Senior Java/JVM Engineer und technischer Berater für Search, Retrieval, LLM for GEO, AI/LLM-Workflows und Knowledge Systems
Aktualisiert am 07.07.2026
Profil
Freiberufler / Selbstständiger
Remote-Arbeit
Verfügbar ab: 07.07.2026
Verfügbar zu: 100%
davon vor Ort: 100%
Search
LLM
Knowledge Graph
RAG
Generative AI
Vector Search
RDF
Ontology
Taxonomy
LangChain
Apache Spark
Solr
Elasticsearch
AWS
OpenSearch
Java
Spring Boot
PostgreSQL
Cassandra
Semantic Search

Einsatzorte

Einsatzorte

Deutschland, Österreich
möglich

Projekte

Projekte

2016 - 2024: Contextoid / KGARD - AI-, Search- und Knowledge-Plattform


Rolle: Data Scientist, Java-/Spring-Entwickler, Retrieval-/Knowledge-Systems Engineer


Aufgaben:

Entwicklung einer Webplattform zur Analyse, Navigation und Strukturierung menschlicher Sprache auf Basis großer Dokumentenkorpora, Suchindizes, Termkontexte und semantischer Vokabularstrukturen.

  • Java-/Spring-/JVM-basierte Produktbereiche mit Backend-Services, server-rendered UI, HTMX, Account-/API-/Provider-Key-Flows, Worker-Anbindung und Tests.
  • Apache-Spark-Anwendungen zur mehrstufigen Verarbeitung großer Dokumentensammlungen mit unterschiedlichen Ressourcenprofilen.
  • Solr-Indexierung großer Web- und Fachdatenbestände sowie Kombination aus vorkalkulierten Ansichten und Ad-hoc-Analyse über passende Dokumente.
  • Migration und Modellierung von Plattformdaten in Apache Cassandra sowie relationale Persistenz für Nutzer-, Account-, Task- und LLM-Interaktionsdaten.
  • Integration generativer AI/LLM-Workflows mit Provider-Abstraktion, strukturierten JSON-Ausgaben, Prompt-Templates, Persistenz, Retry-/Rate-Limit-Konzepten und LLM for GEO (Generative Engine Optimization).
  • Nutzerverwaltete Vokabulare, editierbare Baumhierarchien, Termpfade, Knowledge-Graph-nahe Modellierung sowie RDF-/Markdown-Import und -Export.
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr), Sparse- und Dense-Encodings für Erklärung, inverse Suche, Retrieval-nahe Workflows und bessere Nachvollziehbarkeit semantischer Kontexte.


Ergebnis / Nutzen:

Integriertes System für Search, AI-Retrieval, semantische Navigation und Knowledge-Workflows, das Offline-Datenverarbeitung, Indexierung, Webanwendung und operative Verifikation verbindet.

2023 - 2023: Generative-AI-Integration


Rolle: AI- und Integrationsentwickler

Kunde: mobixone


Aufgaben:

  • Integration von Text- und Bilderzeugung in bestehende Anwendungsabläufe.
  • Anbindung generativer Modelle und Umsetzung produktnaher AI-Funktionen statt isolierter Demo-Prompts


Ergebnis / Nutzen:

Erweiterung der Anwendung um generative AI-Funktionalität für konkrete Nutzerabläufe.

2015 - 2015: Machine Learning auf Web-Crawls im AdTech-/Retargeting-Kontext


Kunde: größerer deutscher Retargeting-Anbieter, Hamburg


Aufgaben:

  • Analyse großer Web-Crawl-Datenbestände und Anwendung von Machine-Learning-Verfahren auf webbasierte Dokument- und Kontextdaten.
  • Verbindung von Text Mining, statistischen Verfahren und skalierbarer Datenverarbeitung für produktnahe Fragestellungen.


Ergebnis / Nutzen:

Unterstützung datengetriebener Analyse- und Optimierungsaufgaben im Web-/AdTech-Umfeld.

