Seit Anfang 2026 erfolgt parallel zum Auslaufen des langlaufenden INVENOX-Mandats und anschließend verstärkt die bewusste fachliche und strategische Weiterentwicklung von Maierhofer Consulting in Richtung kontrollierter AI-Nutzung im Software-Engineering. Im Mittelpunkt stehen die praktische Integration von AI-Werkzeugen in reale Entwicklungsprozesse, der Aufbau eigener Engineering- und AI-Infrastruktur sowie die Umsetzung produktionsnaher Demonstratoren und MVPs.

• Der Schwerpunkt liegt auf der praktischen Erprobung AI-gestützter Softwareentwicklung mit Coding Agents, lokalen Modellen und Human-in-the-loop-Prozessen. 
• Ein besonderer Fokus liegt auf der sicheren und reproduzierbaren Ausführung von AI-Agenten in Docker-isolierten Entwicklungs- und Testumgebungen. 
• Dabei wird untersucht, wie AI in Anforderungen, Architektur, Implementierung, Tests und Dokumentation eingebunden werden kann, ohne technische Verantwortung, Qualitätssicherung und Nachvollziehbarkeit aufzugeben.
• Ziel ist der Aufbau wiederverwendbarer Vorgehensmodelle für Kunden-, Industrie- und Startup-Kontexte.

Startup-Kurzprojekt - Praxiserprobung AI-gestützter MVP-Entwicklung

Entwicklung eines Demonstrators zur Lebensdauerprognose, Verschleißanalyse und wirtschaftlichen Bewertung von Windenergieanlagen unter Einsatz physikalischer Simulationsmodelle und Machine-Learning-basierter Prognoseverfahren.

• Ziel des Projekts war die Bewertung unterschiedlicher Wartungs- und Instandhaltungsstrategien sowie die Untersuchung des wirtschaftlichen Potenzials von Lifetime-Extension-Technologien. 
• Grundlage bildeten physikalische Simulationsmodelle, historische Winddaten und Machine-Learning-basierte Verschleißprognosen.
  • Verantwortlich für Architektur, Konzeption und Entwicklung eines lauffähigen MVPs zur Simulation, Analyse und Lebensdauerprognose von Windenergieanlagen.
  • Dies umfasste die Entwicklung eines ASP.NET-Core-Backends mit mehreren React-/TypeScript-Frontends, die Integration von Machine-Learning-Modellen zur Verschleiß- und Lebensdauerprognose sowie die Unterstützung der fachlichen Produktkonzeption.

Schwerpunkte:

• Der Schwerpunkt lag auf der Entwicklung eines End-to-End-Demonstrators zur Simulation von Verschleiß-, Alterungs- und Ausfallprozessen in Windenergieanlagen. 
• Hierzu wurden Schadens- und Wartungsszenarien modelliert, deren wirtschaftliche Auswirkungen bewertet sowie Machine-Learning-Modelle für Verschleiß- und Lebensdauerprognosen trainiert und integriert. 
• Die resultierenden Betriebs-, Verschleiß- und Prognosedaten wurden für technische und wirtschaftliche Entscheidungsprozesse visualisiert und aufbereitet.

Besonderheiten und Ergebnis:

• Der Demonstrator wurde als Praxiserprobung moderner AI-gestützter Softwareentwicklung umgesetzt. 
• Architektur, fachliches Modell, Scope und technische Entscheidungen wurden von mir definiert und verantwortet, während die Implementierung weitgehend unter Einsatz von Claude Code erfolgte und durch Reviews, Tests sowie iterative Feedback-Schleifen abgesichert wurde. 
• Es entstand ein lauffähiger End-to-End-Demonstrator zur Simulation, Analyse und Lebensdauerprognose von Windenergieanlagen mit integrierter Machine-Learning-Pipeline.
• Der Demonstrator wurde erfolgreich potenziellen Geldgebern und Entwicklungspartnern vorgestellt.

Startup im Umfeld Machine Learning für Produktionsprozesse (u. a. Systeme zur virtuellen Qualitätsprüfung / ?Virtual Quality Control?). Die Beauftragung erfolgte auf Anfrage des R&D-Leiters (zuvor gemeinsame Tätigkeit bei Atlas Copco IAS) und wurde im Rahmen der strategischen Weiterentwicklung von Maierhofer Consulting im Bereich AI angenommen.

