Python-Experten in Deutschland

• Neugestaltung der BI-Infrastruktur des Unternehmens: Ablösung einer fragmentierten Landschaft aus manuell gepflegten Excel-Lösungen und CSV-Importen durch eine zentralisierte Power-BI-Umgebung mit einem einheitlichen Datenmodell als unternehmensweiter Single Source of Truth
• Konsolidierung zuvor isolierter Reporting-Logiken in einem zentralen semantischen Modell – Eliminierung redundanter Dateien, manueller Datenübergaben und widersprüchlicher Kennzahlen zwischen den Fachbereichen
• Forecasting & Planung: Konzeption und Umsetzung einer unternehmensweiten Liquiditätsplanung in Power BI – von der fachlichen Logik bis zum vollautomatisierten, datenquellengetriebenen Planungsmodell als Ersatz für den bisherigen manuellen Excel-Prozess; ermöglicht rollierende Forecasts und laufend aktuelle Cashflow-Transparenz für die Geschäftsführung
• Optimierung bestehender Power-BI-Dashboards hinsichtlich Performance, Struktur und analytischem Mehrwert mittels AI-nativem Ansatz
• Analyse und Verbesserung des Datenmodells inkl. Datenqualitätsanalysen, Datenbereinigung und konsistenter Modellierung über Star Schema, DAX und Power Query
• Incident- & Anomalieanalyse: Identifikation, Untersuchung und Erklärung von Datenanomalien inkl. Root-Cause-Analyse und konkreten Handlungsempfehlungen
• KI-Lösungsarchitektur: Anbindung von Business Central und Power BI an LangDock via MCP (Model Context Protocol) für KI-gestützte Datennutzung
• Aufbau eines historischen Datenlayers als Basis für Trend- und Zeitreihenanalysen
• KI-gestützte Automatisierung: Konzeption und Entwicklung von KI-Skills, -Agenten, -Loops und -Prozessen zur automatisierten Analyse und Interpretation von Reports
• Automatisierter Reporting-Workflow: Einrichtung eines geplanten, automatisierten E-Mail-Versands KI-generierter Analysen und Empfehlungen an Stakeholder
• Erhebung und Dokumentation fachlicher Anforderungen sowie Abstimmung mit Fachbereichen und IT im Rahmen von Requirements Engineering / Product-Owner-Tätigkeiten
• Herunterbrechen der Gesamtanforderungen in klar definierte Arbeitspakete und Tasks
• Definition, Priorisierung und Steuerung von Meilensteinen über den gesamten Projektlebenszyklus

Tools: POWER BI, M365, Copilot Studio, MIRO, Microsoft Business Central, Microsoft Fabric, Claude AI, ChatGPT, LangDock, MS VS Code

• Generative KI-Produkte für Unternehmenskunden, von der Strategie über die Spezifikation bis zur Produktion end-to-end verantwortet.
• Zentrale Strategie, lokale Konfiguration: mandantenfähiger KI-Assistent für die betriebliche Altersversorgung (bAV), als interaktiver Avatar mit Text- und Sprachpfad umgesetzt. Drei Mandanten laufen auf einer Codebasis, jeweils mit eigenem Gesprächsleitfaden, während Wissensbasis, Schutzmechanismen und Eskalationspfade zentral bleiben
• Versionierte, KI-fähige Wissensbasis, die in einen mandantenunabhängigen Sprachkontext und mandantenspezifische Text-Prompts eingebunden wird — die Konfigurationsebene, die lokale Anpassungen ermöglicht, ohne das Produkt aufzuspalten
• Konversationsdesign: Antwortgrenzen, Umfang und Umgang mit themenfremden Fragen, Regeln gegen Halluzinationen, Eskalation und Übergabe von Leads an menschliche Berater
• Fünf Eval-Suites als Qualitätstor vor jeder Änderung an Prompt oder Modell (Anti-Halluzination, Fehlermuster des LLM-as-a-judge, Konsistenz über mehrere Gesprächsrunden, Sprach-KPIs, Aktionsvokabular mit Konfusionsmatrix); ein Nutzertest mit 10 Testern (Hamburg, 07/2026) führte zur Überarbeitung von Alpha zu Beta
• Externe Entwickler, Compliance und Kunden-Stakeholder koordiniert; DSGVO-konformer EU-Stack, IDD-konform, Klassifizierung nach EU AI Act dokumentiert
• Zweite Produktlinie: White-Label-Social-Media-Generator für die Beratung chilli mind (CH/DE) — eine Codebasis, kundenindividuelles Branding und Konfiguration
• Ergebnisse: mehr als 239 Deployments und ein Pilot mit Unternehmenskunden · mehr als 108 Deployments für das White-Label-Produkt · wiederverwendbares Muster für mandantenfähige KI-Produkte in einem regulierten Umfeld

