WebSockets Experten

Beratung und Software für Intralogistik-Automatisierung (AGV/FTS) · Produktlinien AGVHub (unabhängige AGV-Projektberatung, Layout-Editor) und OneBob (All-in-One Business-Software für kleine Teams)

• Konzeption und Umsetzungsplanung einer Leitsteuerung für eine Bäckerei-Produktionslinie (Maschinenbau-Kunde, Kick-off-Workshop 08/2025): drei Ausbaustufen, acht abnahmefähige Meilensteine, Batch-Rückverfolgbarkeit, AGV-Integration mit RFID, Vue-Frontend.
• Discovery- und Anforderungsgespräche mit Werkslogistik und IT bei Industriekunden (Life Science, Luftfahrt, Stahl, Maschinenbau): Leitsteuerungs-, ERP-Schnittstellen- und VDA-5050-Anforderungen in Architektur und Lastenheft-Struktur übersetzt.
• Automatisierung und Analytics für die Markteinführung: Bing- und Meta-Kampagnen, LLM-gestützte LinkedIn-Content-Pipeline, Performance-Dashboards für Partner und Vertrieb.
• Fachbeiträge auf LinkedIn zu Robotik und Intralogistik: rund 170.000 Impressions in 41 Posts (03 bis 08/2026).

Konzeption und Entwicklung einer Azure-basierten KI- und Datenplattform, die verteilte Projektdokumente in durchsuchbares, strukturiertes Wissen für einen Enterprise-KI-Assistenten überführt. Kombination aus inkrementeller Dokumentverarbeitung, hybrider Keyword-/Vektorsuche, Wissensgraph-Extraktion und konversationeller KI für Microsoft Teams und Microsoft 365 Copilot. Implementierung von Python-Pipelines zur Verarbeitung von PDF-, Word-, Outlook- und Textdateien; Lifecycle-Management für Azure Cosmos DB; Azure AI Search; Azure AI Foundry und Azure OpenAI; identitätsbewusste Suche mit Microsoft Entra ID; Projektberechtigungen; eines TypeScript-Agenten mit Microsoft Agents SDK; Pulumi-Infrastruktur; robustem Scheduling sowie Werkzeugen für Wiederholungen und Diagnosen. Technologie-Stack: Python, TypeScript, FastAPI, Pydantic, Azure AI Foundry, Azure OpenAI, Azure AI Search, Azure Cosmos DB, Blob/Table Storage, Container Apps/Jobs, Service Bus, Key Vault, Entra ID, Docker, Pulumi, pytest, Microsoft Teams und Microsoft 365 Copilot.

• SPA zur automatisierten Befundkommunikation mit rollenbasiertem Zugriff (Sanctum)
• Serverseitige LLM-Integration (OpenRouter) mit strukturierter Verarbeitung
• Automatisierter Versand per SMS/Sprachanruf (Twilio, ElevenLabs) mit Queue + Status-Retry
• vollständige Testabdeckung mit 80+ dokumentierten Testfällen

Technologien: PHP, Laravel, LLM-API (OpenRouter), Twilio, ElevenLabs, Laravel Sanctum, PHPUnit, Playwright, Docker, REST

• Entwicklung des Audit-Logging-Frameworks
• Implementierung von APIs, die Entwickler in ihre Codebasen integrieren können
• Implementierung der Ingestion-Pipeline, der Datenbank-Abfrageschicht und der UI zum Durchsuchen der Audit-Events
• Verbesserung der Stabilität und Zuverlässigkeit des Backend-Systems

Mitgründer einer Softwareagentur, die individuelle Web- und plattformübergreifende Produkte entwickelt. Ich verantwortete die technischen Entscheidungen für das gesamte Portfolio und führte 12 Personen. Außerdem war ich für die Umsetzungsplanung, Prozesse und Kundenbeziehungen für 11 Kunden in 3 Branchen zuständig.

• Technische Führung: Verantwortete die technischen Entscheidungen für die Codebasis in jedem Projekt — Stack, Architektur, Code-Konventionen und die Tools, mit denen das Team arbeitete — und leitete die Entwickler dabei an, wie Arbeit durch Code-Reviews, Pair Programming und Mentoring umgesetzt wurde. Das Team reichte von Junior bis Senior, während die Codebasis mit dem Portfolio und dem Team wuchs und konsistent blieb

• Umsetzungsplanung anhand des Finanzplans: Erstellte den Finanzplan des Unternehmens und leitete daraus die abrechenbaren Stunden ab, die jeder Entwickler pro Monat erreichen musste, sowie die Stunden, die jedes Projekt innerhalb des Budgets aufnehmen konnte; plante Kapazitäten und Umfang anhand dieser Werte und verhandelte Budgets und Liefertermine direkt mit Kunden

