01.09.2026 aktualisiert
Premiumkunde
100 % verfügbarIndustrieintegration & Backend-Entwicklung | OPC UA, MQTT, Python, TypeScript, Node.js
Dresden, Deutschland
Dresden +100 km
Dr.-Ing.Über mich
Freelance Technical Lead für industrielle Softwareintegration. OPC UA, Python, Node.js, Docker. Referenzen: Volkswagen, SpaceX. Dr.-Ing. (TU Dresden), vier Patente, acht Jahre Fraunhofer. Remote, bei Bedarf vor Ort. Sofort verfügbar.
Skills
IoTJavaScriptAutomatisierungTraceabilityBildverarbeitungIndustrielle InstrumentierungMachine LearningMessaging Application Programming InterfaceModbusMongoDBMQTTNode.jsOpenCVOPC Unified ArchitectureIntegration (Software)
Industrielle Integration und Automatisierung
Anbindung heterogener Maschinen und Geräte an zentrale Steuerungs- und Leitsysteme. Protokolle: OPC UA, MQTT, Modbus, TCP/XML, REST, WebSocket. Integration von Industriedruckern (MPERIA/Matthews), Scannern, SPSen, Sensoren und I/O-Modulen. Aufbau ereignisgesteuerter Pipelines für Fertigungslinien (Auslösen, Drucken, Scannen, Validieren, Protokollieren). Traceability und Rückverfolgbarkeit über den gesamten Produktlebenszyklus. MES- und ERP-Anbindung. Erfahrung mit SEMI-nahen Fertigungsumgebungen (Globalfoundries).
Backend-Entwicklung
Node.js, Python, Rust, C#. REST-API-Design und Implementierung, Microservices, FastAPI, Strapi. Datenbanken: MongoDB, PostgreSQL, Qdrant (Vektordatenbank). Echtzeit-Kommunikation mit Socket.io und WebSocket. Serienreife Backends für industrielle Anlagen im 24/7-Betrieb. Code-Qualität: statische Analyse, Unit Testing, CI/CD (GitLab), Git-Branching-Strategien.
Computer Vision und Machine Learning
Bilderkennungssysteme für industrielle Qualitätssicherung, Bauteil-Identifikation und Defekterkennung. OpenCV, PyTorch, ONNX. Klassische Verfahren (FFT, Morphologie, Gradientenanalyse) und Deep Learning. Robuste Pipelines unter realen Produktionsbedingungen (Hitze, Umformung, variable Beleuchtung). Deskriptor-Berechnung und Ähnlichkeitssuche in Vektordatenbanken.
Workflow-Automatisierung und RAG
n8n-basierte Integrationsworkflows für Unternehmenssysteme. Retrieval Augmented Generation mit Qdrant. On-Premise-Deployments für DSGVO-konforme Szenarien. REST-/Webhook-Anbindungen, Datentransformation, Fehlerbehandlung, Monitoring.
Frontend (ergänzend)
Vue.js, React. HMI-Konzeption für Werkerinteraktion. Reporting-Module, Dashboards, Angebotsvergleich. Zusammenarbeit mit Frontend-Teams und externen Entwicklern.
Infrastruktur und DevOps
Docker, Docker Compose, Proxmox, GitLab CI/CD, Linux, IPFire. Containerisierte Systemlandschaften. Netzwerk- und Serverplanung für On-Premise-Umgebungen. Grundkenntnisse Kubernetes.
Projektführung und Beratung
Anforderungsanalyse, Architekturentscheidungen, Inbetriebnahme, Wissenstransfer und Schulung. Technische Projektleitung, Kundenbetreuung, After-Sales. Erfahrung in interdisziplinären und internationalen Teams. Agile Projektsteuerung.
Erfahrung
Berufserfahrung5 - 10 Jahre
Freelancer seit2024
Sprachen
DeutschMutterspracheEnglischverhandlungssicherRussischGrundkenntnisse
Projekthistorie
Seit 2019 baue ich als Gründer und Geschäftsführer der Senodis Technologies GmbH ein Technologieunternehmen für industrielle Kennzeichnungslösungen auf. Diese Rolle verbindet technische Tiefe mit unternehmerischer Verantwortung.
Personalverantwortung übernehme ich seit der ersten Stunde. Von Bewerbungsgesprächen über Vertragsabschlüsse bis zur täglichen Führung.