• Claude-Code-Subagenten, MCP, Pydantic V2, pytest, bandit

• 3 spezialisierte Agenten entwickelt und produktiv eingesetzt, die die Arbeit entlang einer Kette weitergeben: Ein Forschungsagent erstellt eine zitierte Implementierungsspezifikation, ein Coding-Agent entwickelt den modularen Code und seine Tests, und ein Review-Agent bewertet die Ergebnisse nach Schweregrad und setzt die Korrekturen um. Jede Übergabe erfolgt als strukturiertes Dokument, sodass keine Phase vom Kontextfenster eines anderen Agenten abhängt.

• Den Forschungsagenten mit einem MCP-Server für akademische Recherche verbunden (Semantic Scholar, ArXiv, Hugging Face Hub, Zitationsverfolgung), sodass jede Referenz auf ein Tool-Ergebnis und nicht auf das Modell zurückgeht. Commits hinter ruff, mypy, pytest und bandit abgesichert, menschliche Freigabe vor Installationen und Commits verlangt und den Sitzungsstatus auf der Festplatte gespeichert, damit lange Läufe einen Kontext-Reset überstehen.

• Vervollständigung der Logquellen-Anbindung an Microsoft Sentinel inklusive Integration von GCP-Workloads – zentrale Konsolidierung aller sicherheitsrelevanten Ereignisse aus Azure- und GCP-Umgebungen für vollständige End-to-End-Telemetrie und lückenlose Compliance-Nachweise
• Entwicklung von Custom Rules und Use Cases auf Basis der GFG Use-Case Library und der MITRE ATT&CK Matrix, um unternehmensspezifische Bedrohungen und GFG-relevante Szenarien mit präzisen, gemappten Erkennungsregeln abzudecken
• Tuning der Erkennungsregeln zur Minimierung von Fehlalarmen, Optimierung der Erkennungsschwellen und Modellierung von Ausnahmen – das SOC arbeitet mit relevanten, priorisierten Alerts bei reduzierter Mean-Time-to-Detect/Respond
• Aufbau von SOAR-Funktionalitäten in Sentinel durch Entwicklung von Playbooks zur Automatisierung wiederkehrender Response-Abläufe wie Containment, Nutzer- und Host-Isolierung sowie Ticketing – kürzere Reaktionszeiten und 24/7-Skalierbarkeit
• Konzeption und Aufbau einer Log-Transformationslösung zur Normalisierung und Anreicherung eingehender Rohlogs (GeoIP, CMDB, Threat Intelligence) und Überführung in ein einheitliches Schema für performante KQL-Abfragen, Use-Case-Logik und Korrelationen
• Verwaltung der Azure Security über Azure Policies zur präskriptiven Durchsetzung von Sicherheits- und Compliance-Standards, Verhinderung von Drift sowie kontinuierlicher Remediation von Abweichungen
• Betrieb des Defender XDR Portals zur Verknüpfung von Endpunkt-, Identitäts-, E-Mail- und SaaS-Signalen mit Sentinel-Findings, ganzheitlicher Triagierung von Vorfällen und Orchestrierung von Maßnahmen direkt aus XDR

Technologien: Microsoft Sentinel, Microsoft Defender XDR, Azure Policy, KQL, GCP, MITRE ATT&CK

Reporting und Controlling mittels Power BI für produktives ERP-System

• Analyse der ERP-Daten und Schnittstellen für die Nutzung in Power BI Dashboards
• Bewertung und Migration bestehender Auswertungen (z. B. Excel) nach Power BI
• Entwicklung eines Berechtigungskonzepts für selektiven Datenzugriff
• Dokumentation und Schulung zur Nutzung und Anpassung der Power BI-Dashboards

Label: Power BI, Excel, SelectLine ERP, Microsoft SQL, SQL Server Management Studio

Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung

• Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
• Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
• Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.

Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision

Auf Evidenz basierende Health-Intelligence-Plattform, die veröffentlichte Forschung in persönliche Gesundheitsprotokolle übersetzt. Sie bewertet 430 Gewohnheiten, Lebensmittel und Supplements anhand der Studien dahinter und passt den Score an, wenn sich die Evidenz ändert. Allein aufgebaut.

• Die tägliche Ingest-Pipeline über PubMed, bioRxiv und medRxiv aufgebaut: 43.000+ Papers aus 3.400+ Journals verarbeitet zu 230.000+ typisierten Evidenz-Claims, jeder einzelne zurückverfolgbar bis zur Studie, aus der er stammt.
• Das sechs Faktoren umfassende Evidenz-Scoring-Modell und das öffentliche Changelog dahinter entworfen, damit keine Empfehlung ohne die zugrunde liegenden Papers erscheint. Bis heute 23.000+ Score-Änderungen erfasst und erklärt.
• Das Entity-Informationsmodell aufgebaut, das jede Intervention mit ihren Mechanismen, Biomarkern und Outcomes verbindet: 118 Biomarker mit regionsspezifischen Referenzbereichen, 77 Mechanismen, 32 bewertete Outcomes.
• Die Personalisierungsschicht gebaut: Ingestion von Blutwerten, die Labor-PDFs mit einem Vision-Modell ausliest und Ergebnisse anhand der Aufwachzeit des Nutzers korrigiert, plus Integration von Oura, WHOOP und Withings für den täglichen Readiness-Kontext.
• Elf spezialisierte Review-Agents über Korpus und Codebase betrieben, für Paper-Kuration, Retrieval-Qualität, Health-Claim-Compliance über EU- und US-Regime hinweg sowie Security.
• Den Evidence Assistant ausgeliefert, einen RAG-Assistenten, der aus der Claim-Datenbank antwortet und die zugrunde liegenden Papers zitiert, plus eine B2B-Practitioner-Stufe, eine Expo React Native App und Lokalisierung in 3 Sprachen und 7 Märkten.

Stack: Next.js 16, TypeScript, Supabase, pgvector, Anthropic Claude, Vercel, DeepInfra.

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.

• Leitung der Hardware-Entwicklung und Validierung eines sicherheitskritischen 400-V-Batteriemanagementsystems (BMS) für das TOGG SUV-Programm; Durchführung von Systemarchitektur-Reviews, Schaltplanvalidierungen, EMV- und Zuverlässigkeitstests sowie Ursachenanalysen (Root-Cause Analysis) unter Einhaltung relevanter Automobilstandards (ECE-R10, CISPR25, ISO-26262). Koordination länderübergreifender EU-Engineering-Teams, Kunden-Reviews und technischer Dokumentationen zur Bereitstellung eines serienreifen, validierten Systems.

• Architektur und Integration von 22 hochmodernen ADAS-Validierungsfahrzeugen für BMW ADCAM- und LIDAR-Programme bei Magna Electronics; Synchronisation von bis zu 26 heterogenen Sensoren (LIDAR, RADAR, Kameras, GNSS/INS) mittels PTP-basierter Timing-Architekturen. Definition der Systemarchitektur, HW/SW-Schnittstellen für Wiederaufbereitung Hardware-in-the-Loop (HIL), Sensorintegrationsstrategien und Datenerfassungs-Frameworks. Dies ermöglichte eine skalierbare Validierung auf Fahrzeugebene, verbesserte die Validierungseffizienz um 25 % und reduzierte die Projektkosten um 1,45 Mio. €.

• End-to-End-Validierung und Integration von Automotive-Radarplattformen für ein Daimler-Projekt bei Continental. Entwicklung automatisierter Open-Loop Hardware-in-the-Loop (HIL)-Umgebungen zur präzisen Prüfung von Zielverfolgungs-KPIs, Sichtfeldgrenzen (Field of View) sowie thermischen und spannungsbezogenen ECU-Zustandsautomaten. Versierter Einsatz einer hochkomplexen Toolchain bestehend aus CANoe, Lauterbach Trace32, RADAR-Zielsimulatoren und EMV-Abschirmkabinen zur HF- und Systemvalidierung. Synchronisation globaler, interdisziplinärer Teams zur Beschleunigung der Fehlerbehebung und Schließung kritischer technischer Lücken.

