicklung dynamischer Web Components zur Darstellung von KPIs, intelligenter Kartenanwendungen und Betriebsprozessanalyse-Tools
• Angular 18+
• Leaflet, MapLibre
• NestJS, JavaScript, HTML, CSS
• PostgreSQL, GraphQL, RabbitMQ
• Gitea, Jenkins, Docker

• Entwarf und erstellte von Grund auf das Automatisierungsframework mit Playwright, TypeScript, JavaScript, Gherkin, Cucumber, BDD, Maven, IntelliJ IDEA
• Definierte, entwickelte und pflegte Testpläne, Testskripte, Berichte und andere QA-Dokumentationen in Confluence
• Erstellte und pflegte Testdaten mit SQL Server Management Studio, Toad und Faker.js
• Führte Webservice- und API-Tests mit Swagger Open API, SoapUI, JSON, HTML und XML durch
• Führte funktionale, Smoke-, Regression-, Black-Box-, GUI-, Cross-Browser-, UAT- und E2E-Tests mit CrossBrowserTesting und Safari Web Inspector durch
• Integrierte und pflegte automatisierte Skripte in Sprints nach Kanban, CI/CD, GitHub, Docker, Azure Pipelines, Agile, Scrum, Kafka und Kibana
• Meldete und verwaltete Fehler in Azure DevOps
• Führte Mobile-Tests mit Robot Framework und Appium durch

• Im Rahmen der Entwicklung dieses Projekts wurden verschiedene Apps für die IBM-Portal-Umgebung auf Basis von Portlets und SpringBoot-Services sowie der Aufbau einer BI-Plattform auf Basis von QlikView entwickelt

• Full-Stack-Entwicklung von Applikationen, technische Analyse, Refinement von Anforderungen mit dem Fachbereich, Koordination mit dem Kunden, DevOPS

• Teamgröße: 8 Leute

• Technologie: Java 11.0, Maven, Git, Spring, Hibernate, JUNIT, Mockito, React, Jira, SQL, Spring Boot, CD/CI Jenkins, Kanban, Rest API, Oracle

• Umgebung: Eclipse, IBM Rational Application Developer

• Nach der Übernahme (Wirecard zu PagoNxt) als zentraler Produktmanager behalten, um die Plattformmigration und die Produkttransformation voranzutreiben
• Leitung der Automatisierung von über 20 mehrstufigen Onboarding-Workflows auf einer Integrationsplattform mit 22 Systemen von der Konzeption bis zum Launch, wodurch die Aktivierungszeit um ~90% verkürzt und die Betriebskosten reduziert wurden
• Einführung regulierter B2B-Onboarding-Portale auf Salesforce in Großbritannien und Spanien und Ermöglichung des Markteintritts
• Beauftragt, ein verzögertes, unternehmenskritisches Programm zu retten; ein Team mit über 20 Mitgliedern umstrukturiert und Agile-Prozesse überarbeitet, wodurch die Umsetzung in 6 Wochen stabilisiert wurde
• Koordination der Plattformmigration zur PagoNxt-Infrastruktur über 12 Teams hinweg, drei Wochen früher ausgeliefert und ein SLO von 99,9% Verfügbarkeit beibehalten
• Konzeption einer Self-Service-Onboarding-App für interne Teams, Validierung des MVP und Skalierung zu einem Kernsystem
• Verantwortung für Roadmap und Quartalsplanung übernommen, Priorisierung des Backlogs und Abwägung, um die Lieferwirkung zu maximieren
• Verbesserung der Lieferprozesse über Teams hinweg, Steigerung der Zusammenarbeit und Beschleunigung des Durchsatzes um ~30%
• Durchführung von Interviews und Onboarding von über 8 PMs und Ingenieuren in verschiedenen Teams; Mentoring wichtiger Neuzugänge, was die Liefergeschwindigkeit und bereichsübergreifende Zusammenarbeit verbesserte
• Moderation von Architektur-Diskussionen, um schnelle Lieferung, Skalierbarkeit und langfristige Geschäftsziele auszubalancieren
• Leitung von Product-Discovery-Workshops, Validierung von Hypothesen und Ableitung datenbasierter Feature-Verbesserungen

• Unterstützung beim Aufbau einer modernen und sicheren Microservice-Architektur
• Erstellung von Architekturdokumentation
• Analyse und Definition der Schnittstellen mit OpenAPI
• Know-how-Transfer zu Architektur
• Support in der Frontend-Architektur
• Realisierung von Regelwerken
• Hands-on im Backend und Frontend

• Backend-Entwicklung des cloudbasierten Microservice
• Frontend-Entwicklung des Micro-Frontends
• Migration der Cloud-Backend-Umgebung
• Rollout des verteilten hochverfügbaren Privacy Data Service
• Technologien: Java, Kotlin, Spring Boot, REST-Services, Kubernetes, Microsoft Azure, Cloud-Sicherheit, OpenAPI, Postman, JavaScript, Vue.js, AngularJS, TypeScript, Micro-Frontend, Redis, Kibana, Grafana, CI/CD, GitHub Actions, Jenkins, Helm Charts, Sec-Hub, Black Duck, Docker, Maven, Git, Scrum

• Aufbau des Unternehmens mit Fokus auf Connectivity für IIoT und Industrie 4.0, iRPA/Prozessautomatisierung, Advanced Robotics und Smart Systems, Sensors and Services
• Projektleitung und Software-Architektur für IoT-Gateway-Entwicklung (seit 2020) mit Protokollübersetzung, IT/OT-Konvergenz und GRC
• Entwicklung von RPA-Bots zur Automatisierung und Überwachung industrieller Prozesse mit agentischem AI-Ansatz (seit 2020)
• Implementierung von Unsupervised Clustering und Anomalieanalyse für Zeitreihendaten in BigData-Streaming-Pipelines (seit 2021)
• Einführung eines Docker-basierten Release-Trains für OTA-Updates mit DevSecOps und CI/CD (seit 2018)