Project Overview

Entwicklung eines Go-basierten, AI-gestützten Tool-Sets für OpenWebUI, das

Microsoft-Dienste (Teams, Outlook, Calendar, OneDrive) in eine skalierbare Cloud- und

Kubernetes-Architektur integriert. Die Go-Services aggregieren Daten aus mehreren

Microsoft-Domänen, verarbeiten sie parallel und stellen sie innerhalb des Chatbots als

kontextbezogene, intelligente Funktionen bereit. Der Fokus liegt auf hoher

Performance, sauberem API-Design und Cloud-Native Deployment auf Kubernetes.

Software Engineer

?Kubernetes-Native Deployment: Containerisierung der Go-Services und

Deployment auf Kubernetes (EKS/AKS/GKE) via Helm/Kustomize mit

ConfigMaps/Secrets, Liveness-/Readiness-Probes, HPA-Autoscaling und

integrierten Observability-Hooks.

?AI-gestützte Chat-Interaktion (Go): Entwicklung Go-basierter

Integrations-Services für kontextabhängige Microsoft-Graph-Abfragen,

strukturierte Output-Generierung und LLM-kompatibles Reasoning.

?Tool-Engine für OpenWebUI (Go): Implementierung und Bereitstellung von

AI-Tools über REST/gRPC-Interfaces für dynamische Ausführung in OpenWebUI

inkl. konsistenter Responses und robustem Error-Handling.

?High-Performance Backend Engineering (Go): Entwicklung hochperformanter

Go-Services mit Goroutines, Worker Pools, Channels und sync/atomic sowie

Profiling via pprof und go tool trace für niedrige Latenzen in AI-Workflows.

?Caching & Data Optimization: Aufbau effizienter Caching-Schichten

(In-Memory, Redis, Kubernetes-Cache) zur Beschleunigung wiederkehrender

Abfragen und Reduktion externer Microsoft-API-Last.

?Domain-Driven Design & Modularität: Implementierung einer modularen,

DDD-inspirierten Go-Architektur mit klaren Bounded Contexts, sauberem

Package-Layout und erweiterbaren Schnittstellen.

?Cloud-Native Operations: Einrichtung von Logging, Metrics und Tracing

(Prometheus, Grafana, OpenTelemetry) für sauberes Monitoring von

Go-Service-Performance, Latenzen und Microsoft-API-Integrationen.

?Entwicklung eines skalierbaren Go-Tool-Ökosystems, das Microsoft-Daten in

Echtzeit aggregiert und für Chatbot-Abfragen intelligent aufbereitet.

?Erweiterung von OpenWebUI um kontextuelle, Go-basierte

Backend-Funktionen (z. B. Projektstatus, Termine, Kommunikationsverläufe).

?Aufbau hochperformanter Go-Services mit optimierter Nebenläufigkeit,

Caching und Profiling für reaktive AI-Interaktionen.

?Einführung einer modularen, DDD-basierten Architektur für schnelle

Erweiterbarkeit zukünftiger AI-Toolsets.

?Erfolgreiche Bereitstellung in einer Kubernetes-Umgebung als

produktionsnahe, skalierbare OpenWebUI-Erweiterung.

Project Overview

Definition, Priorisierung und Steuerung backendnaher Produktinitiativen für die

Flugsuch-Plattform ? mit klaren technischen Konzepten, belastbaren Anforderungen,

transparenter Kommunikation und datengestützter Erfolgskontrolle.

Lead Developer

? Architekturartefakte & Go-Design: Erstellung technischer Architekturartefakte

inkl. API-Design für Go-Services (REST/gRPC), Concurrency-Schnittstellen,

Datenflussdiagramme (UML/C4) sowie Definition nicht-funktionaler

Go-Anforderungen (SLI/SLO, Latenz, Resilience, Memory-/CPU-Budget).

