13.10.2026 aktualisiert
verifiziert
Premiumkunde
nicht verfügbarinfo: nicht verfügbar bis 13.11.2026
Senior Software Architect * Senior AI Engineer * Senior Full Stack Developer
Bremen, Deutschland
Weltweit
Dipl. Ing.(FH)Über mich
Mit über 25 Jahren Erfahrung in der Softwareentwicklung plane und realisiere ich belastbare Softwarearchitekturen für Web- und Enterprise-Systeme – von PoC bis Produktivbetrieb. Als Senior Software Architect, Full Stack Developer & AI Engineer. Eigenverantwortlich, präzise, termingerecht.
Skills
AI AgentsAgile MethodologieKünstliche IntelligenzAmazon Web ServicesArchitekturCloud FoundryContinuous DeliveryContinuous IntegrationDevOpsInformation RetrievalJava ArchitecturesSpring FrameworkJava API For Restful Web ServicesPythonMachine Learning
Programmiersprachen: Java, JavaScript, TypeScript, HTML, CSS, Python, C++
Frameworks & Libraries: Spring (inkl. Spring Boot, Spring Security, Spring-Webflux, Spring Statemachine, Spring AI), React, Node.js, Cypress, FastAPI, LangChain
Datenbanken: SQL, NSQL, MySQL, Oracle, PostgreSQL, MongoDB, Milvus, JDBC, JPA, Hibernate, Liquibase
API & Kommunikation: REST, SOAP, JSON, XML, Swagger, Open API, Swagger, Redis
Cloud & DevOps: Microsoft Azure, Alibaba Cloud, Docker, Kubernetes, Helm Charts, Argo CD, Ansible, Bitbucket, Git, Jenkins, CI/CD Pipelines, Jenkins, Maven, Gradle, Nexus, Cloud Native, DevSecOps, GitOps
Tools & Methoden: Cursor AI, Github Copilot, Ollama, IntelliJ, Eclipse, Visual Studio Code, Jira, Confluence, Micro-Service Architektur, Domain-Driven Design (DDD), Test-Driven Design (TDD), Testautomatisierung, Clean Code, DevOps, Pair-Programming, Code-Reviews, Know-How Transfer, Agile, Scrum
Security: IAM, Keycloak, Cloud Foundry UAA, OAuth 2, OWASP Dependency-Check
GenAI: RAG Architektur, Text2SQL, Open‑Source‑LLMs, OpenAI, LLM‑basierte Anwendungen
Softwarearchitektur, Transformation & Delivery Excellence
Ich unterstütze Unternehmen bei der Architektur, Modernisierung und Skalierung geschäftskritischer Software‑Systeme.
Fokus: zukunftssichere Architekturen, hohe Time‑to‑Market, technische Unabhängigkeit und nachhaltige Reduktion von technischer Schuld.
Legacy‑Modernisierung & Technologie‑Strategie
Bewertung, Refactoring und gezielte Modernisierung bestehender Systeme inkl. Build‑vs‑Buy‑Entscheidungen, Insourcing von ext. Projekten und Definition robuster Migrations‑ und Modernisierungspfade.
Ziel: höhere Delivery‑Geschwindigkeit, bessere Wartbarkeit und messbare Qualitätssteigerung.
Innovation Enablement: PoCs, Prototypen & KI
Schnelle Validierung neuer Technologien durch PoCs und Prototypen, um Risiken früh zu minimieren und Innovationszyklen zu verkürzen.
Begleitung vom Experiment bis zur produktionsreifen, sicheren und skalierbaren Lösung.
Einführung von KI‑gestützter Softwareentwicklung.
Technisches Leadership & Organisationsentwicklung
Interims-Führung und Enablement cross‑funktionaler Teams in agilen Organisationen (Scrum, Kanban).
Verantwortung für technische Roadmaps, Architekturentscheidungen und den Aufbau moderner AI‑augmented Development Workflows.
Gezielte Kompetenzentwicklung, Mentoring sowie Unterstützung bei Teamaufbau, Recruiting und Onboarding.
Cloud‑Native & Platform‑Ready
Entwicklung cloud‑nativer Anwendungen in enger Abstimmung mit Plattform‑ und Infrastruktur‑Teams. Integration in bestehende CI/CD‑Pipelines, Container‑Plattformen und Cloud‑Ökosysteme. Fokus auf Scalability, Observability, Security by Design.
Optional: Projekt‑ & Produktverantwortung
Übernahme von Rollen als Product Owner oder Projektmanager, um technische Exzellenz konsequent mit Business‑Zielen, Produktstrategie und zuverlässiger Delivery zu verbinden.
