RxJava Experten in Deutschland

Beratung, Konzeption und Umsetzung des Software-Testlebenszyklus für mehrere Android Apps und Backends Einführung von Testautomatisierung mit Appium, SpringBootTest, RestAssured Aufbau und Verwaltung von Emulatoren Entwicklung eines E2E-Lib, Integration-Lib, Testcontainers-Lib und weiteren Libs Entwicklung, Einführung und Beratung von CI-Strategien Aufbau der Testumgebung mit Testcontainers und Virtualisierungen Entwicklung und Implementierung von Testfällen für: Integrationstests und End-to-End-Tests Aufbau einer wartbaren Testarchitektur mit niedrigen Einstiegshürden zur vereinfachten Erstellung automatisierter Tests Einige eingesetzte Tools und Technologien: JUnit, RestAssured, Testcontainers, Kubedock, Appium, Android-Emulator, Jira Xray, Mockito, WireMock, Spring Framework, Kotlin

• Innerhalb von fünf Wochen 200 Anforderungen auf der Multi-Cloud-Commerce-Plattform bechtle-clouds.com mit drei externen Consultants vorausgewählt
• Doppelte Rolle als Projektmanager und Requirements Engineer für verschiedene Erweiterungen übernommen
• Fachthemen: Neuimplementierung der Entra-ID-Synchronisation, Verbesserung der Supportprozesse, Optimierungen im Produktkatalog
• Anforderungs- und Projektmanagement in ServiceNow
• Verfeinerung von Epics und Stories mit internen Teams und externen Dienstleistern
• Steuerung des externen internationalen Dienstleisters

• Weiterentwicklung der Android App "StarMoney"
• Große XML-zu-Compose-Redesigns
• Einbringung neuer Technologien und Architektur
• Implementierung von Echtzeitüberweisungen
• Entwicklung nach agilem Scrum-Verfahren

• Intensiver Sprachkurs mit Schwerpunkt auf berufssprachliche Inhalte.

• Optimierte die Amp Healthcare-App zusammen mit einem Senior-Entwickler durch gezielte Verbesserungen im Daten-Caching, was die Ladezeiten um 25% verkürzte.
• Setzte die MVI-Architektur ein, was die Fehleranzahl um 30% reduzierte und die Testprozesse vereinfachte.
• Führte CI/CD mit Bitrise ein und verringerte die App-Größe von 120MB auf 104MB.
• Leitete die Migration von 40% der Java-Codebasis nach Kotlin.
• Erreichte 85% Unit-Test-Abdeckung.

• Technologie-Update
• Microsoft Azure-Zertifizierung

• Leitung der Entwicklung einer Android-App für Arztterminplanung unter Einsatz von Jetpack Compose und Kotlin Multiplatform, was eine Leistungssteigerung von 30 % ermöglichte.
• Implementierung komplexer UI-Komponenten, wodurch 99,8 % absturzfreie Nutzersitzungen erreicht wurden.
• Nahtlose Integration der Compose-UI mit bestehenden View-basierten Komponenten.
• Optimierung von API-Aufrufen, Reduzierung der Ladezeiten um 20 %.
• Tech-Stack: Kotlin, Jetpack Compose, KMM, MVVM, Koin, Firebase, Stripe API, Crashlytics

• Visualisierung, Suche und Pflege von verschiedenen Arten von Stammdaten, deren Bereitstellung über eine REST-API sowie Implementierung einer Vielzahl von Import- und Export-Formaten.

• Realisierung, Architektur, Projektmanagement.

• Technologien und Tools: Angular (Signals, Signal-Store, swagger-codegen, Standalone Components), Java, PostgreSQL, ActiveMQ, JavaScript, Spring Boot (Spring Core, Spring MVC, Spring Data/JPA über Hibernate, Spring Security, Spring Modulith), JUnit, Flyway, QueryDSL, GraphQL, REST API, Node, npm, Maven, SonarQube, GitLab CI/CD Pipelines, Docker, Nexus, OpenAPI + Swagger-UI, Keycloak, OAuth2, OpenID-Connect, IntelliJ IDEA, Jira, Confluence.