Kundennähe ist mein Arbeitsalltag. Von der Anforderungsanalyse über Vor-Ort-Tests bis zur Inbetriebnahme halte ich den Kontakt eng. Daraus entsteht ein Gespür für das, was Kunden tatsächlich brauchen.
Ich steuere Softwareprodukte von der Konzeption bis zur Serienreife und koordiniere interne Entwicklung ebenso wie externe Dienstleister, immer im Spannungsfeld zwischen Kundenwunsch, technischer Machbarkeit und Wirtschaftlichkeit.
Softwareentwicklung ist mein technisches Fundament. Für die CeraCode-Plattform habe ich Steuerungssoftware, Backends in Node.js und Rust sowie Bilderkennungslösungen mit Python, OpenCV und PyTorch vom Prototyp bis zum produktiven Einsatz gebracht. Bereits am Fraunhofer IKTS setzte ich maschinelles Lernen für Kunden wie BASF und Volkswagen ein.
IT-Infrastruktur verantworte ich von Netzwerkarchitektur über Virtualisierung mit Proxmox bis zu CI/CD-Pipelines mit GitLab. Das erlaubt mir, technische Entscheidungen im Zusammenspiel mit dem Gesamtsystem zu treffen.
Was diese Felder verbindet: Probleme gründlich verstehen, pragmatisch lösen und den Blick für das Ganze behalten.
Die Beschaffung von Rohmaterialien und Komponenten in der Luftfahrt ist häufig ineffizient, intransparent und stark manuell geprägt. Einkäufer müssen weltweit geeignete Lieferanten identifizieren, Angebote einholen und vergleichen sowie technische Spezifikationen über verschiedene Normen hinweg bewerten. Diese Prozesse sind zeitaufwendig, fehleranfällig und schlecht skalierbar.
Lösung
JULIE ist eine KI-gestützte Sourcing-Plattform, die den gesamten Beschaffungsprozess digitalisiert und automatisiert. Sie identifiziert passende Lieferanten weltweit, erstellt und verwaltet RFQs, analysiert Angebote, unterstützt bei der Auswahl optimaler Optionen, das System gleichwertige Materialalternativen über Normen und Länder hinweg.
Ergebnis
Als Full-Stack-Entwickler habe ich sowohl am Strapi/Node.js-Backend als auch am React-Frontend gearbeitet. Meine Beiträge umfassen das gesamte Reporting-Modul (von der Filterung der Rohdaten über die Aggregation bis hin zur Visualisierung in Diagrammen), das Lieferanten-/Materialmanagementsystem sowie die Funktion zum Angebotsvergleich. In Zusammenarbeit mit einem internationalen Team habe ich konsequentes Branching und Merge-Prozesse befolgt, den Code bereinigt und sowohl funktionale Fehler als auch Probleme im Bereich der Benutzererfahrung behoben.
In industriellen Fertigungsprozessen müssen Bauteile markiert und rückverfolgbar sein, auch wenn sie im heißen Zustand gekennzeichnet werden oder anschließend starken Verformungen ausgesetzt sind. Herkömmliche standardisierte Markierungen (Barcodes, QR-Codes, DataMatrix) werden durch Hitze und Umformung zerstört oder unlesbar. Eine zuverlässige Wiedererkennung ist damit nicht möglich.
Lösung
Das Bauteil wird mit einer unkonventionellen Technik (hier durch Beschuss oder Stempelung mit einer keramischen Tinte) markiert. Ein Algorithmus erfasst die einzigartigen visuellen Eigenschaften der nicht-standardisierten Markierung, also genau jene scheinbar zufälligen Muster, die durch Beschuss oder Stempelung entstehen. Aus diesen Merkmalen wird ein kompakter Deskriptor berechnet und in einer Vektordatenbank gespeichert. Bei einer späteren Abfrage wird die Markierung erneut aufgenommen, ein Deskriptor erzeugt und per Ähnlichkeitssuche gegen die Datenbank abgeglichen, um das Bauteil zu identifizieren.
Ergebnis
Bauteile lassen sich zuverlässig wiedererkennen, ohne auf standardisierte, verformungsempfindliche Codes angewiesen zu sein. Die Markierung selbst muss keine maschinenlesbare Struktur besitzen, ihre natürliche Einzigartigkeit reicht aus. Damit wird eine lückenlose Rückverfolgbarkeit auch unter extremen Prozessbedingungen (Hitze, Umformung) ermöglicht.