• Rekonstruktion und Validierung der Produktarchitektur eines elektromechanischen E-Bikes durch Integration und Fehlersuche in kritischen Subsystemen (BMS, Motorsteuerung, Sensorik, HMI, elektronische Schließsysteme). Aufbau eines umfassenden Teststands auf Systemebene für Funktionsprüfungen, Fehlerreproduktion und Leistungsanalysen; Koordination von Lieferanten und Umsetzung von Korrekturmaßnahmen zur Erhöhung von Zuverlässigkeit und Rückverfolgbarkeit.

• Definition der Systemarchitektur und Validierungsstrategie für eine in Kooperation mit Elmos Semiconductor entwickelte LIDAR-Plattform; Evaluierung optischer Messkonzepte, SPAD-Detektorintegration und Systemanforderungen sowie Erstellung technischer Empfehlungen für Produktentwicklung und Verifikation.

• Entwicklung LabVIEW-basierter Automatisierungs- und Verifikationssoftware für ein hochpräzises hydraulisches und elektromechanisches Prüfsystem für FTE Automotive; Integration von NI DAQ-Hardware zur hochfrequenten Echtzeiterfassung physikalischer Messgrößen. Entwicklung automatisierter Testabläufe, programmierbarer Dauertests, Fehlersuchroutinen, Datenprotokollierungs- und Analyse-Tools zur Steigerung der Testeffizienz und Rückverfolgbarkeit.

• Erfolgreiche Abwicklung kompletter Engineering-Lebenszyklen für namhafte Industriekunden (Magna, Continental, Farasis, FTE Automotive, BMW, Daimler, TOGG) – von Requirements Engineering und Proof-of-Concept über Systemintegration und Validierung bis hin zu technischer Dokumentation, Lieferantenkoordination und Anwenderschulungen.

Stabilisierung einer Azure-/.NET-Landschaft im laufenden Betrieb.

• Architektur, DevOps und Betriebsfähigkeit; technische Entscheidungen unter Zeitdruck
• Azure DevOps, Monitoring, ETL/ELT, Cloud Security, FinOps und Data-Mesh-nahe Themen

Technologien: Azure DevOps, .NET, CI/CD, Monitoring, FinOps

Erstellung von Konzepten für die M365 Implementierung insb. Tenants, EntraID, EntraConnect und ExchangeOnline unter Berücksichtigung der BAS Standards (verbindliche Baseline- Sicherheitsvorgaben) im Projekt "Konzept M365" mit dem Ziel der Übertragung der Konzepte auf die M365 Umgebungen der Bitmarck und anschließender Übergabe an den Kunden.

• Erstellung einer Ist-Analyse der bestehenden M365 Umgebungen sowie der OnPremise Umgebungen und der BAS Standards.
• Erstellung von Konzepten für die Themen Tenants, EntraID, EntraConnect und ExchangeOnline unter Berücksichtigung der BAS Standards
• Konzeptionierung und Implementierung einer automatisierten Lösung zur Erstellung von standardisierten M365 Tenants basierend auf Microsoft M365 DSC (Desired State Configuration)
• Übertragung der Konzepte in die M365 Umgebungen
• Erstellung einer ausführlichen technischen Dokumentation

Aufbau einer internationalen E-Commerce-Plattform für einen Multi-Vendor-Marktplatz für digitale Assets von Grund auf. Konzeption und Betrieb von Cloud-Native-Architekturen im Enterprise-Maßstab.