• Heycar ist eine führende Automobilplattform, die den Gebrauchtwagenmarkt durch intelligente Datenpipelines, Multi-Tenant-Services und händlerorientierte Tools neu definiert. Ich habe Initiativen in der Backend-Architektur, bei der Datenaufnahme und im Identitätsmanagement geleitet, um Skalierbarkeit, Zuverlässigkeit und Entwicklerproduktivität zu steigern.
• Ingestion-Plattform: Entwickelt eine einheitliche Ingestion-Plattform mit YAML-basierter Konfiguration, die das Onboarding neuer Datenpipelines für Händler ohne Codeänderungen ermöglicht, wodurch die Einrichtungszeit von ca. 2 Monaten auf 2–3 Tage gesenkt und die Skalierbarkeit um 40 % gesteigert wurde.
• Keycloak-Expertise: Agierte als unternehmensweiter Keycloak-Experte, skalierte es für das Multi-Tenant-Identitätsmanagement und erweiterte die Funktionalität mit eigenen Plugins und delegierten Admin-APIs.
• Back-Office-Tools: Entwickelt eine Back-Office-Anwendung, die in Salesforce integriert ist und Händlern ermöglicht, Bestände zu verwalten, Interessenten zu konvertieren und Supportanfragen in Echtzeit zu bearbeiten.
• Multi-Tenant-Migration: Zusammenarbeit mit verschiedenen Backend-Teams, um die Kernservices von Heycar in einen einheitlichen Multi-Tenant-Cluster zu migrieren und so hohe Verfügbarkeit sicherzustellen.
• Frontend-CI-Optimierung: Optimiert die Monorepo-Auslieferung durch Implementierung einer dynamischen CircleCI-Konfiguration mit NX, wodurch nur betroffene UI-Projekte bereitgestellt und die Buildzeiten drastisch verkürzt wurden.
• Beobachtbarkeit & Mentoring: Verbesserte das Monitoring und die Release-Zuverlässigkeit, während ich Backend-Entwickler betreute und die Code-Review-Standards angehoben habe.

• Implementierung von Features mit Jetpack Compose
• Verbesserung standortbasierter Funktionen durch In-Memory-Caching
• Entwicklung der Händler-zu-Händler-Chat-Funktionalität von Grund auf
• Integration von FCM mit Deep Links zur Ermöglichung kontextbezogener Push-Benachrichtigungen
• Performance-Optimierung der Google Maps-Ansicht durch Clustering für bessere Leistung in dicht besiedelten Gebieten

• Weiterentwicklung der Kleinanzeigen App
• Android
• Kotlin
• Coroutines
• Jetpack Compose

• Plattform: Python-Ökosystem, RHEL 8, K10, AWS IoT Core, AWS Lambda, MLOps
• Software: Java JEE/Cloud, IntelliJ IDEA, AWS IoT Core, AWS Edge und Lambda, AWS SageMaker SDK, Docker Compose, Kubernetes, Openshift 4, Tekton, Flux, Helm Charts, JSON/XML-Technologien, Nginx, Apache Spark, OpenAI (GPT Plus, DALL-E 3, Whisper), GAN, GitHub Copilot, KI, Machine Learning, Deep Learning, Jupyter Notebooks, TensorFlow 2, Colab, Keras API, Prometheus, Grafana, Conda, Python 3.9, SciPy-Stack (NumPy, pandas, scikit-learn, matplotlib)
• Zuständig für Webinar:
• IoT Edge Computing, Architektur, Komponenten, Ressourcen, Management
• IoT Edge Computing mit MicroK8s, Design und Erstellung von Flows/Diagrammen für AWS, Three-Step-Modell für IoT-Ökosystem
• IoT-Prozesse, Konnektivität, Datentransfer und Deployment, Sicherheit
• Optimierung des Edge Computing für Netzwerke, Services im IoT (AWS SQS Queue, SNS-Benachrichtigungen, Events, Analytics, Button, Device Management/Defender, Things Graph)
• Machine-/Deep-Learning-Frameworks (Modelle, Training, Optimierung der Pipelines, Deployment in der Cloud/am Edge, Monitoring der Workloads mit Prometheus und Grafana)
• Performance-Optimierung für niedrige Latenz/Resilienz mittels adaptiver ML/DL/RL-Modelle für Kundendaten aus dem IoT
• Analyse großer Sensordatenmengen mit Apache Spark, Kafka-Clustern
• Kasten K10 Data Management Platform auf Kubernetes-Multi-Cluster mit Helm Chart: Deployment, Backup/Disaster Recovery (RTO/RPO), Data Lifecycle und Security Management
• Implementierung eines mehrschichtigen neuronalen Netzes (ANN) mit TensorFlow 2 und Colab für Regression und Klassifikation; Datenanalyse und Aufbereitung für Applikationen; Entwicklung von Test- und Trainingsmodellen; Deployment der Modelle
• Automatisierung von Business-Streamline-Prozessen mit KI (Azure OpenAI, Discord-Bots/Zapier, AI-Assistenten-Apps IntelliJ, GitHub Copilot)

• Umsetzung von Aufgaben für das Privacy- und Trust-and-Safety-Team
• Technologien: Kotlin Coroutines, Jetpack Compose, RxJava, Kotlin Room, Dagger, Epoxy, Google Pay