? Anforderungszerlegung (Go-Services): Zerlegung von Anforderungen in

implementierbare Go-Epics/Stories/Tickets (Jira) inkl. technischer

Akzeptanzkriterien, API-Verträgen (Protobuf/OpenAPI) und

Performance-/Lastmetriken.

? Architekturdokumentation (Go-Codebases): Dokumentation der

Zielarchitektur, Module Boundaries, Package Layouts, Error-Handling-Strategien

und Architekturentscheidungen (ADR) für Go-Codebasen in Confluence.

? Roadmap & Release-Planung: Technische Planung von Go-Service-Releases

(Versionierung, API-Kompatibilität, gRPC-Backward-Compatibility,

Migrationspfade) inklusive Kapazitäts- und Abhängigkeitsmanagement.

? Stakeholder-Kommunikation (Go-Plattform): Austausch mit DevOps, SRE und

Engineering-Teams zu Go-spezifischen Themen wie Concurrency-Strategien,

Deployment Patterns, Observability und Performance-Risiken.

? Betrieb & Observability (Go): Definition und Monitoring Go-relevanter KPIs wie

Latenz, Throughput, Goroutine-Leaks, Memory/GC-Profile; Dashboards in

Grafana/Kibana und Trace-Analysen (pprof/OpenTelemetry).

? Agile Teamführung (Go-Engineering): Moderation von Dailies, Plannings,

Refinements und Retros mit Fokus auf Go-Codequalität, API-Stabilität,

Performance-Optimierung und Predictability im Go-Entwicklungsprozess.

? Prozess- & Tooling-Optimierung (Go): Einführung und Optimierung von

Go-spezifischem Tooling (golangci-lint, go:generate, Make, statische Analyse,

Pexon Consulting GmbHBuild-Optimierungen) sowie Evaluierung AI-basierter Tools zur Beschleunigung

von Go-Entwicklung und Code-Reviews.

Key Results

? Klar priorisierte und kommunizierte Roadmap mit messbaren Outcomes

(KPIs/OKRs) und reduzierter Lead Time von Idee bis Go-Live

? Höhere Qualität und Vorhersehbarkeit durch saubere Jira-Backlogs, eindeutige

REST/gRPC-Schnittstellen und belastbare Akzeptanzkriterien

? Mehr Transparenz im Betrieb durch standardisierte Dashboards in

Grafana/Kibana und regelmäßige datenbasierte Reviews

Project Overview

Weiterentwicklung einer skalierbaren Flugsuchmaschine mit Fokus auf hochgradige

Nebenläufigkeit, speichereffiziente In-Memory-Datenhaltung und durchgängige

Observability, um Antwortzeiten zu senken und hohe Last zuverlässig zu bedienen.

Go Backend Entwickler

? Feature-Implementierung (Go): Umsetzung von Feature-Requests und Bugfixes

in der Go-Kernanwendung (Performance-Optimierungen, robuste

Fehlerbehandlung, sauberes API-Design, DDD-Architektur).

? Nebenläufigkeit & Performance: Implementierung hochgradiger

Concurrency-Patterns mit Goroutines, Channels, Worker Pools und sync/atomic

zur optimalen CPU-Auslastung und Backpressure-Steuerung.

? In-Memory-Datenbank: Design und Umsetzung einer speichereffizienten

In-Memory-Datenbank (optimierte Slices/Maps, Indexierung, read-optimierte

Zugriffswege) inklusive Profiling mit pprof und go tool trace.

? Monitoring & Observability: Einführung und Pflege von Metriken, Tracing und

Alerting über Prometheus, Grafana und OpenTelemetry zur Überwachung

kritischer KPIs.

? Testing & Qualitätssicherung: Erweiterung und Wartung der Test-Suite (go

test/bench, Unit-

, Integrations- und Systemtests, Mocks mit testify/gomock, Lasttests).

