• Design und Aufbau einer vollständig automatisierten Cloud-Infrastruktur auf Basis von Terraform unter Verwendung folgender Azure-Dienste:
• General: Azure Monitor, Azure Container Registry, Azure Active Directory / Microsoft Entra, Azure key Vault, Azure Resource Group, Azure Backup, Azure Private DNS
• Data: Azure SQL Database for PostgreSQL
• Compute: Azure Virtual Machines
• Networking: Azure Virtual Network, Azure Load Balancer, Azure Network Security Group (NSG)
• AI/ML: Azure OpenAI Service, Azure Speech Service, Azure AI Search, Azure Document Intelligence
• Implementierung sicherer Netzwerk- und Zugriffskonzepte unter Einbindung von Key Vault-Secrets, privaten DNS-Zonen, NSGs und Microsoft Entra
• Aufbau reproduzierbarer Terraform Module zur automatisierten Bereitstellung von Infrastrukturkomponenten
• Application und Component Engineer
• Setup und Deployment von OpenWebUI über Docker Compose als zentrale Chat- und Administrationsoberfläche
• Entwicklung maßgeschneiderter Komponenten zur intelligenten Dokumentenverarbeitung und semantischen Suche:
• Such Tool: Nutzt Azure AI Search für die semantische Suche relevanter Dokumentinhalte
• Indexer: Verwendet Microsoft Graph API, Sharepoint API und Confluence API, um Inhalte aus unterschiedlichen Plattformen zu extrahieren, in Markdown zu konvertieren, zu segmentieren, zu embedden und in Azure AI Search zu speichern
• Verwaltung sämtlicher Komponenten (inkl. Such Tool, Indexer, LiteLLM, Nginx, Certbot) über Docker Compose für durchgängige Systemorchestrierung und Wiederholbarkeit

• Automatisierte Bereitstellung einer modularen, sicheren Azure-Infrastruktur für KI-basierte Wissensverarbeitung
• Aufbau einer durchsuchbaren, LLM-gestützten Chat-Plattform mit Datenintegration aus bestehenden Unternehmenssystemen
• Reduktion manueller Datenaufbereitungs, und Integrationsprozessen durch automatisiertes Fetching, Chunking und Embedding von Dokumenteninhalten

• Entwicklung eines Chatbot-Systems zur Interaktion mit medizinischen Patientendaten unter Nutzung von Azure OpenAI
• Design eines Prompting-Frameworks, das klinisches Fachpersonal bei der strukturierten Abfrage unstrukturierter Inhalte unterstützt
• Sicherstellung der inhaltlichen Genauigkeit, Datenschutzkonformität und semantischen Relevanz im medizinischen Anwendungskontext

• Anbindung externer medizinischer Systeme zur zentralen Verarbeitung und Verfügbarmachung von Patientendaten im Chatbot-System
• Implementierung standardisierter Schnittstellen zur Interoperabilität mit bestehenden Krankenhausinformationssystemen (KIS)

• Containerisierung der Anwendung mit Docker und Deployment auf einer Azure Virtual Machine mit GPU-Beschleunigung
• Aufbau eines mehrsprachigen UI-Frontends mit React und Python zur benutzerfreundlichen Interaktion im Klinikalltag
• Nutzung von Azure-Komponenten wie Container Registry, Storage Accounts, Virtual Network und NSGs zur Absicherung und Skalierung

• Reduktion der Such- und Analysezeiten medizinischer Dokumente um 40?% durch LLM-gestützte Chat-Oberfläche
• Deutliche Entlastung des klinischen Personals durch schnelle, intuitive Datenabfragen in mehreren Sprachen
• Erfolgreiche Integration in bestehende Gesundheits-IT-Infrastruktur mit Fokus auf Datensicherheit und Compliance

• Entwurf und Implementierung einer skalierbaren, serverlosen Architektur auf Basis von Amazon Web Services mit Fokus auf Elastizität, Sicherheit und Betriebseffizienz
• Integration von AWS Textract und Rekognition zur KI-gestützten Informationsgewinnung aus unstrukturierten Dokumenten (z.?B. PDFs, Scans, eingescannte Formulare)
• Aufbau eines Multi-Tenant-Setups unter Verwendung von AWS Systems Manager und AWS Secrets Manager zur Trennung mandantenbezogener Ressourcen und Policies
• Definition von Architektur-Guidelines, u.?a. für API-Design, Datenmodellierung und Mandantenfähigkeit

• Entwicklung von RESTful APIs und Microservices mit Java/Kotlin und Spring Boot für die Anbindung an interne Systeme und Fachprozesse
• Kombination von Kubernetes-basierten Services mit AWS Lambda zur flexiblen Skalierung und Kostenoptimierung je nach Anwendungsfall
• Unterstützung der Entwicklerteams bei Design-Entscheidungen, Durchführung von Architektur-Reviews und Etablierung technischer Standards

• Aufbau einer sicheren CI/CD-Umgebung mit GitHub Actions, Jenkins, Docker, ArgoCD und Kubernetes
• Nutzung von AWS CloudWatch und IAM zur Absicherung, Protokollierung und Überwachung produktiver Workloads
• Enge Zusammenarbeit mit Infrastruktur- und Compliance-Teams zur Sicherstellung regulatorischer Anforderungen (z.?B. Datenschutz)

Key Results:

• Automatisierung der Dokumentenverarbeitung mit KI-basierten Services führte zu einer Reduktion manueller Bearbeitung um 68?%
• Steigerung der Extraktionsgenauigkeit auf 90?% durch präzise Modellierung und Kombination verschiedener AWS-KI-Dienste
• Erfolgreiche Etablierung einer Multi-Tenant-Architektur mit starker Mandantentrennung und strengen Zugriffskontrollmechanismen
• Deutliche Beschleunigung von Feature-Entwicklung und Anpassungen durch modulare Architektur und automatisierte CI/CD-Strecken

