Visual Studio Code Experten in Deutschland

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

• Proaktive Unterstützung der Geschäftsführung bei der Geschäftsfeldentwicklung & im Innovationsmanagement

• Neuentwicklung einer Suite von Business-Anwendungen zur Analyse von Bewertungs-, P&L- und Marktpreisrisikodaten

• Automatisierung aller internen und externen Geschäfts- und Arbeitsprozesse

• Entwicklung von KI-basierten und KI-gestützten ETL-Prozessen sowie Datenauswertung

• Entwicklung von Business-Use-Cases

• Geschäfts- und Arbeitsprozessoptimierung

• Enterprise-Architektur-Management

• Verkaufsdatenanalyse, Prognoseerstellung sowie Erfassung

• Bestandsmanagement & Nachbestellungen

• Lieferantenmanagement sowie Kommunikation

• Zollabwicklung & Verzollung

• Versandabwicklung & Lagerkoordination

• Schnittstellenverwaltung

• Verwendete Technologien: Microsoft Office 365, Microsoft Teams, JTL-Wawi, JTL-WMS, OTTO Partner Connect (OPC), Amazon Seller Central, DHL Global Forwarding, Jira, Draw.IO, Java (8,17,21,25), Jenkins, SonarQube, Git, Gitea, Spring Boot, Spring Batch, Vaadin, H2, PostgreSQL, Docker, Local LLMs, Postman, JasperSoft Studio, JasperReports

Developed a CPU monitoring application using Spring Boot and React, containerized with Docker Compose, with automated infrastructure provisioning using Terraform on AWS.

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

Projektziel: Durchführung von Systemtests und Validierung industrieller Kommunikations- und Steuerungssysteme einschließlich Anforderungsdefinition und -verifikation.

Verantwortlichkeiten:

• Testplanung, Testdurchführung
• Teststrategie, Testfälle und Testspezifikationen
• Requirements-Analyse
• Sicherstellung der Traceability zwischen Anforderungen, Testfällen und Defects
• Durchführung von Regressions- und Integrationstests
• Defect-Analyse
• Simulation und Validierung
• NetSniffer Wireshark
• Unterstützung der Testautomatisierung (Python, CI/CD)
• Reporting
• Stakeholder-Koordination und agile Zusammenarbeit (Scrum / SAFe / Kanban)
• V-Modell
• Automatisierung CI/CD mit Python, Groovy und Frameworks (Selenium, PyTest)

Technologien:: CAN, Modbus, Ethernet, PLC, PROFINET, Codebeamer ALM, Scrum, SAFe, MS Teams, Git, CI/CD mit GitLab CI und TeamCity, Windows Batch, FAS, Wireshark, Python, Enterprise Architect (EA), KI-Tools (z.B. ChatGPT, Microsoft Copilot), VS-Code, Tia Portal, SCL, Python (Selenium, PyTest)

• Beratung entlang zweier integrierter Felder: Commercial Strategy (Pricing, Vertriebssteuerung, Marketing-Strategie, Markterschließung, Margensteuerung) und Operational Efficiency (Prozessautomatisierung, KI-Integration, Workflow-Design, Last-Mile-Automation).
• Entwicklung kundenindividueller SaaS-Lösungen, explizit abgestimmt auf die konkreten Anforderungen und Prozesse des jeweiligen Unternehmens.
• Durchführung von KI-Schulungen und Change-Management-Workshops für Geschäftsführer und Fachbereiche, einschließlich KI-Kompetenzschulungen mit Teilnahmebescheinigung nach Art. 4 EU AI Act.

• Konzeption und Entwicklung einer Multi-Tenant-SaaS-Plattform, mit der Unternehmen ihre eigenen Wissensdatenbanken aufbauen und mit individuell gebrandeten KI-Assistenten chatten können (White-Label-Ansatz mit dynamischem Branding pro Organisation).
• Implementierung einer skalierbaren RAG-Architektur mit einer GPT-4o-Tool-Use-Loop, hybrider semantischer Suche und strikter Mandantentrennung auf Datenbank- und Suchindex-Ebene.
• Aufbau persistenter, projektähnlicher Chat-Sessions inklusive Streaming-API (SSE), mehrsprachiger Unterstützung sowie Sprach-Ein- und Ausgabe (STT/TTS).
• Bereitstellung der Cloud-Infrastruktur als Infrastructure-as-Code, vollständig automatisierte CI/CD-Pipelines pro Kunde und ein Onboarding-Prozess für neue Mandanten.