• Unterstützung bei der Rekrutierung des Softwareentwicklungsteams 
• Aufbau und Etablierung eines funktionierenden Entwicklungsprozesses 
• Durchführung und Moderation von Retrospektiven und Refinements

Besonderheiten & Ergebnis:

• Im Softwareteam wurde ein stabiler und praxistauglicher Entwicklungsprozess etabliert. 
• Die initiale Storming-Phase konnte erfolgreich überwunden und die Zusammenarbeit im Team deutlich verbessert werden.
• Der Scrum-Prozess wurde dabei im gesetzten Rahmen praktikabel eingeführt und im Arbeitsalltag umgesetzt. 
• Im AI-Team zeigten sich deutliche Herausforderungen bei der Anpassung an agile Arbeitsweisen. 
• Eine zentrale Schwierigkeit lag in der unterschiedlichen Natur von Software- und AI-Entwicklung, insbesondere im Schneiden von Value bei kombinierten Software-/AI-Funktionalitäten sowie in den langen Trainingszyklen, die sich unmittelbar auf die Einhaltung der Definition of Done und Akzeptanzkriterien auswirkten. 
• Zur Integration in einen sprintbasierten Prozess wurden verschiedene Ansätze erprobt, unter anderem die Aufteilung von Features in Vor- und Nach-Trainingsphasen. 
• Diese Ansätze konnten jedoch nicht nachhaltig etabliert werden, da die Weiterentwicklung des Entwicklungsprozesses durch organisatorische Rahmenbedingungen und bestehende Führungsstrukturen im AI-Umfeld eingeschränkt wurde. 
• Eine konsequente Steuerung und Weiterentwicklung des Prozesses hätten eine dedizierte Scrum-Master-Rolle erfordert. 
• Notwendige strukturelle Anpassungen konnten nur begrenzt wirksam werden, da wesentliche organisatorische und führungsbezogene Voraussetzungen nicht konsequent hergestellt wurden.

INVENOX entwickelte für einen Kunden aus dem Nutzfahrzeugbereich ein kundenspezifisches Batteriesystem, das gemäß funktionaler Sicherheitsanforderungen (ISO 25119) zertifiziert werden sollte. Im Zentrum stand die Weiterentwicklung und Qualifizierung des bestehenden Battery Management Systems (BMS) (Hardware und Software), das für den spezifischen Einsatz angepasst und FuSi-konform überarbeitet werden musste. Die Zertifizierung des BMS (ECU) erfolgt nach ISO 25119, IEC 61508 und ISO 26262. Das Projekt wurde im Umfeld der HYDAC Gruppe unter Einbindung der HYDAC Software (HSW) als Entwicklungspartner durchgeführt.

• Entwicklung eines kundenspezifischen Batteriesystems (inkl. BMS) für einen renommierten Nutzfahrzeughersteller (Schweiz) mit Ziel eine FuSi-zertifizierte Batterie für ein neues Fahrzeug zu produzieren
• Operative Unterstützung im Gesamtprojekt (Hardware/Software) 
• De facto Teilprojektleitung für Unit- und Modultests (extern)

Schwerpunkt:

• Aufbau der Unit- und Modultestebene als kritischer Baustein für die FuSi-Zertifizierbarkeit. Zu Projektbeginn war auf Unit- und Modulebene keine strukturierte Testabdeckung vorhanden. Abzusichern war ein sicherheitsrelevanter Legacy-C-Codebestand von ca. 120.000 Zeilen. Die Komplexität ergab sich nicht nur aus der Codebasis selbst, sondern auch aus der verteilten BMS-Systemarchitektur. Das System umfasste separate BMS-Hardwarevarianten auf Modul- und Packebene. Deren Teilkomponenten mussten bis hin zum
• Multimaster-Betrieb mehrerer Batteriepacks über den Fahrzeug-CAN koordiniert werden. Initiale Abschätzungen ergaben einen Testaufwand in der Größenordnung von ca. 10 Personenjahren; im Projektverlauf entstanden knapp 600.000 Zeilen Testcode. Die fehlende Testbasis stellte damit ein zentrales Risiko für die FuSi-Zertifizierbarkeit dar und wurde von mir als Fokus-Thema übernommen.