2010 - 2015: Attance Plattform - Personal Information Management / Tools for Thought


Aufgaben:

Konzeption, Entwicklung, Produktaufbau

  • Realisierung einer Plattform für Personal Information Management und wissensorientierte Arbeitsabläufe.
  • Verbindung von semantischen Konzepten, Information Retrieval, Datenmodellierung und nutzbarer Produktoberfläche.


Ergebnis / Nutzen:

Produktentwicklung an der Schnittstelle von Wissensmanagement, Semantic Web und praktischer Softwareentwicklung

2014 - 2014: Analysen auf Gesundheitsdaten


Kunde: Krankenkassen-/Gesundheitsdatenumfeld


Aufgaben:

  • Durchführung analytischer Arbeiten auf Gesundheitsdaten mit Fokus auf belastbare Auswertung und technische Umsetzbarkeit.
  • Nutzung datenanalytischer Methoden in einem regulierten und sensiblen fachlichen Kontext.


Ergebnis / Nutzen:

Fachnahe Datenanalyse mit hohem Anspruch an Nachvollziehbarkeit und Sorgfalt

2003 - 2009: Forschung und Entwicklung: Semantic Web, Data Mining, Wissensmanagement


Kunde: Universität Magdeburg, DFKI Kaiserslautern


Aufgaben:

  • Wissenschaftliche Arbeit in Knowledge Management & Discovery, Semantic Web, Data Mining und Personal Information Management.
  • Forschung und prototypische Entwicklung an der Schnittstelle von Text Mining, Ontologien, Informationssystemen und semantischer Modellierung.


Ergebnis / Nutzen:

Fundierte technische Basis für spätere Projektarbeit in Knowledge Graphs, Ontology Learning, Information Retrieval und sprachbezogener Datenanalyse.

Aus- und Weiterbildung

Aus- und Weiterbildung

2002 - 2010

Promotion in Informatik

Abschluss: Dr.-Ing.

Universität Magdeburg


Schwerpunkte:

Ontology Learning from Semi-structured Web Documents


1996 - 2001

Abschluss: Diplom-Wirtschaftsingenieur (FH)

Hochschule für Technik, Wirtschaft und Kultur Leipzig

Kompetenzen

Kompetenzen

Top-Skills

Search LLM Knowledge Graph RAG Generative AI Vector Search RDF Ontology Taxonomy LangChain Apache Spark Solr Elasticsearch AWS OpenSearch Java Spring Boot PostgreSQL Cassandra Semantic Search

Produkte / Standards / Erfahrungen / Methoden

Profil

  • Senior Java/JVM Engineer und technischer Berater für Search, Retrieval, LLM for GEO (Generative Engine Optimization), AI/LLM-Workflows und Knowledge Systems. Ich verbinde langjährige Java/Spring-Entwicklung mit Information Retrieval, semantischer Modellierung, Text Mining, Knowledge Graphs und Web-Scale-Datenverarbeitung.
  • Meine besondere Stärke liegt in gewachsenen oder anspruchsvollen Systemen, in denen große Dokumentenkorpora, Suchindizes, Datenpipelines, Knowledge-Graph-nahe Modelle und LLM-Funktionen als belastbare Produktfunktion zusammenspielen müssen.


Differenzierung

  • Große Java-Projekte auf agentenbasiertes Coding ausrichten.
  • Praktische Produktentwicklung trifft auf fachliche Tiefe in Ontology Learning, Semantic Web, Information Retrieval und moderner LLM/RAG-Integration.
  • Geeignet für Projekte, in denen AI nicht nur als Prompt-Schicht, sondern als überprüfbare, wartbare und in bestehende JVM-Systeme integrierte Produktfunktion umgesetzt werden soll.