Verwendete Technologien: Python, FastAPI, Pydantic (v2 noted), Next.js, React, TypeScript, Tailwind CSS, OpenAI / LLMs (GPT-4o), Azure AI Search, Cosmos DB, Azure Blob Storage, Azure Cognitive Services Speech, Azure App Service, Azure Container Registry, Retrieval-Augmented Generation (RAG), Server-Sent Events (SSE), Docker, Terraform, GitHub Actions, REST, OpenID Connect (OIDC), Multi-Tenancy

• Einführung einer einheitlichen Teststrategie zur Etablierung von Quality Gates und Testvorhaben für das Teilprojekt „ICaruS“ der Bundeswehr

• Aufbau und Implementierung manueller und automatisierter Tests sowie Aufbau der Testinfrastruktur und Einführung von Testmanagement-Tools

• Einführung von KPIs und Dashboards zur Darstellung und Verteilung von Testmetriken an Projektteilnehmer und Stakeholder

• Verwendete Technologien: Playwright, TypeScript, REST, PEGA Systems, Jira, HP ALM, GitLab Runner, Kubernetes, Git, VS Code, Angular, Scrum

• Aufbau, Implementierung und Vertrieb von automatisierten Data-Science-Lösungen wie Scorecard Factory und Prognose Factory
• Implementierung automatisierter End-to-End-Cloud-Prozesse
• Entwicklung von LLM- und NLP-Modellen
• Erstellung interaktiver Reports
• Betreuung nationaler und internationaler Großkonzerne sowie mittelständischer Firmen bei der Implementierung von ML-Projekten

• DTO-Klassengenerator: Eigenentwicklung eines Tools zur automatischen Generierung von Klassen, Funktionen und Methoden zur Nutzung in .NET Core Projekten auf Basis der SAP Business One Service Layer Metadaten
• E-Rechnungs-Import Add-On: Entwicklung eines SAP Business One Add-Ons / coresuite Moduls zum automatisierten Import von ZUGFeRD E-Rechnungen als Eingangsrechnungen – mit konfigurierbarem Mapping zur flexiblen Steuerung der Importlogik über vier Mapping-Typen (DIRECT, SQL, FIXED, EXPR). Das Add-On ist als lizenziertes Produkt für SAP Business One Kunden erhältlich.

Stack: SAP Business One, SAP Business One Service Layer, coresuite Country Package, C#

Selbstständige Produktdesign-Praxis zur Unterstützung von Startups und wachsenden Unternehmen mit Enterprise SaaS, Workflow-Architektur, Produktstrategie und KI-gestützter Produktentwicklung.

• End-to-End-Produktdesign für digitale Produkte, Websites und SaaS-Plattformen liefern und dabei Produktdenken, UX, visuelles Design und Umsetzung verbinden.
• KI über den gesamten Produktlebenszyklus einsetzen – von Research, Synthese, Informationsarchitektur und Prototyping bis hin zu Entwicklung, SEO und Content-Strategie.
• Produktionsreife digitale Produkte mit KI-gestützten Workflows gestalten und bauen, um Iteration und Lieferung deutlich zu beschleunigen.
• Gründer und Unternehmen zu Produktpositionierung, UX-Strategie und digitaler Transformation beraten.

• CNN- und RNN-Architekturen mit Transfer Learning für reale Klassifikationsaufgaben entwickelt und feinabgestimmt — zentrale Deep-Learning-Fähigkeiten, die auf die multimodale LLM- und GenAI-Fahrzeugfunktionsentwicklung bei BMW übertragbar sind.
• Dropout, Batch Normalization und Early Stopping in verschiedenen Deep-Learning-Experimenten implementiert; streng mit Precision, Recall, F1-Score und Confusion Matrices bewertet für Zuverlässigkeit auf Produktionsniveau.
• Ein KI-gestütztes Anwesenheitsverwaltungssystem mit LBPH-Gesichtserkennung entwickelt, über eine Flask-Weboberfläche bereitgestellt und mit SMS-Benachrichtigungen in Echtzeit ergänzt — ein Beispiel für eine vollständige AI-Produktlieferung für echte Nutzer.
• In funktionsübergreifenden Teams zusammengearbeitet, um skalierbare, dokumentierte ML-Pipelines für Reproduzierbarkeit zu liefern — passend zu BMWs interdisziplinärem Team- und Forschungsumfeld.
• AI-Tools direkt in den Entwicklungsworkflow integriert, vom Design bis zum Testen, und dabei eine hohe Geschwindigkeit ohne Abstriche bei der Korrektheit gehalten.

• 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

• Automotive SPICE®: alle Assessments vollständig erreicht
• Agile Transformation: V-Modell → SAFe erfolgreich
• Serienfreigabe: pünktliche und qualitätsgesicherte Softwarelieferung für Schlüsselmodelle des Volkswagen Konzerns (inkl. ECE-Homologation)
• Stakeholder-Management: intern & extern
• Prozessoptimierung: Kontinuierlichen Verbesserungsprozess (KVP) mit Tracking-System implementiert

• 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).