Erfahrung
Berufserfahrung0 - 5 Jahre
Freelancer seit2025
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
AI-Upskilling-Enablement & AI-gestützte Prozessautomatisierung
LangDock | Microsoft 365 Copilot | Copilot Studio | Azure AI Foundry | Power Automate | Python
- Konzeption und Erstellung von Schulungs- und Enablement-Unterlagen für das interne AI-Upskilling-Programm zur unternehmensweiten Einführung von LangDock
- Entwicklung didaktischer PowerPoint-Präsentationen und praxisnaher Übungsformate für unterschiedliche Zielgruppen und Kenntnisstände
- Aufbau von Enablement-Inhalten zum praktischen Einsatz von LangDock, Microsoft 365 Copilot, Copilot Studio und Power Automate im Arbeitsalltag
- Identifikation und Priorisierung von Automatisierungspotenzialen gemeinsam mit den Fachbereichs-Stakeholdern mit Fokus auf messbare Effizienzsteigerung
- Analyse der Prozesse hinsichtlich AI-gestützter Automatisierbarkeit sowie Ableitung geeigneter Umsetzungspfade (Low-Code vs. Pro-Code)
- Umsetzung von Automatisierungs-Use-Cases je nach Anforderung als Low-Code-Lösung mit LangDock oder als Pro-Code-Anwendung in Python
- Enge Abstimmung mit den Stakeholdern zur Sicherstellung fachlicher Passung, Akzeptanz und nachhaltiger Verankerung der Automatisierungen
Deterministische, quellengebundene Produktberatungs-Engine für sicherheitskritische Produktauswahl
- Entwurf und Umsetzung einer Zwei-Pfad-Architektur mit expliziter Determinismus-Grenze: deterministische Filter- und Ranking-Engine über einen typisierten Produktbestand in PostgreSQL, separater RAG-Pfad ausschließlich zur nachgelagerten Begründung
- Mechanische Absicherung dieser Grenze über Architektur-Tests und CI-Gates – keine Embeddings auf dem Auswahlpfad, keine Produktdaten im Vektorspeicher, keine Provider-SDKs außerhalb des LLM-Gateways
- Implementierung einer Decision-Table-Engine mit Hit-Policies, Überlappungs- und Vollständigkeitsanalyse sowie Publish-Gate; neun sicherheitskritische Regeln als versionierte, kuratierbare Daten statt als Code
- Deterministisches hybrides Ranking: lexikografisch nach Sicherheitsfit, Tie-Breaks vollständig reproduzierbar
- Engine-eigene Clarification-Loop: fehlende oder mehrdeutige Slots werden maschinenlesbar angefordert, das LLM formuliert lediglich die Rückfrage
- Aufbau des Backends mit FastAPI, Pydantic v2 und PostgreSQL: Session-Lifecycle mit gepinnten Katalog-, Rulebase- und Korpus-Versionen, Turn-Verarbeitung, Lead-Erfassung mit Einwilligung, Rate-Limiting pro Mandant und einheitliches Fehlermodell
- Provider-agnostisches LLM-Gateway mit Adaptern für Anthropic, OpenAI und Ollama sowie konfigurierbaren Fallback-Ketten je Aufgabe – ein Providerwechsel ist Deployment-Konfiguration, keine Code-Änderung
Proof of Concept, Prototype & produktive Version einer RAG Pipeline mit Chatbot
Python | FastAPI | Ollama | Milvus | Redis | MySQL | Docker Compose | Ansible
• Analyse und präzise Formulierung des Projektziels mit Fokus auf Retrieval‑Augmented Generation (RAG) und Near‑Realtime‑Antwortqualität
• Neuentwicklung eines funktionalen PoC und Prototype inkl. kontinuierlichem Abgleich mit fachlichen Anforderungen und Stakeholder‑Feedback
• Planung der skalierbaren Systemarchitektur und Auswahl und Bewertung des modernen Technologie‑Stacks ( semantische Vektor‑Suche, Microservices)
• Aufbau und Optimierung einer Vektordatenbank zur Persistierung von Embeddings, effizienten semantischen Ähnlichkeitssuchen und RAG‑Retrieval
• Implementierung eines performanten Python‑Web‑Servers als zentrales Backend für interne RAG‑Requests
• Implementierung eines performanten PDF‑Importers mit automatischer Text‑Extraktion, Chunking und Vektorisierung zur Integration strukturierter Dokumente in die RAG‑Pipeline
• Entwicklung eines RSS‑Feed‑Import‑Services sowie eines zugehörigen Vektorisierungs‑Service für automatisierte Dokumenten‑Ingestion mit Chunking und Embedding‑Generierung
• Weiterentwicklung des Prototypen zur produktionsreifen Version mit Fokus auf Skalierbarkeit, Observability
• Automatisiertes Deployment des Gesamtsystems auf dediziertem GPU‑Server inklusive Container‑Orchestrierung und Konfigurationsmanagement