Fachliche Aktualität und Vernetzung

  • Mitglied (Nähere Informationen auf Anfrage)
  • Diese fachliche Vernetzung ergänzt meine praktische Arbeit an Search-, Retrieval-, RDF-/Knowledge-Graph- und LLM/RAG-Systemen durch Nähe zu aktuellen europäischen Entwicklungen im KG/LLM-Umfeld


Leistungsangebot

AI/RAG Reliability Engineering

  • LLM-Funktionen als belastbare Produktfunktion: 
    • Provider-Abstraktion
    • Prompt-Templates
    • strukturierte JSON-Ausgaben
    • Retry-/Rate-Limit-Konzepte
    • Persistenz
    • Tests
    • prüfbare Ergebnisse und LLM for GEO (Generative Engine Optimization)


Search & Retrieval Engineering

  • Lucene/Solr/OpenSearch/Elasticsearch
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr)
  • Indexierung
  • Relevance-Workflows
  • Term-Kontexte
  • sparse/dense Retrieval-Ansätze
  • Erklärbarkeit und robuste Kontextauswahl


Semantic-Web-to-LLM-Modernisierung

  • Überführung von Ontologien, Taxonomien, RDF-/SKOS-/Wikidata-nahen Ressourcen und Knowledge-Graph-Ideen in praktische Search-, RAG- und Produktfunktionen


Java/Spring & Legacy Systems

  • Erweiterung, Stabilisierung und Modernisierung bestehender Java/Spring-Anwendungen und gewachsener JVM-Codebasen:
    • Backend-Services, Tests, Build-/Runtime-Caveats und produktionsnahe Fehleranalyse.

Web-Scale Data Pipelines

  • Apache Spark
  • Hadoop-/Avro-/Parquet-Workflows
  • große Dokumentenkorpora
  • Co-Occurrence-Analysen
  • Vorkalkulationen
  • Indexierung und datengetriebene Web-Workflows


Technischer Fokus

Backend / Web

  • Spring Boot
  • Spring MVC/Security
  • REST/APIs
  • JTE
  • HTMX
  • Vanilla JavaScript
  • Bootstrap
  • D3
  • Cytoscape
  • Mermaid


Search / IR

  • Lucene
  • Solr
  • OpenSearch
  • Elasticsearch
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr)
  • Indexing
  • Autocomplete
  • Relevance
  • Term-Kontexte
  • sparse Retrieval


AI / LLM

  • LangChain4j
  • Deep Java Library
  • LLM Integration
  • LLM for GEO (Generative Engine Optimization)
  • Prompt Engineering
  • RAG
  • Embeddings


Data / ML

  • Apache Spark
  • Spark MLlib
  • Avro
  • Parquet
  • Hadoop APIs
  • Clustering
  • Classification
  • Recommendations
  • UMAP


Semantic Web

  • RDF
  • RDFS
  • SKOS
  • OntoLex/Lemon
  • Wikidata
  • Ontologien
  • Knowledge Graphs
  • LLM-assistierte KG-Konstruktion
  • Vokabulare


Cloud / Ops

  • Amazon AWS services since 2012, EC2, S3, SQS
  • cloudnahe Architektur
  • Deployments
  • Logs
  • operative Verifikation


Ausgewählte technische Nachweise

  • Spark-basierte Verarbeitung von rund einer Milliarde Sparse-Term-Kontextvektoren.
  • Aufbau einer stark komprimierten 10-TB-Kontextmatrix für sprachbezogene Analyse- und Retrieval-Workflows.
  • Solr-basierte Indexierung großer Korpora, unter anderem ca. 3,4 Milliarden Web-Dokumente und ca. 45 Millionen medizinische Dokumente.
  • Kombination aus vorkalkulierten Ansichten und Ad-hoc-Analyse über indexierte Dokumentbestände.
  • Umsetzung von Sparse Embeddings (OpenSearch/ElasticSearch/Solr) sowie sparse und dense Retrieval-nahen Encodings zur Erklärung, inversen Suche und Kontextauswahl.


Arbeitsweise

  • Schnelles Verstehen bestehender Systeme durch Codepfade, Datenflüsse, Logs, Tests und lauffähige Verifikation statt reiner Architekturannahmen.
  • Kleine, robuste Umsetzungsschritte mit klarer Trennung zwischen Fakten, Annahmen, Risiken und offenen Entscheidungen.
  • Dokumentation als Teil der Umsetzung: Einstiegspunkte, technische Caveats, Testumfang, operative Hinweise und nächste sinnvolle Schritte.