? Go Tooling & Developer Experience: Entwicklung und Pflege interner Tools wie

CLI-Werkzeuge, Code-Generatoren, Build-Skripte (Make), Static Analysis mit

golangci-lint und automatisierte Workflows.

? Memory Management & Optimierung: Analyse und Optimierung von Heap-

und Stack-Nutzung, Garbage-Collector-Tuning, Escape-Analysis sowie

Eliminierung unnötiger Allokationen zur Reduktion von Latenz und

Speicherverbrauch.

? API-Design & interne Libraries: Entwicklung wiederverwendbarer Go-Libraries

(Utility-Funktionen, Middlewares, Error-Frameworks) sowie konsistentes

API-Design für interne und externe Service-Kommunikation.

Key Results

? Spürbar geringere Antwortzeiten und höherer Durchsatz unter Peak-Load durch

konsequente Nutzung von Go-Nebenläufigkeit und Profiling-gestützte

Optimierungen

? Stabiler Betrieb dank transparenter Prometheus/Grafana-Metriken und

belastbarer Alerts ? schnellere Fehlerdetektion und kürzere MTTR

? Verbesserte Code-Qualität durch erweiterte Testabdeckung und klare interne

Standards/Tooling

Project Overview

Weiterentwicklung einer All-In-One Plattformlösung zum Vergleichen und Beauftragen

von Handwerkern für Real-Estate-Firmen. Die technische Lösung wird in einer hybriden

Microservices-Landschaft aus Go und TypeScript (Node.js) unter Einhaltung

moderner Architekturlösungen in Kombination mit AWS realisiert.

Backend Entwickler (Go & TypeScript):

? Polyglotte Microservices-Entwicklung: Entwicklung, Erweiterung und Tests von

Services in Go und TypeScript/Node.js. Nutzung sprachspezifischer Toolchains

(Go: go test, testify; TS: Jest, Mocha, npm/yarn) sowie cloudbasierter

Build-/Release-Pipelines (AWS CodeBuild/CodePipeline, GitLab CI/CD).

? API-Design (REST/BFF): Refactoring und Erweiterung versionierter REST-APIs.

Fokus auf Performance in Go-Services und Flexibilität in TypeScript-basierten

Backends-for-Frontend (BFF) (z. B. mit NestJS oder Express). Implementierung

von Validierung, Middleware und Error-Handling über API-Gateways (AWS API

Gateway, Kong, NGINX).

? gRPC & Backend-Kommunikation: Design und Implementierung von

gRPC-Endpoints in beiden Sprachen (Protobuf-Definitionen, Interceptors, TLS)

zur effizienten Inter-Service-Kommunikation und Betrieb über Cloud Load

Balancer (AWS ALB/NLB).

? Architektur & Refactoring: Analyse der Codebasis und Etablierung moderner

Patterns (Clean Architecture, DDD) über Sprachgrenzen hinweg. Nutzung von

Service-Mesh-Technologien (Istio, Linkerd) zur Harmonisierung des Traffics

zwischen Go- und Node.js-Containern.

? Containerization & Local Dev: Containerisierung und Debugging mit Docker für

beide Runtimes. Automatisierung über Makefiles (Go) und npm-Scripts (TS) sowie

cloudintegrierte Builds.

? Kubernetes Deployment & Operations: Deployment und Betrieb der hybriden

Service-Landschaft auf Kubernetes/EKS (kubectl, Helm, Kustomize, HPA, IRSA)

unter Nutzung von AWS-Diensten (ECR, CloudWatch, IAM).

? Qualität & Tooling: Sicherstellung der Codequalität durch Code Reviews und

statische Analyse für beide Sprachen (golangci-lint für Go; ESLint, Prettier,

Pexon Consulting GmbHSonarQube für TypeScript). Durchführung von Unit- und E2E-Tests sowie

Canary-/Blue-Green-Deployments.

