Rust Experten in Deutschland

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

• Ein 35-köpfiges Engineering-Team (Core Engineering, QA und SRE) innerhalb von 12 Monaten aufgebaut und skaliert und dadurch die Blockchain-Entwicklung von Midnight auf Paritys Substrate-Framework beschleunigt.
• Die strategische Ausrichtung definiert und die Technologieentwicklung als wichtiges Mitglied des Führungsteams an den Geschäftszielen ausgerichtet.
• Softwareentwicklungsprozesse optimiert und agile Methoden eingeführt, wodurch die operative Effizienz und Codesicherheit verbessert wurden.
• Projekte in einem schnelllebigen Startup-Umfeld durch effektives Projektmanagement und Ressourcenallokation umgesetzt.

Weiterentwicklung einer Softwarelösung zur Verwaltung von Prüfanträgen und Prüfmitteilungen nach §106d SGB V für die Kassenärztliche Vereinigung Hamburg.

• Entwicklung zahlreicher Features, Performance-Optimierungen, Refactoring, Fehleranalyse
• Refactoring des Dev-Container-Setups
• Optimierung der Gitlab-CI Build-Pipeline
• Einbringung von Optimierungen im Team-Workflow

Unabhängige Open-Source-Entwicklung in Teilzeit mit Schwerpunkt auf Build-Time-Tools für Next.js-, React-, MDX- und JavaScript/TypeScript-Compiler-Pipelines.

• next-slug-splitter entwickelt, um inhaltsbasierte Next.js-Anwendungen zu optimieren. Analysiert MDX-Inhalte zur Build-Zeit, löst die Verwendung von Komponenten auf und generiert routenspezifische Handler, sodass Seiten nicht das vollständige Catch-all-Komponenten-Bundle gemeinsam verwenden müssen.

• Unterstützende Plugins und Hilfsprogramme für bereichsbezogene MDX-Transformationen, die Auflösung verschachtelter Komponentenabhängigkeiten, Compile-Time-Verfeinerung, sichere ESTree-Auswertung und den Vergleich von Objektgraphen erstellt.

• Verantwortlich für Architektur, API-Design, Implementierung, automatisierte Tests, npm-Veröffentlichungen, Dokumentation, Demos und Performance-Benchmarking.

Bausteine:

• remark-scoped-mdx: Kontextabhängige AST-Transformationen mit isolierten verschachtelten Bereichen, typisierten Komponentenregistern und Prop-Inferenz.

• recma-component-resolver: Analyse von Abhängigkeitsgraphen und selektive Weitergabe von Komponenten über verschachtelte MDX-Includes hinweg.

• recma-static-refiner: Extraktion, Schema-Validierung, Ableitung und Entfernung von Props zur Build-Zeit.

• estree-util-to-static-value und object-graph-delta: Sichere statische Auswertung und deterministischer, zyklussicherer struktureller Vergleich.

Technologie-Stack:

• Frameworks: TypeScript · Next.js · React · MDX

• Compiler-Tools: Unified · Remark · Recma · MDAST · ESTree · ts-morph · esbuild

• Kompetenzen: Statische Analyse · AST-Traversierung und -Transformation · Abhängigkeitsgraphen · Codegenerierung · Schema-Validierung · Aufteilung von Routen und Bundles

• Tools: Vitest · tsup · npm · Performance-Benchmarking

In diesem Projekt übernahm ich die Konzeption und Implementierung einer neuen, modularen sowie hochskalierbaren Prüfstandsplattform für einen Automobilzulieferer. Mein Schwerpunkt lag dabei auf der Entwicklung einer tragfähigen Systemarchitektur sowie der Programmierung der zugehörigen Software, wobei konsequent UML-Modellierung zur Anwendung kam. Durch diesen strukturierten Ansatz konnte die Wiederverwendbarkeit einzelner LabVIEW-Prüfbausteine massiv erhöht und die Entwicklungszeit für nachfolgende Projekte nachhaltig reduziert werden. Zudem integrierte ich moderne Automotive-Standards wie CAN FD, LIN und Safety-Anforderungen, was die Lösung zukunftssicher machte.