Passende Projektprobleme

  • Ein bestehendes Java/Spring-System soll AI-/LLM-Funktionen, RAG oder LLM for GEO (Generative Engine Optimization) erhalten, ohne die Architektur instabil zu machen.
  • Große Text-, Web-, Fach- oder Wissensdatenbestände müssen verarbeitet, indexiert und nutzbar gemacht werden.
  • Ein RAG-/Search-System liefert zu viele irrelevante oder schwer erklärbare Ergebnisse.
  • Ontologien, Taxonomien, RDF-/SKOS-Strukturen oder Knowledge-Graph-Ideen sollen in praktische Produktfunktionen überführt werden.
  • Ein Prototyp aus Forschung, Data Science oder AI soll in eine wartbare JVM-basierte Anwendung überführt werden.


Beruflicher Werdegang

2014 - heute


Aufgaben:

Freiberufliche Softwareentwicklung, Data Science, Search-/Retrieval- und AI-/Knowledge-Systeme


2016 - 2024

Rolle: Data Scientist und Entwickler 

Kunde: kgard / contextoid


2010 - 2015


Aufgaben:

Realisierung der Attance Plattform für Personal Information Management / Tools for Thought


2009 - 2009

Rolle: Wissenschaftlicher Mitarbeiter 

Kunde: Universität Magdeburg, Institute of Technical and Business Information Systems, KMD-Gruppe


2006 - 2008

Rolle: Wissenschaftlicher Mitarbeiter

Kunde: DFKI, Forschungsgruppe Wissensmanagement, Kaiserslautern


2003 - 2006

Rolle: Wissenschaftlicher Mitarbeiter 

Kunde: Universität Magdeburg, Institute of Technical and Business Information Systems, KMD-Gruppe


2002 - 2002

Kunde: TextTech GmbH Leipzig


Aufgaben:

Softwareentwicklung und Consulting im Text Mining und Produktdatenmanagement


2001 - 2001


Aufgaben:

Konzeption, Softwareentwicklung, Businessplan und Business Development für eigenes Startup


Praktikum

1999 - 1999


Aufgaben:

Kunde: Virbus AG Leipzig


Aufgaben:

Softwareentwicklung für Bankensoftware

Programmiersprachen

Java
JVM
Python
SQL
Gradle
JUnit

Datenbanken

PostgreSQL
Ebean ORM
Cassandra
Cassandra Java
Driver/Mapper
MariaDB
MySQL

Einsatzorte

Einsatzorte

Deutschland, Österreich
möglich

Projekte

Projekte

2016 - 2024: Contextoid / KGARD - AI-, Search- und Knowledge-Plattform


Rolle: Data Scientist, Java-/Spring-Entwickler, Retrieval-/Knowledge-Systems Engineer


Aufgaben:

Entwicklung einer Webplattform zur Analyse, Navigation und Strukturierung menschlicher Sprache auf Basis großer Dokumentenkorpora, Suchindizes, Termkontexte und semantischer Vokabularstrukturen.

  • Java-/Spring-/JVM-basierte Produktbereiche mit Backend-Services, server-rendered UI, HTMX, Account-/API-/Provider-Key-Flows, Worker-Anbindung und Tests.
  • Apache-Spark-Anwendungen zur mehrstufigen Verarbeitung großer Dokumentensammlungen mit unterschiedlichen Ressourcenprofilen.
  • Solr-Indexierung großer Web- und Fachdatenbestände sowie Kombination aus vorkalkulierten Ansichten und Ad-hoc-Analyse über passende Dokumente.
  • Migration und Modellierung von Plattformdaten in Apache Cassandra sowie relationale Persistenz für Nutzer-, Account-, Task- und LLM-Interaktionsdaten.
  • Integration generativer AI/LLM-Workflows mit Provider-Abstraktion, strukturierten JSON-Ausgaben, Prompt-Templates, Persistenz, Retry-/Rate-Limit-Konzepten und LLM for GEO (Generative Engine Optimization).
  • Nutzerverwaltete Vokabulare, editierbare Baumhierarchien, Termpfade, Knowledge-Graph-nahe Modellierung sowie RDF-/Markdown-Import und -Export.
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr), Sparse- und Dense-Encodings für Erklärung, inverse Suche, Retrieval-nahe Workflows und bessere Nachvollziehbarkeit semantischer Kontexte.


