• Fachliche Anforderungsanalyse und Konzeption des Matching-Services
• Entwicklung und Optimierung von Suchschemata für internationale Adressen in Apache Solr unter Nutzung von Tokenizern, Normalizern, Stemming- und phonetischen Algorithmen sowie Nested Documents zur Abbildung von Adressänderungen
• Implementierung eines automatisierten Import-Services für große, über SFTP gelieferte Datenbestände inklusive Synchronisierung zwischen Datenbank und Solr-Index
• Entwicklung eines REST-basierten Matching-Services inklusive Import- und Suchschnittstellen
• Entwicklung einer innovativen Textanalysekomponente basierend auf einer erweiterten aho-corasick-Variante zur Erkennung typischer Adressbestandteile
• Realisierung eines asynchronen Matching-Services mit REST-API zur Verarbeitung und Rückgabe von Excel- und CSV-Matchinganfragen
• Entwicklung von Algorithmen zur Entfernung von Kodierungsartefakten (Mojibake) und DSGVO-konformen Löschprozessen in Datenbank und Solr
• Erstellung einer Angular-basierten Benutzeroberfläche zur Prozessüberwachung und Datenübergabe
• Anbindung an LDAP/Active Directory mit rollenbasiertem Rechtekonzept
• Implementierung umfangreicher Unit-Tests sowie Performance- und Lasttests
• Aufbau eines automatisierten CI/CD-Prozesses mit Jenkins und Helm für Build, Release und Deployment
• Koordination mit Deployment-Team hinsichtlich Cluster-Ressourcen und Anbindung an Active Directory Services
• Produktivsetzung und Begleitung der Lösung im laufenden Betrieb

Projektziele:

• Entwicklung eines skalierbaren, REST-basierten Matching-Services zur automatisierten Zuordnung semi-strukturierter Firmenadressen gegen einen internen Datenbestand
• Implementierung einer webbasierten Benutzeroberfläche zur Überwachung und Steuerung des Services inklusive asynchroner Verarbeitung großer Datenbestände
• Sicherstellung der DSGVO-konformen Datenverarbeitung und Löschung
• Deployment in einer containerisierten Architektur auf Kubernetes

Erfolge:

• Skalierbare, performante Lösung im Kubernetes-Cluster implementiert
• Matching-Qualität übertrifft bestehende Lösungen
• 4× schnellere Verarbeitungszeit im Vergleich zur bisherigen Lösung
• Import- und Indizierungszeit der Firmendaten auf 50% der bisherigen Dauer verkürzt
• Robustheit und Fehlertoleranz des Matching-Prozesses für große Datenmengen etabliert

• Erstellung und Integration eines Dashboards zur Überwachung des Verrechnungsprozesses (Startbereitschaft, Statusanzeige, Fehlerdiagnose) in die Weboberfläche
• Fehleranalyse und -behebung beim Dateiimport über SFTP
• Verbesserung der Synchronisation zwischen mehreren Webclients
• Implementierung von Exportfunktionen zur Sicherung der Jobkettendefinitionen sowie der vollständigen Parametrisierung des Verrechnungsprozesses (als gezippte JSON-Dateien zur Backup-Erstellung und Systemmigration)
• Optimierung der Fehlerbehandlung im Backend und Frontend zur Verbesserung der Benutzerfreundlichkeit
• Korrektur von Synchronisationsproblemen bei JMS-basiertem Datenaustausch
• Konzeption und Umsetzung einer neuen Preislogik im Verrechnungsprozess:
  • Umsetzung individueller Preisregeln für einzelne Kunden im Rahmen der neuen Preislogik
  • Export der Preisbestandteile an ein angebundenes SAP-System
  • Enge Abstimmung mit Business-Analysten zur fachlichen Spezifikation und Validierung der Logik
• Implementierung eines Batch-Jobs zur Übertragung der Verrechnungsdaten an das BI-System Cognos
• Regelmäßige Abstimmung mit dem Deployment-Team und Verantwortung für die Produktivsetzung der Lösung

Erfolge:

• Erfolgreiche Umsetzung der neuen Preisberechnung
• Stärkung der Nutzerakzeptanz durch verbesserte Fehlerbehandlung
• Reduktion der Bugliste durch gezielte Fehlerbehebung

Technische Modernisierung und Optimierung einer datenbankgetriebenen Verrechnungssoftware

• Technologie-Upgrades:
  • Java 11 ? Java 21
  • Spring Framework 4.3 ? 6.1, Spring Boot 1.5 ? 3.2
  • Spring Batch 4.3 ? 5.1, Hibernate 5.3 ? 6.4
  • Quarkus 2 ? 3 (REST-Service), Angular 15 ? 17 (Frontend)
  • Wechsel von Tomcat ? Undertow
  • Migration von javax zu Jakarta EE 10 im gesamten Code (inkl. REST und Batch)
• Datenbankmigration & Schemaanpassungen:
  • Aktualisierung der Datenbankschemata für Spring Batch und die Jobkettensteuerung im Rahmen des Framework-Upgrades
  • Erstellung von SQL-Skripten zur Datenmigration zwischen alten und neuen Datenbankschemata
• Architektur & Refactoring:
  • Aufteilung der Codebasis in Fachlogik und Steuerungskomponenten
  • Modularisierung durch Auslagerung der Batch-Job- und Jobkettenlogik
  • Umstellung der Batch-Job-Konfiguration von XML auf Java-Beans
  • Entfernung veralteter Abhängigkeiten und Legacy-Code
  • Eigenimplementierung als Ersatz für das inkompatible spring-batch-admin-manager
  • Implementierung eines Algorithmus zur Kompatibilität von ExecutionContext zwischen alten und neuen Spring-Batch-Versionen
• Codequalität & Testing:
  • Durchführung umfassender Funktionstests und Erweiterung der Testabdeckung mittels Unit-Tests
  • Verbesserung der Dateiimporte und Fehlerbehandlung
• Logging & Sicherheit:
  • Fix sicherheitsrelevanter Schwachstellen
  • Erweiterung des Loggings (z.B. Benutzeraktionen in DB)
  • Fehlerbehebung im Logging via syslog und Konsole (LogHandler)
• Sonstiges:
  • Implementierung eines neuen Batch-Jobs zum Datenimport über eine externe REST-API
  • Enge Abstimmung mit dem Deployment-Team und Begleitung der Produktivsetzung

Projektziele:

• Umfassende technische Modernisierung eines etablierten datenbankgetriebenen Batch-Services inkl. REST-Schnittstellen
• Aktualisierung auf aktuelle Versionen zentraler Frameworks sowie die Bereinigung der Architektur
• Verbesserung der Modularisierung
• Erhöhung von Codequalität, Stabilität und Sicherheit.

Erfolge:

• Zukunftssichere technologische Basis durch Migration auf aktuelle Frameworks und Java 21
• Executable um 20% verkleinert durch Refactoring, Entfernung ungenutzter Abhängigkeiten und Einsatz leichterer Alternativen
• Deutlich verkürzte Startzeit der Anwendung
• Erhöhte Wartbarkeit und Erweiterbarkeit durch Modularisierung und Bean-basierte Konfiguration

• Fachliche Anforderungsanalyse und Konzeption des Matching-Services
• Entwicklung und Optimierung von Suchschemata für internationale Adressen in Apache Solr unter Nutzung von Tokenizern, Normalizern, Stemming- und phonetischen Algorithmen sowie Nested Documents zur Abbildung von Adressänderungen
• Implementierung eines automatisierten Import-Services für große, über SFTP gelieferte Datenbestände inklusive Synchronisierung zwischen Datenbank und Solr-Index
• Entwicklung eines REST-basierten Matching-Services inklusive Import- und Suchschnittstellen
• Entwicklung einer innovativen Textanalysekomponente basierend auf einer erweiterten aho-corasick-Variante zur Erkennung typischer Adressbestandteile
• Realisierung eines asynchronen Matching-Services mit REST-API zur Verarbeitung und Rückgabe von Excel- und CSV-Matchinganfragen
• Entwicklung von Algorithmen zur Entfernung von Kodierungsartefakten (Mojibake) und DSGVO-konformen Löschprozessen in Datenbank und Solr
• Erstellung einer Angular-basierten Benutzeroberfläche zur Prozessüberwachung und Datenübergabe
• Anbindung an LDAP/Active Directory mit rollenbasiertem Rechtekonzept
• Implementierung umfangreicher Unit-Tests sowie Performance- und Lasttests
• Aufbau eines automatisierten CI/CD-Prozesses mit Jenkins und Helm für Build, Release und Deployment
• Koordination mit Deployment-Team hinsichtlich Cluster-Ressourcen und Anbindung an Active Directory Services
• Produktivsetzung und Begleitung der Lösung im laufenden Betrieb