? Observability: Integration von Monitoring-Lösungen (Prometheus, Grafana,

Loki, OpenTelemetry) sowie AWS X-Ray und CloudTrail. Implementierung von

Distributed Tracing über Go- und TypeScript-Services hinweg zur Sicherstellung

der Traceability.

Key Results

? Stabilere Service-to-Service-Kommunikation durch gRPC-Einführung und klar

definierte Kontrakte

? Verbesserte API-Qualität dank strukturierter REST-Versionierung und

konsistenter Fehlersemantik

? Nachhaltiger Abbau technischer Schulden durch zielgerichtetes Refactoring und

automatisierte Tests ? geringere MTTR und höhere Release-Sicherheit

Aufbau einer robusten Daten- und Streaming-Plattform zur schnelleren Bereitstellung

standardisierter Data-Vault-Modelle, reproduzierbaren Infrastrukturprovisionierung

und zuverlässigen CI/CD-Prozessen ? mit Fokus auf wartbaren Code, testgetriebene

Entwicklung und transparente Deployments.

Data & Cloud Engineer (TypeScript Focus)

• Data-Vault / TypeScript-Entwicklung: Design und Implementierung eines Data-Vault-2.0 Generators und Automatisierungstools im Apache-Kafka-Ökosystem unter intensiver Nutzung von TypeScript (Node.js).
• Infrastructure as Code (IaC): Definition und Provisionierung von Cloud-Infrastruktur bevorzugt mittels AWS CDK (TypeScript) oder Terraform.
• Apache Kafka & Event-Driven Architecture: Entwicklung performanter Producer- und Consumer-Applikationen mit TypeScript (z. B. KafkaJS, NestJS) sowie Aufbau von Streaming-Analysen mit KSQL/ksqlDB.
• Serverless Data Pipelines: Konzeption und Implementierung cloudbasierter Datenpipelines (AWS S3, Glue, Athena) mit Fokus auf AWS Lambda Functions (Node.js/TypeScript Runtime) zur Ereignisverarbeitung.
• Softwarequalität & Tooling: Verantwortung für das komplette Testing-Setup der TypeScript-Services (Unit-Tests mit Jest, E2E-Tests) sowie statische Code-Analyse (ESLint, Prettier).
• CI/CD & Automation: Entwicklung von Build- und Release-Pipelines (GitLab CI, GitHub Actions) sowie Automatisierung von Operational Tasks mittels TypeScript-Skripten und Docker.
• Datenmodellierung & Migration: Durchführung von SQL-Modellierung (Dimensional, Data Vault 2.0) und Management von Schema-Migrationen über code-basierte Tools.
• Cloud-Analyse & Consulting: Analyse und Vergleich von Datenplattformen (Snowflake, AWS, Azure) sowie technisches Consulting für skalierbare, event-getriebene Architekturen.

Key Results

Projektbeschreibung

Sicherer Betrieb und kontinuierliche Weiterentwicklung einer produktiven Plattform mit

Fokus auf stabilen APIs, moderner Weboberfläche, sauberer Dokumentation und

datengetriebener Analyse zur schnellen Fehlersuche und fundierten

Produktentscheidungen.

Fullstack Entwickler / IoT

• Typescript Backend-Entwicklung: Betrieb und Weiterentwicklung eines Typescript-basierten Backend-Systems (Bugfixing, Feature-Implementierung,Refactoring).
• API-Design & REST-Services: Erweiterung und Pflege versionierter REST-APIs (Backward Compatibility, Tests, Dokumentation mit OpenAPI/Swagger).
• Frontend (Vue.js): Wartung bestehender Vue.js-Frontends (Fehlerbehebungen, UI-Erweiterungen, Komponentenpflege).
• SPA-Entwicklung (Quasar): Konzeption und Umsetzung neuer Single-Page-Frontends mit Quasar (komponentenbasierte Architektur, Routing, State-Management).
• Dokumentation & Collaboration: Pflege der System- und Code-Dokumentation in GitHub (Markdown, Readme, Guidelines, PR-Reviews).
• Architektur & Wissenstransfer: Erstellung technischer Präsentationen zu Architekturentscheidungen, Designpatterns und Systemzusammenhängen.
• Prototyping & Evaluation: Entwicklung von Prototypen zur Bewertung neuer Frameworks, APIs und Tools (Typescript, k8s-Operatoren, Frontend-Libraries).
• System- & Datenanalyse: Analyse von Logs, Events und Systemmetriken über Elasticsearch und Kibana (Dashboards, Querying, Fehlerdiagnose) Kubernetes / EKS Deployment: Ausrollen der entwickelten Services über ein eigenes CLI-Tool auf einem AWS EKS-Cluster (kubectl, Helm, CI/CD-Integration).