Ergebnis / Nutzen:

Integriertes System für Search, AI-Retrieval, semantische Navigation und Knowledge-Workflows, das Offline-Datenverarbeitung, Indexierung, Webanwendung und operative Verifikation verbindet.

2023 - 2023: Generative-AI-Integration


Rolle: AI- und Integrationsentwickler

Kunde: mobixone


Aufgaben:

  • Integration von Text- und Bilderzeugung in bestehende Anwendungsabläufe.
  • Anbindung generativer Modelle und Umsetzung produktnaher AI-Funktionen statt isolierter Demo-Prompts


Ergebnis / Nutzen:

Erweiterung der Anwendung um generative AI-Funktionalität für konkrete Nutzerabläufe.

2015 - 2015: Machine Learning auf Web-Crawls im AdTech-/Retargeting-Kontext


Kunde: größerer deutscher Retargeting-Anbieter, Hamburg


Aufgaben:

  • Analyse großer Web-Crawl-Datenbestände und Anwendung von Machine-Learning-Verfahren auf webbasierte Dokument- und Kontextdaten.
  • Verbindung von Text Mining, statistischen Verfahren und skalierbarer Datenverarbeitung für produktnahe Fragestellungen.


Ergebnis / Nutzen:

Unterstützung datengetriebener Analyse- und Optimierungsaufgaben im Web-/AdTech-Umfeld.

2010 - 2015: Attance Plattform - Personal Information Management / Tools for Thought


Aufgaben:

Konzeption, Entwicklung, Produktaufbau

  • Realisierung einer Plattform für Personal Information Management und wissensorientierte Arbeitsabläufe.
  • Verbindung von semantischen Konzepten, Information Retrieval, Datenmodellierung und nutzbarer Produktoberfläche.


Ergebnis / Nutzen:

Produktentwicklung an der Schnittstelle von Wissensmanagement, Semantic Web und praktischer Softwareentwicklung

2014 - 2014: Analysen auf Gesundheitsdaten


Kunde: Krankenkassen-/Gesundheitsdatenumfeld


Aufgaben:

  • Durchführung analytischer Arbeiten auf Gesundheitsdaten mit Fokus auf belastbare Auswertung und technische Umsetzbarkeit.
  • Nutzung datenanalytischer Methoden in einem regulierten und sensiblen fachlichen Kontext.


Ergebnis / Nutzen:

Fachnahe Datenanalyse mit hohem Anspruch an Nachvollziehbarkeit und Sorgfalt

2003 - 2009: Forschung und Entwicklung: Semantic Web, Data Mining, Wissensmanagement


Kunde: Universität Magdeburg, DFKI Kaiserslautern


Aufgaben:

  • Wissenschaftliche Arbeit in Knowledge Management & Discovery, Semantic Web, Data Mining und Personal Information Management.
  • Forschung und prototypische Entwicklung an der Schnittstelle von Text Mining, Ontologien, Informationssystemen und semantischer Modellierung.


Ergebnis / Nutzen:

Fundierte technische Basis für spätere Projektarbeit in Knowledge Graphs, Ontology Learning, Information Retrieval und sprachbezogener Datenanalyse.

Aus- und Weiterbildung

Aus- und Weiterbildung

2002 - 2010

Promotion in Informatik

Abschluss: Dr.-Ing.

Universität Magdeburg


Schwerpunkte:

Ontology Learning from Semi-structured Web Documents


1996 - 2001

Abschluss: Diplom-Wirtschaftsingenieur (FH)

Hochschule für Technik, Wirtschaft und Kultur Leipzig

Kompetenzen

Kompetenzen

Top-Skills

Search LLM Knowledge Graph RAG Generative AI Vector Search RDF Ontology Taxonomy LangChain Apache Spark Solr Elasticsearch AWS OpenSearch Java Spring Boot PostgreSQL Cassandra Semantic Search

Produkte / Standards / Erfahrungen / Methoden

Profil

  • Senior Java/JVM Engineer und technischer Berater für Search, Retrieval, LLM for GEO (Generative Engine Optimization), AI/LLM-Workflows und Knowledge Systems. Ich verbinde langjährige Java/Spring-Entwicklung mit Information Retrieval, semantischer Modellierung, Text Mining, Knowledge Graphs und Web-Scale-Datenverarbeitung.
  • Meine besondere Stärke liegt in gewachsenen oder anspruchsvollen Systemen, in denen große Dokumentenkorpora, Suchindizes, Datenpipelines, Knowledge-Graph-nahe Modelle und LLM-Funktionen als belastbare Produktfunktion zusammenspielen müssen.