• Verantwortung für Kunden: Technischer Ansprechpartner für das gesamte Portfolio — Erfassung und Priorisierung von Anforderungen, Festlegung des Umfangs und Aufwandsschätzungen, Kommunikation von Zeitplänen, Budgetverhandlungen und durchgehend transparente Kommunikation während der Umsetzung

• Team und Mitarbeiter: Verantwortete den Einstellungs- und Interviewprozess vollständig und übernahm bei Bedarf die Verantwortung für das Offboarding; entwickelte ein Onboarding, durch das neue Entwickler innerhalb von 1–2 Tagen produktiv wurden; beseitigte täglich Blockaden und achtete genau darauf, wo Aufwand Wert schuf und wo nicht

• Prozessverantwortung: Führte eine auf 15+ Repositories verteilte Microservice-Landschaft in einem einzigen Monorepo zusammen, verkürzte dadurch die Backend-Entwicklungszeit um ~40% und vereinfachte Releases für 6 Engineers; richtete Deployment-Pipelines mit GitHub Actions und GitLab CI ein; führte Retrospektiven durch und setzte das Feedback in konkrete Änderungen um; führte KI-Agenten in die tägliche Entwicklung ein

• Umsetzung trotz kleinerem Team: Als das Team von 8 Entwicklern auf 2 schrumpfte, strukturierte ich den Umfang neu, führte KI-gestützte Entwicklung ein, um den Zeitplan einzuhalten, und übernahm zusätzlich zu meinem eigenen Frontend-Aufgabenbereich Backend-Arbeiten in Go

• Architektur und Code: Definierte die Architektur für jedes Projekt im Portfolio — den Rahmen, in dem das restliche Team arbeitete — und schrieb ungefähr 90% des Frontend-Codes selbst, von SSR-Anwendungen mit Next.js und Remix bis zu plattformübergreifenden Apps mit Capacitor

• Von null bis in Produktion: Führte eine Praxismanagement-Plattform — Verwaltung, Inventar, integrierter Onlineshop, Chat-Messenger — von einem leeren Repository bis in die Produktion. In 7 Märkten live, mit mindestens 7 weiteren in Vorbereitung, und im Einsatz für zehntausende Nutzer

• Umsetzung unter Druck: Entwickelte und veröffentlichte innerhalb von 4 Tagen einen Ersatz-Onlineshop für einen Fortune 250-Kunden und stellte die Bestellannahme wieder her, nachdem dessen globale Shops mehrere Wochen offline gewesen waren

• Designsystem: Entwickelte ein projektübergreifendes Designsystem, das in 7 Produkten eingesetzt wurde, sodass neue Projekte und Funktionen auf einer gemeinsamen, konsistenten Basis starten konnten

• Plattformübergreifend und in Echtzeit: Entwickelte iOS- und Android-Apps mit Capacitor für eine Live-Veranstaltung eines Kunden mit 1,000+ Teilnehmern — WebSockets und Push-Benachrichtigungen für Inhalte in Echtzeit sowie Stripe-Zahlungen mit Unterstützung für PayPal, Apple Pay, Google Pay und Karten

Wichtige Technologien: React, TypeScript, Next.js, Remix, GraphQL, ConnectRPC, Redux, Zustand, Go, Node.js, Turborepo, Nx, Capacitor, Ionic, WebSockets, Stripe, PostgreSQL, Playwright, Cypress, Vitest, Storybook, GitHub Actions, GitLab CI, Claude Code, Cursor, GitHub Copilot

• Weiterentwicklung und Betrieb eines zentralen Backend-Services zur Bereitstellung des Fahrzeugbestands für internationale Mercedes-Benz Online-Shops
• Weiterentwicklung eines Reservierungsservices für Fahrzeuge als Bestandteil des Checkout-Prozesses
• Konzeption und Umsetzung einer hochskalierbaren Ende-zu-Ende-Testarchitektur mit Fokus auf Wartbarkeit, Wiederverwendbarkeit und einer hohen Anzahl automatisierter Testfälle
• Entwicklung einer mehrschichtigen Testinfrastruktur mit konsequenter Trennung von Testlogik und Zugriffsschichten
• Entwicklung einer Initialisierungs- und Caching-Architektur zur erheblichen Beschleunigung lokaler sowie CI/CD-basierter Testausführungen
• Entwicklung einer KI-gestützten Review-Architektur zur automatisierten Bewertung und Qualitätssicherung von Ende-zu-Ende-Tests
• Entwicklung eines Dashboards zur konsolidierten Darstellung eines Fahrzeugkontextes über mehrere Backend-Systeme hinweg inklusive KI-generierter Zusammenfassungen und komprimierter Fallanalysen
• Integration und Weiterentwicklung der Anbindung verschiedener Reservierungssysteme über Apache Kafka und Rest
• Konzeption neuer Microservices sowie Unterstützung bei Architekturentscheidungen
• Risikoanalyse und Konzeption von Microservice-Migrationen
• Technologien: Java, Spring, Spring Boot, Gradle, Maven, Apache Kafka, Rest, OpenAPI, Swagger, Github, Confluence, CI/CD, Microservices, AI, LLMs