Projektziele:

• Entwicklung eines skalierbaren, REST-basierten Matching-Services zur automatisierten Zuordnung semi-strukturierter Firmenadressen gegen einen internen Datenbestand
• Implementierung einer webbasierten Benutzeroberfläche zur Überwachung und Steuerung des Services inklusive asynchroner Verarbeitung großer Datenbestände
• Sicherstellung der DSGVO-konformen Datenverarbeitung und Löschung
• Deployment in einer containerisierten Architektur auf Kubernetes

Erfolge:

• Skalierbare, performante Lösung im Kubernetes-Cluster implementiert
• Matching-Qualität übertrifft bestehende Lösungen
• 4× schnellere Verarbeitungszeit im Vergleich zur bisherigen Lösung
• Import- und Indizierungszeit der Firmendaten auf 50% der bisherigen Dauer verkürzt
• Robustheit und Fehlertoleranz des Matching-Prozesses für große Datenmengen etabliert

Erweiterung eines Batch-Verrechnungssystems und Implementierung einer neuen Weboberfläche

• Migration der bestehenden Verrechnungsanwendung von OracleDB 12c auf 19c
• Installation einer neuen Oracle-19c-Testdatenbank und Einspielung aller aktuellen Patches
• Erweiterung des Datenbankschemas zur Abbildung von Jobketten und des monatlichen Verrechnungsvorgangs
• Design und Implementierung mehrschichtiger REST-basierter Service-Architekturen (Java/Spring) für:
  • Steuerung einzelner Spring-Batch-Jobs (Start, Stopp, Fortsetzen, Logs, Status)
  • Verwaltung von Jobketten (Reihenfolge, Status, Logs, Konfiguration)
  • Steuerung kompletter Verrechnungsvorgänge bestehend aus Jobketten und Einzeljobs
  • Rücksetzen und Neustart fehlerhafter Verrechnungsvorgänge unter Gewährleistung der Datenkonsistenz
• Entwicklung eines rollenbasierten Berechtigungssystems inkl. Absicherung der REST-Schnittstellen via LDAP/Active Directory
• Umsetzung einer webbasierten Benutzeroberfläche (Angular 15, TypeScript) mit folgenden Kernfunktionen:
  • Steuerung und Überwachung von Batch-Jobs und Jobketten
  • Konfiguration von Jobketten via Drag & Drop
  • Visuelle Konfiguration kompletter Verrechnungsvorgänge via Drag & Drop
  • Echtzeit-Statusanzeige für Batch-Jobs, Jobketten und Verrechnungsvorgänge inkl. Logs und verarbeiteter Datensätze
  • Benutzerfreundliches Zurücksetzen von Verrechnungsvorgängen im Fehlerfall
• Durchführung von Unit- und Funktionstests mit JUnit 5, Spring Boot Test und DBRider
• Enge Abstimmung mit dem Deployment-Team hinsichtlich Infrastruktur, Sicherheit und Anbindung ans unternehmenseigene Active Directory
• Begleitung der produktiven Inbetriebnahme

Projektziele:

• Entwicklung einer Lösung zur Kombination von Batch-Jobs in sequenziell verknüpften Jobketten inklusive Steuerungs- und Konfigurationsmöglichkeit
• Neuentwicklung eines benutzerfreundlichen und modernen Web-Frontends auf Basis von Angular
• Implementierung einer Steuerung für einzelne Batch-Jobs (Start, Stopp, Fortsetzen, Status, Logs) über eine REST-API und Weboberfläche
• Entwicklung von Funktionen zur Erstellung, Konfiguration und Steuerung von Jobketten per Drag & Drop
• Umsetzung der visuellen Konfiguration und Steuerung des vollständigen monatlichen Verrechnungsvorgangs auf Basis der definierten Jobketten
• Implementierung einer Logik für den kompletten Verrechnungsvorgang zur Wiederherstellung eines konsistenten Systemzustands im Fehlerfall

Erfolge:

• Verrechnungsschritte lassen sich komfortabel via Drag & Drop konfigurieren und steuern
• Verrechnungen können im Fehlerfall vollständig zurückgesetzt und erneut gestartet werden
• Benutzeroberfläche ermöglicht transparente Einsicht in Status und Logs sämtlicher Verrechnungsläufe

Modernisierung und Optimierung eines datenbankgestützten Batch-Verarbeitungssystems

• Modernisierung & technische Updates:
  • Migration der gesamten Anwendung von Java 8 auf Java 11
  • Aktualisierung der Testbasis von JUnit4 auf JUnit5
  • Integration des Projekts in SonarQube zur Qualitätssicherung
• Performance & Architektur:
  • Parallelisierung des Datenexports
  • Optimierung einzelner Verarbeitungsschritte bzgl. Laufzeit und Anzahl verwendeter Zwischentabellen
  • Reduktion technischer Komplexität durch Wegfall nicht mehr benötigter Zwischentabellen
  • Refactoring zur Verbesserung von Wartbarkeit und Lesbarkeit
• Robustheit & Testbarkeit:
  • Implementierung einer Logik zur Wiederherstellung des ursprünglichen Systemzustands bei Fehlern unter Sicherstellung der Datenkonsistenz
  • Implementierung und Erweiterung von Plausibilitätsprüfungen zur Sicherung der Datenqualität
  • Entwicklung eines Frameworks für datengetriebene Integrationstests mit großen Datenmengen
  • Implementierung zusätzlicher Unittests
• Business & Koordination:
  • Enge Abstimmung mit Business-Analysten zur Klärung und Umsetzung fachlicher Anforderungen
  • Koordination mit dem Deployment-Team und Begleitung der Produktivsetzung

Projektziele:

• Migration der Anwendung auf moderne Java-Versionen und Testframeworks
• Optimierung der Verarbeitungsschritte hinsichtlich Performance
• Umsetzung neuer fachlicher Anforderungen zur Abbildung aktueller Geschäftsprozesse
• Implementierung eines Rollback-Konzepts für den vollständigen Verrechnungsvorgang

Erfolge:

• Erhöhung der Verarbeitungsgeschwindigkeit einzelner Verarbeitungsroutinen
• Vereinfachung und technische Modernisierung des Codes zur besseren Erweiterbarkeit
• Umsetzung eines robusten Rollback-Mechanismus zur Wiederherstellung eines konsistenten Zustands im Fehlerfall

Migration und Modernisierung der REST-Schnittstellen eines Verrechnungsservices

• Technische Migration:
  • Migration der REST-Schnittstellen von WebLogic (Jersey) nach Quarkus 2 (RESTEasy)
  • Upgrade der Anwendung von Java 8 auf Java 11
  • Portierung aller Unittests auf das Quarkus-Testframework unter Verwendung von Rest-Assured
  • Einführung des Datenbank-Testframeworks DBRider
  • Implementierung zusätzlicher Unittests zur Verbesserung der Testabdeckung
• CI/CD & Testinfrastruktur:
  • Neugestaltung und Vereinfachung der Deployment- und Release-Pipeline auf Jenkins-Basis
  • Integration von SonarQube zur statischen Codeanalyse
  • Entfernung von WebLogic aus der Testinfrastruktur zur Reduktion von Komplexität und Lizenzkosten
• Fachliche Erweiterungen:
  • Umsetzung kleiner fachlicher Änderungen an bestehenden REST-Schnittstellen (z.B. neue Felder)
  • Implementierung einer neuen REST-Schnittstelle zur Verwaltung von Preisen im Verrechnungsservice
• Koordination:
  • Enge Abstimmung mit dem Deployment-Team im Rahmen der Umstellung und Produktionsvorbereitung