Differenzierung

  • Große Java-Projekte auf agentenbasiertes Coding ausrichten.
  • Praktische Produktentwicklung trifft auf fachliche Tiefe in Ontology Learning, Semantic Web, Information Retrieval und moderner LLM/RAG-Integration.
  • Geeignet für Projekte, in denen AI nicht nur als Prompt-Schicht, sondern als überprüfbare, wartbare und in bestehende JVM-Systeme integrierte Produktfunktion umgesetzt werden soll.


Fachliche Aktualität und Vernetzung

  • Mitglied (Nähere Informationen auf Anfrage)
  • Diese fachliche Vernetzung ergänzt meine praktische Arbeit an Search-, Retrieval-, RDF-/Knowledge-Graph- und LLM/RAG-Systemen durch Nähe zu aktuellen europäischen Entwicklungen im KG/LLM-Umfeld


Leistungsangebot

AI/RAG Reliability Engineering

  • LLM-Funktionen als belastbare Produktfunktion: 
    • Provider-Abstraktion
    • Prompt-Templates
    • strukturierte JSON-Ausgaben
    • Retry-/Rate-Limit-Konzepte
    • Persistenz
    • Tests
    • prüfbare Ergebnisse und LLM for GEO (Generative Engine Optimization)


Search & Retrieval Engineering

  • Lucene/Solr/OpenSearch/Elasticsearch
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr)
  • Indexierung
  • Relevance-Workflows
  • Term-Kontexte
  • sparse/dense Retrieval-Ansätze
  • Erklärbarkeit und robuste Kontextauswahl


Semantic-Web-to-LLM-Modernisierung

  • Überführung von Ontologien, Taxonomien, RDF-/SKOS-/Wikidata-nahen Ressourcen und Knowledge-Graph-Ideen in praktische Search-, RAG- und Produktfunktionen


Java/Spring & Legacy Systems

  • Erweiterung, Stabilisierung und Modernisierung bestehender Java/Spring-Anwendungen und gewachsener JVM-Codebasen:
    • Backend-Services, Tests, Build-/Runtime-Caveats und produktionsnahe Fehleranalyse.

Web-Scale Data Pipelines

  • Apache Spark
  • Hadoop-/Avro-/Parquet-Workflows
  • große Dokumentenkorpora
  • Co-Occurrence-Analysen
  • Vorkalkulationen
  • Indexierung und datengetriebene Web-Workflows


Technischer Fokus

Backend / Web

  • Spring Boot
  • Spring MVC/Security
  • REST/APIs
  • JTE
  • HTMX
  • Vanilla JavaScript
  • Bootstrap
  • D3
  • Cytoscape
  • Mermaid


Search / IR

  • Lucene
  • Solr
  • OpenSearch
  • Elasticsearch
  • Sparse Embeddings (OpenSearch/ElasticSearch/Solr)
  • Indexing
  • Autocomplete
  • Relevance
  • Term-Kontexte
  • sparse Retrieval


AI / LLM

  • LangChain4j
  • Deep Java Library
  • LLM Integration
  • LLM for GEO (Generative Engine Optimization)
  • Prompt Engineering
  • RAG
  • Embeddings


Data / ML

  • Apache Spark
  • Spark MLlib
  • Avro
  • Parquet
  • Hadoop APIs
  • Clustering
  • Classification
  • Recommendations
  • UMAP


Semantic Web

  • RDF
  • RDFS
  • SKOS
  • OntoLex/Lemon
  • Wikidata
  • Ontologien
  • Knowledge Graphs
  • LLM-assistierte KG-Konstruktion
  • Vokabulare