Teamaufbau & fachliche Führung

• Aufbau eines externen Testteams (4 Mitarbeiter über EDAG) 
• Fachliche Führung und Anleitung des Teams (u.a. Testvorgehen, Cantata) 
• Aufgabenstrukturierung, Priorisierung und inhaltliche Abstimmung 
• Reporting und Koordination mit dem Gesamtprojekt und der HSW 

Hands-on Entwicklung & technische Umsetzung 

• Aufbau der Unit- und Modultestebene 
• Erstellung der initialen Testfälle 
• Erstellen des Testplans und der Testing-Guideline, Abstimmung TÜV 
• Umsetzung komplexer und problematischer Testfälle selbst
• Review und Merge der erstellten Tests durch die EDAG-Tester
• Generierung zusätzlicher Testvektoren mit Claude Code / Cantata Skill 
• Unterstützung beim Aufbau eines FuSi qualifizierbaren HiL-Testsystems 

Technologien & Umfeld

• Embedded Software: C (Legacy Firmware, testbasierte Absicherung)
• Test: Cantata (Unit- und Modultests für sicherheitskritische Software) 
• HiL-System: Beckhoff / TwinCAT (Aufbau und Qualifizierung) 
• Automatisierung / Tools: Python (Unterstützung HiL / Testumgebung) 
• Funktionale Sicherheit: ISO 25119, IEC 61508, ISO 26262

Projekt- & Managementbeitrag

• Verbesserung der Transparenz (Refinements & Retrospektiven) 
• Abstimmung mit Entwicklung, Test und Projektumfeld 
• Unterstützung bei projektübergreifenden technischen Themen (HW/SW) 
• Technischer Ansprechpartner auch für angrenzende Themenbereiche 
• Unterstützung bei der Aktualisierung des Gesamtprojektplans 
• Moderation der Gesamtprojektretrospektive nach Projektabschluss

des Einstiegs befand sich das Team jedoch noch in einem vorgelagerten Projekt zur Ablösung eines abgekündigten Lagesensors.

• Ich war initial als Entwickler im MCU-Team tätig. Der technische Lead dieses Teams verließ Leica kurz nach AP20 Projektstart, woraufhin ich die Rolle des Technical Leads für das MCU-Team übernahm. Parallel dazu übernahm ich zeitweise die Rolle des Scrum Masters (interim), um den Übergang zwischen zwei Scrum Mastern zu überbrücken. Nach Abschluss des AP20 wurde mein Verantwortungsbereich erweitert. Im Rahmen des Hardware Bring-ups des Nachfolgegeräts TS20 übernahm ich zusätzlich die technische Koordination zwischen Softwareentwicklung und Elektronik-/FPGA-Entwicklung.
• Ich übernahm im MCU-Team eine zentrale Rolle in der technischen Abstimmung und Ausrichtung und gestaltete die Rolle des Tech Leads im Sinne agiler Arbeitsweisen. Dabei stellte ich eine enge Rückkopplung zwischen Team und Projektumfeld sicher und vermied Entscheidungen ohne Einbindung des Teams. 
• Mit dem Start des AP20 wurden die bisherigen Projektteams neu aufgestellt und gezielt um eine Testerin ergänzt, um ein cross-funktionales Setup zu erproben. Die Einarbeitung und Integration der Testerin erfolgte durch mich. 
• In diesem Zusammenhang wurde das AP20-Testkonzept gemeinsam umgesetzt und weiterentwickelt, wodurch das cross-funktionale Arbeiten im Team etabliert wurde.