• Analyse bestehender IT-Landschaften und Definition einer ganzheitlichen Architekturvision für Cloud-Native-Anwendungen
• Entwicklung einer zukunftssicheren Microservice-Referenzarchitektur mit Fokus auf Modularität, Security und Cost-Awareness
• Konzeption und technische Umsetzung eines unternehmensweiten CI/CD-Standards mit automatisierten Build- und Deployment-Prozessen
• Architekturvalidierung durch Proof-of-Concept auf Basis von Spring Boot, RESTful APIs und containerisierten Workloads

• Design einer VPC-basierten Netzwerktopologie inklusive DNS-Routing mit Amazon Route 53
• Auswahl und Integration passender Datenbanksysteme (Amazon RDS für relationale Daten, DynamoDB für NoSQL-Workloads)
• Einrichtung von EKS für Container-Orchestrierung sowie ECR zur Verwaltung von Container-Images
• Nutzung von AWS CodePipeline und CodeBuild für automatisierte Build- und Deployment-Pipelines
• Implementierung eines Monitorings mit AWS CloudWatch inkl. zentralisiertem Logging und Alarmierung

Key Results:

• Aufbau einer skalierbaren, cloud-nativen Architektur als zentrales Referenzmodell für nachfolgende Projekte
• Reduktion der Time-to-Market für neue Softwarelösungen um 40?% durch standardisierte CI/CD-Workflows
• Verbesserung der Betriebssicherheit und Systemzuverlässigkeit durch konsequente Automatisierung und observability-fokussiertes Architekturdesign

• Entwurf einer modularen Microservice-Architektur mit Fokus auf Skalierbarkeit, Wartbarkeit und Systemintegration
• Entwicklung einer Datenföderationsstrategie zur Aggregation und Normalisierung von Kundendaten aus Quellsystemen wie SAP und relationalen Datenbanken
• Einführung und Pflege standardisierter API-Schnittstellen mittels OpenAPI zur Anbindung von Umsystemen

• Fachliche Führung eines internationalen Entwicklerteams (4?6 Personen), inklusive technischer Steuerung, Code-Reviews und Mentoring
• Koordination mit angrenzenden Teams (z.?B. DevOps, Security, Fachbereich) zur Umsetzung bereichsübergreifender Architekturziele
• Definition von Entwicklungsrichtlinien sowie Etablierung kontinuierlicher Architektur- und Code-Reviews

• Aufbau einer CI/CD-Pipeline mit Jenkins, Docker und Kubernetes zur automatisierten Bereitstellung in der IBM Cloud
• Optiierung der operativen Stabilität durch Container-Orchestrierung und Trennung von Infrastruktur und Applikationslogikm

• Aufbau einer zukunftssicheren Plattformarchitektur für Output-Prozesse im Lebensversicherungsbereich
• Automatisierung zentraler Workflows führte zu einer Reduktion des manuellen Bearbeitungsaufwands um 70?%
• Deutliche Steigerung der Wartbarkeit und Flexibilität durch Microservice-Ansatz und standardisierte Schnittstellen

• Betrieb und Überwachung komplexer Legacy-Infrastrukturen im Finanzumfeld, inklusive Störfallanalyse und Wiederherstellungsprozessen
• Beratung interner Stakeholder zur Systemarchitektur und Identifikation technischer Engpässe
• Planung und Umsetzung von Migrationen von Bare-Metal-Setups zu virtualisierten Services zur Steigerung von Effizienz und Wartbarkeit
• Performanceoptimierung bestehender Oracle-Datenbanken durch gezielte Modellanpassungen und Reorganisation
• Administration und Pflege des Enterprise Content Management Systems FileNet P8

• Entwicklung eines flexiblen Auswertungstools auf Basis von JavaFX zur Analyse von Bankdaten über mehrere Oracle-Datenbanken hinweg
• Automatisierung der täglichen Reporting-Prozesse durch Erstellung von Abfragen Schnittstellen und Visualisierungsfunktionen
• Aufbau eines JavaFX-Frontends zur Darstellung von Dokumentendaten aus FileNet P8 für Fachanwender

• Verbesserung der Datenbankabfragegeschwindigkeit um 40?% durch gezielte Optimierung des Oracle-Datenmodells
• Entwicklung und Einführung einer Reporting-Lösung, die tägliche Bankenberichte automatisiert und die manuelle Bearbeitungszeit um 60?% reduzierte

• Entwicklung eines skalierbaren OCR-Service zur Extraktion strukturierter Informationen aus E-Mail-Texten und PDF-Anhängen unter Verwendung von Python und Tesseract
• Training und kontinuierliche Optimierung eines IBM Watson NLP-Modells zur semantischen Erkennung von Bestellinformationen mit einer Zielgenauigkeit von über 93?%
• Durchführung von Datenanalysen zur Validierung und Evaluation der Modellergebnisse sowie deren nachhaltige Verbesserung

• Design und Entwicklung einer hybriden Erkennungslogik (regelbasiert + KI) zur robusten Identifikation von Bestellvorgängen mittels Java SE, Regex und domänenspezifischer Heuristiken
• Weiterentwicklung und Integration der Lösung in ein bestehendes Backend-System auf Basis von Java EE / Jakarta EE mit persistenter Ablage in Cloudant DB
• Aufbau eines stabilen CI/CD-Prozesses mit GitHub, Jenkins, Docker, Kubernetes und Helm für automatisierte Deployments in der IBM Cloud
• Entwicklung eines internen Dashboards mit Python und Flask zur Visualisierung von Performance-Metriken und zur Überwachung der Modellgüte in Echtzeit