Key Results

Project Overview

Ziel war der Aufbau einer stabilen, skalierbaren Container-Plattform sowie einer

integrierten CI/CD-Umgebung, um Deployments zu standardisieren, Release-Qualität zu

sichern und Entwicklungszyklen spürbar zu verkürzen.

DevOps Engineer / Platform Engineer

?

Aufbau eines unternehmensinternen Kubernetes-Clusters von Grund auf

• (Server-Provisionierung, Linux, Docker, Netzwerk), persistentes Storage mit Rook-Ceph, Ingress über Traefik und NGINX Ingress, Einführung/Evaluierung von Istio als Service Mesh

• Self-Hosting von GitLab auf dem eigenen Kubernetes-Cluster inkl. GitLab Runner und Container Registry; Absicherung von Zugriffen und Runner-Isolation
• Aufbau und Pflege von CI/CD-Pipelines in GitLab CI (Build, Test, Deployment) für mehrere Services; Versionierung und Infrastructure as Code mit Helm/Kustomize

• Unterstützung bei Datenbankanalysen mit SQL (Abfragen optimieren, Datenqualität prüfen) in PostgreSQL

• Definition und Prüfung von Akzeptanzkriterien vor Releases, Unterstützung von QA und Release Management (Smoke/Regression-Checks)

Key Results

• Produktionsreifes Kubernetes-Cluster mit zuverlässiger Persistenz über Rook-Ceph und standardisiertem Ingress-Setup
• Deutlich schnellere und reproduzierbare Deployments durch GitLab CI/CD und Container-basierte Builds
• Klar definierte Release-Gates mit überprüfbaren Akzeptanzkriterien ? höhere Release-Qualität und weniger Rollbacks

Project Overview

Unterstützung des Consulting-Teams durch verlässliches Reporting sowie Aufbau und

Pflege einer konsistenten Dokumentationsbasis, um Wissen teamübergreifend

verfügbar zu machen und Entscheidungsprozesse zu beschleunigen.

Reporting Experte

• Erstellung und Pflege regelmäßiger Reportings für Vorgesetzte mit Microsoft Excel (Pivot, Formeln, Diagramme).

• Übersetzung technischer und organisatorischer Unterlagen (DE ? EN) in Microsoft Word und Atlassian Confluence unter Beachtung von Terminologie und Styleguide.

• Strukturierung, Pflege und Erweiterung der Wissensbasis in Atlassian Confluence (Seitenhierarchien, Templates, Labels).
• Unterstützung im PMO, Nachverfolgung offener Punkte in Atlassian Jira und Abstimmung mit Stakeholdern.
• Aufbereitung von Präsentationen in Microsoft PowerPoint; Qualitätssicherung aller Dokumente (Vier-Augen-Prinzip).

Key Results

• Einheitliche Confluence-Struktur mit Templates und Labeling etabliert ? höhere Wiederauffindbarkeit und Konsistenz.
• Reduktion manueller Nacharbeiten im Reporting durch verbesserte Excel-Vorlagen.
• Aufbau einer zweisprachigen (DE/EN) Dokumentationsbasis und damit reibungslose Zusammenarbeit zwischen Teams.