Hands-on Entwicklung & technische Umsetzung AP20

• Entwicklung der MCU-Firmware im Embedded-C++-Umfeld 
• Entwurf einer Komponentenbasierten Softwarearchitektur 
• Einsatz von C++20 Template-Metaprogrammierung 
• Aufbau der Systemtest-Infrastruktur sowie Integration in die CI-Pipeline 
• Entwicklung automatisierter Tests für die Integrations- und Systemebene Hands-on Entwicklung & technische Umsetzung TS20 
• Implementierung der Interprozessor-Kommunikation mittels RPMSG 
• Implementierung der Sensor Software (Hardware Bring-Up) 
• Aufbau der Test-Infrastruktur sowie Integration in die CI-Pipeline

Besonderheiten & Ergebnis:

• Ein zentraler technischer Engpass im AP20-Projekt war der stark limitierte Flash-Speicher des eingesetzten Systems. Der ursprünglich von Leica verwendete, objektorientierte Software-Stack konnte unter diesen Rahmenbedingungen nicht eingesetzt werden, da er den verfügbaren Speicher überschritt und damit zu einem Showstopper für die weitere Entwicklung wurde. Stattdessen wurde die bestehende Komponentenstruktur so weiterentwickelt, dass die Firmware über eine statische Verdrahtung der Komponenten zur Compile-Zeit erzeugt wird. 
• Durch den Einsatz von Template-Metaprogrammierung konnte so eine flexible, aber gleichzeitig speichereffiziente Architektur umgesetzt werden. Dieser Ansatz ermöglichte es, unterschiedliche Firmware-Varianten - etwa für Platinenhersteller, Inbetriebnahme und Test in der Produktion sowie die eigentliche Endkunden Firmware ? aus einer gemeinsamen Codebasis zu generieren und dabei dennoch die strikten Speicherrestriktionen einzuhalten.
• Die Markteinführung des AP20 war für Leica sehr erfolgreich. Das AP20-System eliminiert im praktischen Einsatz zentrale Fehlerquellen und manuelle Arbeitsschritte und machte damit Messprozesse im Feld deutlich robuster. In der Anwendung zeigte sich ein stabiler und zuverlässiger Betrieb unter realen Einsatzbedingungen.

Betriebsgröße Atlas Copco ca. 45.000 Mitarbeiter, Am Standort Bretten ca. 300 Mitarbeiter, davon ca. 60 in den Softwareabteilungen. Projektteam ?Enterprise? (12 Entwickler): Architektur und Entwicklung einer Steuerungsplattform (Soft & Hardware) für die Atlas Copco IAS Steuerungen im Bereich Industrielle Verbindungen. Architektur und Entwicklung einer neuen Klebesteuerung für die Atlas Copco Klebesysteme und Fasspumpen. Architektur und Entwicklung ?Prozessdaten Management Service?. Entwicklung neuer intuitiver Bedienkonzepte für die Atlas Copco IAS Steuerungen. Lead Development zur Refakturierung, Stabilisierung und Performanceoptimierung von Legacy Code in C# / .NET / WinForms.

• Lead Development Prozessdatenmanagent (C#)
• Lead Development bei der Umsetzung der Steuerungsplattform (C++,C#)
• Lead Development bei der Legacy Code Refakturierung (C#)
• Architektur und Design der Steuerungsplattform
• Code Reviews
• Reverse Engineering bestehender Code ohne Dokumentation     
• Fachliche und technische Koordination, abteilungsübergreifend
• Einführung agiler Architektur und Designmethoden in das Team
• Führung und Coaching bezüglich Extreme Programming Prinzipien
• Führung und Coaching bezüglich ?Clean Code? & ?Clean Architecture?
• Einführung von Continuous Integration, Test Driven Development, ?

Prozesse

• Agile Softwareentwicklung (Scrum, Kanban)
• Integration in meilensteinorientierte Gesamtplanung
• User Experience (UX) Prozess

Entwicklung eines Backend-Frameworks für Microsoft .NET und Mono.

• Backend-Framework Design für Microsoft .NET und Mono
• Workflow Engine für Background Tasks
• Modulare Backend-Service Entwicklung
• Durchsatzsteigerung von Massenspeicheroperationen
• Framework Dokumentation
• Webseiten Entwicklung und Design
• Far-Shore Team: Ein Entwickler 

Konzeption einer Information Retrieval und Data Mining Anwendung

• Verteiltes Rechnen
• Gemischter Betrieb Windows / Linux
• Durchsatzsteigerung / Leistungsoptimierung
• Near-Shore Team: Fünf Entwickler