Technologien: LabVIEW, Visio, UML, CAN FD, LIN, DMM, Safety, Bildverarbeitung, Projektmanagement, HMI, C#, C++, Python, Rust, CI

• Selbst gehostete Plattform für Tischtennis-Ausrüstung.
• Entwicklung eines eigenen „Racket Builders“, der einen ko-evolutionären genetischen Algorithmus nutzt, um die optimalen Kombinationen aus Schlägerhölzern und Belägen auf Basis von Physik-Heuristiken und Spielerdaten in einem Suchraum von über 4 Milliarden Kombinationen zu finden, zu bewerten und zu empfehlen.
• Entwicklung eines eigenen, voll automatisierten Web-Crawlers zur Erfassung von Ausrüstungsspezifikationen, inklusive einer automatisierten Pipeline zur Bildnormalisierung sowie Datenharmonisierung über DeepSeek.
• Cloudflare Edge Workers in Rust für Suchanfragen mit niedriger Latenz und zur Auslagerung rechenintensiver Simulationen vom Hauptserver.
• Hohe Performance- und Accessibility-Standards in einer großen Nuxt-4-Codebasis mit Lighthouse-Scores von 95–100/100/100.

• MVP-fokussierte Full-Stack-Architektur für einen Kunden im Gesundheitswesen bereitgestellt: Vite/React-Frontend, Backend-Services auf Google Cloud Run und Supabase für Datenbank sowie IAM/Authentifizierung.
• Produktanforderungsanalyse unterstützt und eine kostenoptimierte Workload-Platzierung priorisiert, indem Browser-/Edge-Berechnungen umgesetzt wurden, wo möglich, bevor Logik in die Backend-Services verschoben wurde.

• 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.

• Von Experten betreute KI-Systeme für wissenschaftliches Schlussfolgern, Modellevaluation und Forschungs-Workflows.
• Entwickelte den IAS Problem Solver, ein orchestriertes System für schwieriges mathematisches Schlussfolgern; es erreichte 84 % in einem eingereichten Antwortsatz auf dem Leipziger Mathematik-Benchmark.
• Entwickelte eine fortsetzbare State-Machine-Pipeline für die Generierung von Benchmarks in der Forschungsmathematik: Quellenauswahl, LLM-Agent-basierte Phänomenfindung, Aufgabensynthese, Gold-Antwort- und Zertifikatsgenerierung sowie Validierung, Probe, Reparatur, menschliches Feedback und Quality Gates, mit Fokus auf Aufgaben, die schwierig, natürlich, verifizierbar und kosteneffizient sind.
• Die aktuelle Arbeit erweitert dies zu budgetbewussten KI-Forschungs-Workflows für reale wissenschaftliche Probleme mit Expertenprüfung.

Tech-Stack: Python, OpenAI/OpenRouter-kompatible APIs, Embeddings, RAG, SQLite.

• Migration der unternehmensweiten Autorisierungsplattform von Styra DAS zu Open-Source OPA über die Integration mit Skipper (Zalandos Golang-basiertem Ingress-Proxy)
• k8s-Ressourcen optimieren und native Prometheus-Metriken mit OPA integrieren
• Migration von einer internen Monitoring-Lösung zu Prometheus CRs + Dash0

Tech Stack: Java/Kotlin, Golang, Python, Spring Boot, AWS, Kubernetes, Docker, OpenTofu, Prometheus, Grafana

• Entwicklung einer Anwendung zur Steuerung von Messhardware mit einer Tauri-Anwendung unter Verwendung von React.JS und TypeScript auf Raspberry Pi
• Entwicklung einer Cloud-Anwendung zur Speicherung und Analyse von Messergebnissen mit Spring Boot und React.JS
• Entwicklung einer Tauri-Anwendung zum Drucken von ZPL-Etiketten unter Windows
• Technologien: Java, JavaScript, Tauri, Rust, React.JS, AWS, Kubernetes, Docker, GitLab CI/CD, REST API (JSON), Maven, CI/CD, PostgreSQL

Über die Sourcegarden GmbH, Mandat laufend. Umstellung der Softwareentwicklung auf agentische Entwicklung in Phasen, von Setup und Piloten bis zu Transformation und Übergabe.

• Entwickelte und implementierte ein hybrides Empfehlungssystem (Content-Based + Collaborative Filtering)
• Baute End-to-End-ML-Pipelines inklusive Datenverarbeitung, Feature Engineering, Modelltraining und Bewertung
• Entwickelte RAG-basierte LLM-Systeme mit LangChain und Vektordatenbanken für semantische Suche und Wissensabruf
• Etablierte MLOps-Workflows mit MLflow für Experiment-Tracking, Versionierung und Deployment-Bereitschaft
• Implementierte Deep-Learning-Modelle (Computer Vision & Klassifikation) mit PyTorch und TensorFlow

• Ermittlung von Anforderungen (rechtlich, organisatorisch und technisch)
• Entwurf von Lösungsarchitekturen
• Bewertung von Konzepten und Technologien
• Erstellung von Entscheidungsvorlagen
• Architekturelle Entscheidungsaufzeichnungen (ADR)
• Koordination der Umsetzung
• Überprüfung der Implementierungen
• Dokumentation