Cloud / Ops

  • Amazon AWS services since 2012, EC2, S3, SQS
  • cloudnahe Architektur
  • Deployments
  • Logs
  • operative Verifikation


Ausgewählte technische Nachweise

  • Spark-basierte Verarbeitung von rund einer Milliarde Sparse-Term-Kontextvektoren.
  • Aufbau einer stark komprimierten 10-TB-Kontextmatrix für sprachbezogene Analyse- und Retrieval-Workflows.
  • Solr-basierte Indexierung großer Korpora, unter anderem ca. 3,4 Milliarden Web-Dokumente und ca. 45 Millionen medizinische Dokumente.
  • Kombination aus vorkalkulierten Ansichten und Ad-hoc-Analyse über indexierte Dokumentbestände.
  • Umsetzung von Sparse Embeddings (OpenSearch/ElasticSearch/Solr) sowie sparse und dense Retrieval-nahen Encodings zur Erklärung, inversen Suche und Kontextauswahl.


Arbeitsweise

  • Schnelles Verstehen bestehender Systeme durch Codepfade, Datenflüsse, Logs, Tests und lauffähige Verifikation statt reiner Architekturannahmen.
  • Kleine, robuste Umsetzungsschritte mit klarer Trennung zwischen Fakten, Annahmen, Risiken und offenen Entscheidungen.
  • Dokumentation als Teil der Umsetzung: Einstiegspunkte, technische Caveats, Testumfang, operative Hinweise und nächste sinnvolle Schritte.


Passende Projektprobleme

  • Ein bestehendes Java/Spring-System soll AI-/LLM-Funktionen, RAG oder LLM for GEO (Generative Engine Optimization) erhalten, ohne die Architektur instabil zu machen.
  • Große Text-, Web-, Fach- oder Wissensdatenbestände müssen verarbeitet, indexiert und nutzbar gemacht werden.
  • Ein RAG-/Search-System liefert zu viele irrelevante oder schwer erklärbare Ergebnisse.
  • Ontologien, Taxonomien, RDF-/SKOS-Strukturen oder Knowledge-Graph-Ideen sollen in praktische Produktfunktionen überführt werden.
  • Ein Prototyp aus Forschung, Data Science oder AI soll in eine wartbare JVM-basierte Anwendung überführt werden.


Beruflicher Werdegang

2014 - heute


Aufgaben:

Freiberufliche Softwareentwicklung, Data Science, Search-/Retrieval- und AI-/Knowledge-Systeme


2016 - 2024

Rolle: Data Scientist und Entwickler 

Kunde: kgard / contextoid


2010 - 2015


Aufgaben:

Realisierung der Attance Plattform für Personal Information Management / Tools for Thought


2009 - 2009

Rolle: Wissenschaftlicher Mitarbeiter 

Kunde: Universität Magdeburg, Institute of Technical and Business Information Systems, KMD-Gruppe


2006 - 2008

Rolle: Wissenschaftlicher Mitarbeiter

Kunde: DFKI, Forschungsgruppe Wissensmanagement, Kaiserslautern


2003 - 2006

Rolle: Wissenschaftlicher Mitarbeiter 

Kunde: Universität Magdeburg, Institute of Technical and Business Information Systems, KMD-Gruppe


2002 - 2002

Kunde: TextTech GmbH Leipzig


Aufgaben:

Softwareentwicklung und Consulting im Text Mining und Produktdatenmanagement


2001 - 2001


Aufgaben:

Konzeption, Softwareentwicklung, Businessplan und Business Development für eigenes Startup


Praktikum

1999 - 1999


Aufgaben:

Kunde: Virbus AG Leipzig


Aufgaben:

Softwareentwicklung für Bankensoftware

Programmiersprachen

Java
JVM
Python
SQL
Gradle
JUnit

Datenbanken

PostgreSQL
Ebean ORM
Cassandra
Cassandra Java
Driver/Mapper
MariaDB
MySQL

Vertrauen Sie auf Randstad

Im Bereich Freelancing
Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

Fragen?

Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

Das Freelancer-Portal

Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.