• Performante Rust-Neuimplementierung von Python Docling, aufgenommen in das offizielle Docling-Projekt, die über 20 Dokumentformate (PDF, DOCX, PPTX, XLSX, HTML, EPUB, Bilder, Audio) in eine einheitliche DoclingDocument-Struktur für KI/RAG-Pipelines umwandelt. 
• Reiner Rust-PDF-Parser mit ONNX-Layout/TableFormer/OCR-Stack und Whisper-ASR; 2?57× weniger Speicher und bis zu 46× schneller als Python, mit Node.js/TypeScript-Bindings. 
• Erzeugt Markdown, docling-JSON und DocLang (.dclx) und enthält ein modulares RAG-Subsystem: Chunking, austauschbare Embedder und Vektordatenbanken, Hybrid-/Multi-Query-/HyDE-Retrieval sowie eine REST-API.

• Selbst-gehostete Multi-Provider-LLM-Chat-Plattform (offene ChatGPT-Alternative). 
• React/TypeScript-Frontend mit Node.js- und Rust-Backend; integriert AWS Bedrock, OpenAI und Yandex AI mit RAG (Docling), MCP-Tool-Servern, In-Browser-Python (Pyodide) und Bildgenerierung. 
• GraphQL-API, WebSocket-Subscriptions, PostgreSQL/Redis.

• Entwurf und Implementierung der Quarkus-Plattformdienste ? Management API für Schemata, Datenbestellungen, Pipelines und Provisionierung sowie Deployment Service für Kafka-Topics, ACLs und Identity Pools auf Confluent ? integriert mit Schema Registry und den Legacy-Fahrzeugdatendiensten des Kunden, mit Schema-Validierung bei der Aufnahme und korrigierter Kafka-Key-Auswahl für Reihenfolgegarantien.
• Verantwortung für die Flink-Schicht: Pipeline-Persistenz auf reaktivem Hibernate/Flyway mit automatischem Neustart fehlgeschlagener Jobs, byteidentisches Refactoring des zentralen Jobs, Redis-gestützter Regel-Cache, Upgrade auf Flink 2.2 sowie Migrationstool (Export, Rewrite, Import, wiederaufnehmbare Batches) und Cilium/Kyverno/ArgoCD/Helm-Codierung für den Umzug auf die neue Kubernetes-Plattform.
• Härtung und Skalierung der Azure-Edge: mTLS für Konsumenten, In-App-JWT-Validierung hinter einem Off/Shadow/Enforce-Schalter, Managed Identity statt SPN-Credentials sowie API-Management-Richtlinien mit gemeinsamem Redis-Token-Cache (99 % Trefferquote), die ~4,9 Mio. redundante Aufrufe pro 12 h beseitigten, die Kapazitätsgrenze von 31 Einheiten aufhoben und die Log-Analytics-Kosten um ~43 k EUR/Monat senkten.

• Konzeption und Umsetzung einer mandantenfähigen Plattform für mehrere rechtlich getrennte Gesellschaften und Veranstaltungsformate: Ein Login unterstützt mehrere Rollen mit rollenspezifischen Funktionen; jede Abfrage wird über Zugriffsrechte je Mandant eingegrenzt, die an einen unterzeichneten Vertrag gekoppelt werden können.
• Modellierung wiederkehrender Dienstpläne, die Konzerte mit unveränderlichem Besetzungs-Snapshot erzeugen; Doppelbuchungen werden bereits in der Datenbank verhindert. Ergänzt um .ICS-Bestätigungs-E-Mails sowie PDF-Berichte zu Teilnehmern und Gagen.
• Durchgängig TypeScript auf Bun ? GraphQL Yoga, Prisma/PostgreSQL, React/Redux/Mantine, Google- und Apple-OAuth ? auf AWS ECS Fargate mit Terraform/Terragrunt und GitHub Actions; vollständig mit Claude Code entwickelt, von Anforderungen und Datenmodell bis zur Infrastruktur, als Fallstudie für AI-gestützte Entwicklung im Produktionsmaßstab.

• End-to-End-Verantwortung für eine Self-Service-Plattform, auf der Fachanwender einen KI-Agenten im Chat beschreiben, ihn als bearbeitbaren visuellen Workflow zurückerhalten, veröffentlichen und mit echtem Traffic über ein gemeinsames Postfach, einbettbare Webformulare, Live-Telefonate (WebRTC mit kurzlebigen Ephemeral Tokens) und Cron-Zeitpläne betreiben; Agenten stützen sich auf Azure AI Foundry Vector Stores, antworten in der Sprache des Kunden, übergeben Ergebnisse an Salesforce und SAP und erreichen Kundensysteme über OAuth2-gesicherte MCP-Server mit verschlüsselt gespeicherten Tokens.
• Entwurf der Architektur: ein Next.js-Portal, zwei Python Azure Function Apps (Dispatcher und Executor auf PydanticAI über die Azure OpenAI Responses API) und Storage Queues als einzige Schnittstellen, verbunden durch einen gemeinsamen Workflow-JSON-Vertrag für ReactFlow-Canvas, Generierungs-Bot und Laufzeit ? mit gestreamter Ausgabe, Retry-Klassifizierung und einem Redis-gestützten Human-in-the-Loop-Pause/Resume-Primitiv.
• Mandantenfähigkeit von Grund auf (domainbasierte Mandantenauflösung, Mandanten-Prädikat in jeder Abfrage, Build-brechender Test für jede Abfrage ohne Mandanten-ID) und Auslieferung wahlweise als gemeinsames Portal mit kundenspezifischem Branding oder als Single-Tenant-Installation in der Azure-Subscription des Kunden; Terraform und GitHub Actions mit OIDC bauen die Plattform aus einer leeren Subscription auf, das Kunden-Onboarding besteht aus einem GitHub Environment und einer tfvars-Datei.

• Aufbau einer LLM-as-a-Judge-Qualitätsschicht für kundenorientierte Chatbots: Jeder Gesprächsschritt wird in Langfuse erfasst und asynchron durch einen AWS Bedrock LLM-Judge in Kombination mit programmierten Metriken bewertet ? 9 Live-Qualitätskennzahlen (Qualität, Kosten, Eskalationsrisiko), einsetzbar mit jedem Chatbot.

• Entwicklung einer robusten und widerstandsfähigen CI/CD-Plattform mit integrierten Unit- und e2e-Tests (Playwright) und Feature-Umgebungen.
• Einführung nahtloser Benutzer-Authentifizierung und rollenbasierter Autorisierung gegen AWS Cognito.
• Unterstützung von kollaborativen Chats, Arbeitsbereichen, Dokumenten basierend auf WebSockets und WebRTC.

Arbeit an großem B2B-Projekt in der Modebranche (#1 auf dem US-Markt), Integrationsaufgaben und Entwicklung einer benutzerdefinierten ETL-Engine (Extract, Transform, Load).

• Profiling und Refactoring von Node.js-Microservices; interaktive UI für das ETL-Tool mit React Flow, dagre und GRPC.
• Design und Implementierung von Box .com- und Dropbox-Konnektoren für die ETL-Engine (Go lang); Integration der excelize-Bibliothek in den XSL-Prozessor samt Behebung mehrerer Probleme im Bibliothekscode.
• Integration von Threedium 3D-Modellen mit einer benutzerdefinierten React-Komponente.

Teilnahme an 20+ Projekten, darunter NLP- und Textmining-Tool Intellexer.