Manufacturing-Intelligence-Plattform mit Enterprise-Workflows, RAG, Echtzeit-Funktionen für AI-Assistenten und Backend-Architektur über mehrere Repositories.

• Entwickelte und erweiterte produktive AI-/Backend-Services mit Django, DRF, FastAPI, GraphQL, Celery, PostgreSQL, MySQL, Redis und WebSockets über eine modulare Plattform mit mehreren Repositories.
• Mitgewirkt an ARIS V2, einem Echtzeit-AI-Assistenten für die Fertigung mit LangChain, LangGraph, MCP-Tool-Orchestrierung, Planungs-/Ausführungs-Workflows, OpenAI, AWS Bedrock, Qdrant sowie Retrieval auf Basis von Elasticsearch/OpenSearch.
• Unterstützte die Rollout-Erweiterung von ARIS V1 in 4 von 17 Kunden-Produktionswerken auf ARIS V2, das aktuell in 13 von 17 Werken aktiv ist, und steigerte so die reale Abdeckung auf mehr als 50 % der Kundenumgebung.
• Arbeitete an dokumentengestützter RAG-Funktionalität inklusive Ingestion, OCR, Chunking, Embeddings, Indexing, Retrieval, Reranking und geerdeter Antwortgenerierung für industrielle Workflows.

Stack: Python, Django, DRF, FastAPI, LangChain, LangGraph, GraphQL, Celery, WebSockets, OpenAI, AWS Bedrock, Qdrant, Elasticsearch/OpenSearch, PostgreSQL, MySQL, Redis, Docker.

• Vollständiger Greenfield-Neuaufbau über den gesamten Stack — AI-native umgesetzt: Backend in Go und NestJS, PostgreSQL (CNPG) auf K3s mit GitOps/Terraform; Frontend mit Angular 22, zonenlos.
• Coding-Agenten (z. B. Claude Code, Cursor) über den gesamten Lifecycle orchestriert — Architektur, Implementierung, Tests, Reviews und Dokumentation — auf Basis von Specification-Driven Development (SDD).
• „Bruno“ — LLM-Kommentator-Persona mit RAG und MCP für eine konsistente Persönlichkeit über alle Generierungen hinweg (Vorberichte, Nachberichte, eigene virtuelle Wetten).

Angular 22 (zoneless, ohne Zone.js), Claude Code, Claude Code Skills, CNPG, Cursor, Design Tokens (Spec for Code), Docker, Gherkin, Git, GitLab, GitOps, Go, Google Gemini, Grafana, Hetzner Cloud, K3s, Keycloak, Kubernetes, Lighthouse, LLM-Integration, Model Context Protocol (MCP), NestJS, Node.js, NPM, Playwright, PostgreSQL, Prometheus, RAG, REST, Specification-Driven Development (SDD), Structured Outputs, Terraform, TypeScript, Vitest

• 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.

• Gründete ein KI-gestütztes SaaS für Terminplanung und Geschäftsverwaltung für kleine und mittlere Unternehmen und verantwortete Technologiestrategie, Architektur, Produktentwicklung, UX, Abrechnung und Go-to-Market.
• Entwickelte und realisierte eine mandantenfähige Plattform mit REST-APIs, RBAC, CRM, Abrechnung und Benachrichtigungen für das Manager-Dashboard, die Admin-Konsole, das Buchungserlebnis und iOS-/Android-Anwendungen.
• Führte und betreute 7 Softwareentwickler, 1 DevOps-Ingenieur, 1 QA-Ingenieur und 1 UX/UI-Designer und arbeitete gleichzeitig praktisch in den Bereichen Backend, Frontend und Produktentwicklung.
• Entwickelte KI-Sprach- und Chat-Agenten mit Python/FastAPI, OpenAI- und Anthropic-APIs, RAG, pgvector und Tool-Calling; integrierte Twilio, Google Calendar/Meet, Stripe und Firebase.
• Verantwortete die Produktiv-Infrastruktur und automatisierte die Auslieferung in getrennten Umgebungen mit Docker, Nginx, GitHub Actions und Grafana; vertrat das Unternehmen bei Acceleratoren und internationalen Startup-Veranstaltungen.

