Profil

• Senior Software Engineer mit Schwerpunkt auf Backend-Engineering, Integrationsarchitekturen und datengetriebenen Plattformen. Erfahrung in Konzeption, Entwicklung und Betrieb produktionsreifer, skalierbarer Systeme ? von APIs und Middleware über Automatisierungen bis hin zu datennahen Services und KI-gestützten Anwendungen. Fokus auf sauberes Backend-Design, robuste Schnittstellen sowie die Modernisierung gewachsener Systemlandschaften (Legacy-Refactoring, Stabilisierung, Reduktion technischer Schulden).
• Ausgeprägte Hands-on-Kompetenz in Python, FastAPI, PostgreSQL, Docker und Kubernetes sowie in Cloud-Infrastrukturen (AWS / Azure / GCP). Ergänzend solide Umsetzungserfahrung in JavaScript/TypeScript, Node.js und Java zur Realisierung von Integrationsdiensten, API-Layern, Tooling und Erweiterungen in heterogenen Plattformlandschaften.
• Kombination von Software Engineering mit Data- und AI-Kompetenz dort, wo messbarer Mehrwert entsteht: Analytics-nahe Services, Entscheidungslogik, Prognosemodelle, LLM-basierte Assistenzsysteme sowie Computer-Vision-Anwendungen, integriert in reale Produkt- und Betriebsprozesse.
• Mehrjährige Tätigkeit in führenden E-Commerce-Umfeldern (u. a. Internetstores, bike-components) in Rollen mit technischer Verantwortung sowie Schnittstellen zu Produkt- und Datenorganisation (u. a. Teamlead, Product Owner, Data Architect). Hohe Praxisnähe in komplexen Systemlandschaften: inkonsistente Schnittstellen, Legacy-Code, fragile Datenpipelines und heterogene Integrationsmuster; bewährter, pragmatischer Ansatz zur Stabilisierung und Weiterentwicklung.

Kernkompetenzen

Backend-Engineering & Architektur

• Entwurf und Umsetzung von Backend-Architekturen (modular, testbar, wartbar)
• Entwicklung und Betrieb von REST- und GraphQL-APIs inkl. Versionierung, Contract-Design, Fehler- und Latenzmanagement
• Aufbau von Middleware- und Integrationsschichten (Entkopplung, Orchestrierung, Event-/Message-orientierte Muster)
• Modernisierung bestehender Systeme: Refactoring, Strangler-Patterns, Schnittstellenkonsolidierung, Ablösung kritischer Legacy-Komponenten
• Observability-orientierte Umsetzung (Logging, Metrics, Tracing), Produktionsstabilität und Betriebskonzepte

Systemintegration & Plattformen (E-Commerce / PIM / ERP / CRM)

• Integration von Shop-, PIM-, ERP- und CRM-Systemen über APIs, Webhooks und Jobs
• Automatisierte Datensynchronisation, Datenabgleich und Konfliktbehandlung (Idempotenz, Retry-/Backoff-Strategien)
• Konsistenz- und Performance-Optimierung in verteilten Systemen (Caching, Backpressure, Rate-Limits)
• Umsetzung stabiler ETL/ELT-naher Services und datenzentrischer Schnittstellen

DevOps, Container & Cloud

• Containerisierung mit Docker, Orchestrierung mit Kubernetes
• CI/CD-Pipelines, Build-/Release-Strategien, Infrastructure-nahe Deployments
• Betrieb in Cloud-Umgebungen (AWS / Azure / GCP) inkl. Skalierung, Secrets- /Config-Management, Kosten- und Performancebewusstsein
• Automatisierung von Betriebs- und Integrationsprozessen mit n8n (Workflows, Connectoren, Retry/Monitoring)

Data, Analytics & Applied AI

• Data Engineering & Analytics-Systeme (10+ Jahre Erfahrung)
• Aufbau analytics-naher Services: Datenmodelle, Aggregationen, Feature-Bereitstellung, Datenqualität
• Entwicklung und Integration von Prognose- und Entscheidungsmodellen (operationalisiert, nachvollziehbar)

Entwicklung produktiver KI-Systeme über den gesamten Stack hinweg:

• LLM-Integration in Anwendungen (Assistenzsysteme, Entscheidungsunterstützung, Automatisierung)
• Aufbau von Retrieval-Systemen (RAG) inkl. Dokumenten-Ingestion, Chunking-Strategien und Metadatenmodellierung
• Einsatz von Vector Databases für semantische Suche und Wissenssysteme
• Entwicklung eigener API-Backends für KI-Services (REST/GraphQL)
• Tool-Integration, Guardrails, Evaluierung und Monitoring von KI-Outputs

Computer-Vision-Anwendungen:

• Bildklassifikation und visuelle Erkennung mit modernen Deep-Learning-Architekturen (z. B. Vision Transformer / ViT)
• Automatisierte visuelle Kategorisierung und Qualitätsprüfung
• Integration von Bildanalyse in operative Systeme und Workflows

KI-Backends & Dateninfrastruktur

• Entwicklung skalierbarer Backend-Architekturen für KI-gestützte Systeme
• Aufbau von Embedding-Pipelines und semantischen Datenzugriffsschichten
• Integration strukturierter und unstrukturierter Daten in einheitliche WissenssystemeHybrid-Suchverfahren (semantisch + regelbasiert/keywordbasiert)
• Zugriffskonzepte für sensible Unternehmensdaten (Isolation, Rollenmodelle)
• Containerisierte Deployments und Betrieb von KI-Services

Security & Quality Engineering

• Security-aware Engineering (Secure Coding, sensible Daten, API-Schutz, Least-Privilege-Prinzipien)
• Erfahrung mit Penetration Testing bzw. pentest-nahen Tätigkeiten (Interpretation von Findings, Remediation, Härtung)
• Teststrategie: Unit/Integration/Contract-Tests, Migrations- und Regressionstests für Legacy-Modernisierung

Technologiestack - Primary Stack (Core)

• Python, FastAPI
• PostgreSQL
• Docker, Kubernetes
• n8n (Automation/Integration)
• Cloud:
  • AWS / Azure / GCP
• API:
  • REST, GraphQL

Secondary Stack

• JavaScript / TypeScript (Integrationslogik, APIs, Tooling, Skripting)
• Node.js (Service-Layer, Worker/Jobs, Connectoren, API-Gateways/BFF-nahe Komponenten)
• Java (Enterprise-Integrationen, Services in JVM-Umfeldern, Erweiterungen in bestehenden Plattformen)

Rollen-Background

• Rollen mit breitem Verantwortungsbereich entlang Engineering, Produkt und Daten: Teamlead, Product Owner, Data Architect
• Routine im Umgang mit heterogenen Systemlandschaften und organisationsübergreifenden Schnittstellen (Engineering, Product, Operations)

Arbeitsweise

• Einbindung in bestehende Engineering-Teams oder als technischer Sparringspartner
• Prioritäten:
  • saubere Architektur, klare Verantwortlichkeiten, verlässliche Umsetzung, nachhaltiger Betrieb
• Kommunikationsstil:
  • strukturiert, faktenbasiert, lösungsorientiert; Fokus auf belastbare Entscheidungen statt Buzzwords