Projektziele:

• Migration eines bestehenden Verrechnungsservices von einem monolithischen Java-EE-Ansatz auf eine moderne, leichtgewichtige Quarkus-basierte REST-Architektur
• Modernisierung der technischen Basis des Systems als auch der CI-/CD-Pipelines
• Verbesserung der Testabdeckung und Erhöhung der Wartbarkeit des Systems

Erfolge:

• Beschleunigung und Vereinfachung des Deployments durch Umstellung auf Quarkus
• Reduzierung der Größe der Binaries um ca. 20%
• Abschaffung von WebLogic in Testumgebungen ? weniger Wartungsaufwand & Lizenzfreiheit
• Leistungssteigerung bei REST-Schnittstellen zur Dateneinlastung

• Konzeption und Architektur des Gesamtsystems zur flexiblen Verarbeitung heterogener Datenlieferungen
• Analyse existierender Datenformate und Entwicklung robuster Parser für diverse Standard- und Spezialformate
• Entwicklung einer leistungsfähigen DSL zur Definition von Verarbeitungslogiken (inkl. Joins, Operatoren, Funktionen, dynamischer Typen und Variablen)
• Umsetzung von Parsern mit Fehlerbehebungs-Heuristiken (z.B. bei fehlerhaften CSV-Dateien, unerwarteten Zeilenumbrüchen, Mojibake)
• Realisierung komplexer Verarbeitungsalgorithmen für Datenblöcke, dateiübergreifende Joins, Trennung kundenindividueller Daten
• Performance-Optimierung durch Nutzung effizienter APIs (Apache POI Event-API, stax/stax2, speicherschonende Datenstrukturen, CQEngine)
• Entwicklung eines asynchronen Batch-Services zur dateibasierten Verarbeitung und Speicherung in OracleDB/MariaDB
• Aufbau einer REST-API mit JWT-Absicherung für Steuerung und Überwachung der Verarbeitung sowie Benutzer- und Regelverwaltung
• Entwicklung eines Blockly-basierten Editors in Angular zur Konfiguration der Datenverarbeitung durch Sachbearbeiter
• Erstellung eines visuellen Tools zur Spaltendefinition für FixedWidth-Dateien
• Aufbau einer automatisierten CI/CD-Pipeline mit Jenkins (inkl. Build, Release, Deployment, Tests)
• Umsetzung von Test- und Vergleichstools zur Qualitätssicherung durch Business-Analysten
• Enge Zusammenarbeit mit Fachabteilungen in einem agilen Setup (inkl. regelmäßiger Reviews und Feedbackschleifen)

Projektziele:

• Entwicklung eines flexiblen Systems zur automatisierten, regelbasierten Verarbeitung von Kundendatenlieferungen über SFTP/FTAPI
• Ermöglichung einer vollständig konfigurierbaren Verarbeitung durch Fachanwender ohne Programmierkenntnisse
• Unterstützung zahlreicher Dateiformate und -strukturen (CSV, Fixed Width, Excel, XML, JSON, kundenspezifische Formate, Archive, verschlüsselte Dateien)
• Asynchrone, stabile Verarbeitung auch großer Datenmengen
• Automatisierte Übertragung der verarbeiteten Daten in eine zentrale relationale Datenbank

Erfolge:

• Fachanwender konnten komplexe Verarbeitungsszenarien eigenständig erstellen und anpassen
• Robuste, performante Verarbeitung großer und komplexer Datenlieferungen (inkl. Joins über Dateien und Sheets)
• Reduktion des Entwicklungsaufwands bei neuen Kundenanforderungen durch modulare Architektur und visuelle Konfigurationsmöglichkeiten
• Der Service verarbeitet aktuell automatisiert die Datenlieferungen von fast 800 Kunden zuverlässig und performant