Ausgewählter Tech-Stack: Python, FastAPI, Node.js, Vue 3, React/Next.js, React Native, PostgreSQL, Redis, Docker

• Übernahm die technische Leitung eines 4-köpfigen Teams, das innerhalb von 12 Monaten 3 wichtige Kundenplattformen mit Microservices-Architektur und Lösungen für Skalierbarkeit bereitstellte — 100% der geplanten Hauptfunktionen wurden vor dem Zeitplan und den geplanten Meilensteinen ausgeliefert (Ausgangslage: Frühere Releases verzögerten sich häufig um 1–2 Sprints).
• Führte Evaluierungen von KI-Modellen und Modellausgaben für LLM-/KI-Anbieter-APIs durch: Sicherheit, Vollständigkeit, Befolgung von Anweisungen und Prüfung der inhaltlichen Fundierung vor dem Go-live; reduzierte fehlerhafte Ausgaben in den KI-integrierten Release-Checklisten von wiederkehrenden UAT-Ergebnissen auf nahezu null bei der finalen Freigabe.
• Entwickelte die API-Entwicklung und Performance-Optimierung für Zahlungs-, Börsen- und KI-Dienste voran; strikt geschlossene Fehlerbehandlung und Payload-Validierung reduzierten die Überarbeitung von Integrationen im Vergleich zum ersten KI-Integrationsdurchlauf um ~35%.
• Setzte Softwaretests, Test-Frameworks, Qualitätssicherung von Code und Code-Refactoring mit Gates für die kontinuierliche Integration ein; die Akzeptanz von Pull Requests im ersten Durchlauf verbesserte sich im gesamten Team, und Hotfixes in der Produktion für KI-Adapter gingen nach Einführung der Review-Standards spürbar zurück.
• Verantwortete DevOps-Praktiken: Docker, GitHub Actions, Jenkins-kompatible Pipelines und Versionskontroll-Workflows — reduzierte die Bereitstellungszeit gegenüber der Ausgangslage vor der Automatisierung um ~50% und stabilisierte Releases in 3 Kundenumgebungen.
• Implementierte Verifier-/Oracle-artige Bestanden-Nicht-bestanden-Prüfungen in Container-Sandboxes (an Harbor/Terminal-Bench ausgerichtet); erstellte technische Dokumentation, sodass Fehler in einem Review-Zyklus behoben werden konnten.
• Leitete die funktionsübergreifende Zusammenarbeit mit Produkt- und Kundenstakeholdern; übersetzte KI-Evaluierungswerte und Risikobefunde in verständliche Kurzberichte für nichttechnische Partner und ermöglichte Go-/No-Go-Entscheidungen ohne zusätzliche Engineering-Meetings.
• Setzte agile Methoden für Sprintplanung und Backlog-Verantwortung ein; unterstützte Engineers dabei, dass Entwickler auf mittlerem Niveau bereits zur Hälfte des Projekts KI-Adapter-Module eigenständig verantworteten.

• Gemeinsame Verantwortung für die Architektur und Entwicklung von AI- und Backend-Systemen auf Enterprise-Niveau in den Bereichen Kommunikationsautomatisierung, embedding-basiertes Kandidaten-Matching und Talent-Pooling-Workflows; Gestaltung der Produkt- und Feature-Richtung über geschäftliche, rechtliche und technische Umsetzung hinweg.
• Konzeption und Umsetzung von produktionsreifen AI-Pipelines und mehrstufigen LLM-Workflows, einschließlich Orchestrierung, Prompt- und Context-Engineering, LLM-Routing und -Bewertung sowie Integration mit internen Services und Geschäftsdaten.
• Gemeinsame Verantwortung für das zentrale Kandidaten-Matching-System unter Nutzung von Vektor-Embeddings und Kosinusähnlichkeit innerhalb interner Ingestion- und Attributableitungspipelines.
• Vorantreiben der Architektur und Weiterentwicklung des Kandidaten-Pooling-Systems, einschließlich seiner LLM-basierten Routing- und Bewertungsschicht.

Entwicklung eines Routenplaners zur Störungskommunikation.

• Entwicklung der REST-API
• Aufbau eines Patch-Systems zur Pflege des Routing-Graphen
• Erweiterung der Testinfrastruktur
• Performance- und Speicheroptimierung (JMeter, JFR)

Technologien: Java 21, Spring Boot, JGraphT, Flyway, MapStruct, Caffeine, ShedLock, JMeter, Kubernetes, JFR