• Konzeption und Betrieb einer hochskalierbaren Microservice- und Serverless-Architektur
• Aufbau der gesamten Cloud-Infrastruktur mit Terraform + AWS CDK in AWS
• Bereitstellung von ECS/EKS-Clustern (Fargate), Application Load Balancern (Reverse Proxy) und Lambda Functions
• Observability & Tracing mit CloudWatch, DataDog, Prometheus & Grafana
• Ganzheitliches Setup aus DataDog (vorher AWS CloudWatch), Prometheus und individuellen Grafana-Dashboards
• Integration von Advanced Metrics (u.a. ORM-Mapper) und Distributed Tracing mit Jaeger
• Robuste Backup- und Disaster-Recovery-Strategien
• RDS-Postgres-Backups und stündliche Snapshots
• Schreibgeschützte, asynchron synchronisierte Replikate mit automatischem Master-Failover im Notfall
• Rollback-Fähigkeit innerhalb von Minuten über versionierte Docker-Images auf ECS und Git-gestützte CI/CD-Pipelines
• Erstellung von CI/CD-Pipelines mit GitHub Actions für automatisierte Multi-Stage-Deployments (Dev, Testing, Prod)
• Integration von Stripe zur Abwicklung des internationalen Zahlungsverkehrs
• Aufbau eines Marktplatz-Payment-Systems mit mehreren Parteien und Auszahlungsroutinen
• Einsatz von Algolia für hochperformante Echtzeitsuche nach digitalen Assets auf der Plattform
• Föderation von Services mit GraphQL und Hasura
• Spätere Migration auf GraphQL Mesh
• Test Driven Development (TDD) - Unit-, Integrations- & E2E-Testing mit Jest, Vitest und Playwright
• Einsatz von Next.js / React für moderne Frontend-Anwendungen im nx Monorepo
• Enterprise-Security-Architektur & Access Control
• Integration von JWT-Token mit Auth0, OAuth, OIDC, IP Guards, BOLA Protection und Secret Vaults
• Autorisierungskonzepte über RBAC, ABAC sowie native Postgres Row-Level-Security (RLS)
• Erstellung von internen Microfrontends mit Retool für schnelles Prototyping und operative Fachbereichsprozesse

Technologien: ABAC, AWS CDK, AWS CloudWatch, AWS ECS, AWS EKS, AWS Fargate, AWS RDS, AWS S3, Algolia, Auth0, DataDog, Docker, GitHub Actions, Grafana, GraphQL, GraphQL Mesh, Hasura, JWT, Jaeger, Java, JavaScript, Jest, Kotlin, Kubernetes, Monorepo, Next.js, OIDC, Playwright, Postgres, Postgres RLS, Prometheus, RBAC, Redis, Retool, Serverless, Stripe, Terraform, TypeScript, Vitest

Ich erweitere kontinuierlich meine Expertise im Bereich KI und Automatisierung, arbeite mit ChatGPT, OpenAI, Manus, Gemini, MS CoPilot, API, LangChain, Hugging Face, Manus, TensorFlow und Auto-GPT sowie Python-basierten ML-Frameworks und MLOps-Tools, um klassische Softwareentwicklungs-, Analyse- und Testprozesse intelligent zu transformieren.

• Planung und Entwicklung einer CPU-Monitoring-Anwendung zur Überwachung von Systemleistung und Ressourcenauslastung.
• Entwurf und Implementierung eines Spring-Boot-Backends mit REST-API zur Verarbeitung und Bereitstellung von Monitoring-Daten.
• Entwicklung des React-Frontends zur übersichtlichen und benutzerfreundlichen Darstellung der Monitoring-Informationen.
• Integration von PostgreSQL für die persistente Speicherung und Verwaltung der Anwendungsdaten.
• Containerisierung der Anwendung und ihrer Dienste mit Docker Compose.
• Automatisierte Bereitstellung und Deployment der Infrastruktur mit Terraform auf AWS.
• Strukturierung der Anwendung als modernes, wartbares System mit REST-basierter Kommunikation zwischen Frontend und Backend.
• Entwurf und Entwicklung einer sicheren, skalierbaren CPU-Monitoring-Architektur (cpu-watcher) mit einer separaten Collector-Anwendung, die Monitoring-Daten an das Backend streamt und so die direkte Exposition von Systemressourcen reduziert.
• Entwurf einer sicheren Cloud-Infrastruktur mit in ein privates Netzwerk ausgelagerter Datenbank und OIDC-basierter Authentifizierung.
• Umsetzung von Infrastructure as Code mit Terraform und Integration versionskontrollierter CI/CD-Pipelines zur Automatisierung von Tests, Infrastrukturänderungen und Anwendungsdeployments.
• Entwurf und Implementierung der Frontend-Auslieferungsarchitektur mit AWS CloudFront.

Stack: Spring Boot · React · PostgreSQL · REST API · Docker Compose · Terraform · AWS