2025 - laufend führender Handelskonzern
Köln
Logistiksysteme
  • Entwicklung und Betrieb von skalierbaren Backend-Services in einer Cloud-nativen, asynchronen Umgebung.
  • Technologien: Agentic Coding/Engineering, GitLab, Grafana, Hibernate, Instana, Java, JDBC, JMS (IBM MQ), JPA, Kafka, Keycloak, Kubernetes, Oracle, Postgres, Prometheus, Snowflake, Spring Boot
2023 - 2025 Deutsche Bahn AG (DB Systel GmbH)
Frankfurt am Main
Reisendeninformation
  • Mitarbeit beim Entwerfen und der Umsetzung neuer Services. Leistungsverbesserung und Fehlerbehebung der Komponenten in einer Microservice Architektur. Umsetzung neuer Anforderungen an bereits vorhandene und neue Ausgangskanäle (zB.: GTFS → Google Maps, Großstörungen, Bahnhofsansagen bezüglich Anschlusszüge).
  • Technologien: AWS (RDS, ElastiCache, S3), Apache Kafka, Argo Rollouts, Argo Workflows, Docker (OCI), GTFS (static und realtime), GitLab-CI, Gradle, Grafana, Groovy, Helm, Hibernate, IBM MQTT, JSON, Java, JPA, Kubernetes (K8s), Kustomize, Liquibase, Micronaut, OpenSearch, PostgreSQL, Prometheus, Protobuf, Python, REST (OpenAPI), RabbitMQ, Sonar, Spock Framework, Spring Boot, Trivy
Infrastruktur-Migration zwischen Clustern
  • Aus Effizienzgründen musste die vorhandene Infrastruktur in einen anderen Cluster umgezogen werden. Dies setzte Praktiken wie GitOps und die Benutzung Cloud-nativer Provisionierungswerkzeuge wie Crossplane vor.
  • Technologien: AWS (ALB, RDS, ElastiCache, KMS, ECR, IAM, IRSA, S3, Cloudfront, Route 53), Bash, Crane, Crossplane, GitOps (Flux, SOPS), Jib, Kaniko, Kyverno, Kubedock, Taskfile
2022 - 2023 QuinScape GmbH
Dortmund
Umsetzung neuer Anforderungen im cPlace-basierten Projektmanagement-System
  • Es handelte sich hier um Projekte für verschiedene Hersteller der Automobilindustrie. Die gewünschten Änderungen, neuen Features betrafen sowohl das Backend als auch das Frontend.
  • Technologien: Angular, CircleCI, cPlace Framework, Java, Javascript, JUnit, Spring, Typescript
2019 - 2022 RapidMiner GmbH
Dortmund
Mitarbeit beim internationalen (EU geförderten) Forschungsprojekt: INFORE
  • Im Rahmen dieses Projektes wurde der Aufbau eines RapidMiner Plug-ins zum Ziel gesetzt, das es ermöglicht, einen (ML) Streaming Prozess grafisch zu bauen und zu deployen (in einem Flink- oder Spark Cluster).
  • Technologien: Apache Flink, Spark und Kafka, Docker, Java, RapidMiner Plug-in Framework, React, Typescript
Mitarbeit beim nationalen Forschungsprojekt: TechRad
  • Unterstützung bei NLP (natural language processing), unter anderem: Sprachmodell-Training und maschinelle Textverarbeitung.
  • Technologien: DNN (deep neural network, bsp.: Transformer Modelle wie RoBERTa), Python
Mitarbeit beim nationalen Forschungsprojekt: AKKORD
  • Implementierung eines webbasierten Analyse-Tools / Prototyps.
  • Technologien: Auth0, Java, Keycloak, OpenID Connect (SSO) / OAuth2.0, RapidMiner Ai-Hub, React (Redux), REST, Spring Boot, Typescript
Weiterentwicklung zahlreicher RapidMiner Plug-ins und Fehlerbehebung
  • Als einziger Entwickler des Forschungsteams war ich an der Betreuung mehrerer Plug-ins beteiligt.
  • Technologien: AWS (EC2, LB), Azure, DL4J (deep learning), Java, Kafka, Parquet, RapidMiner Plug-in Framework
2015 - 2019 Morgan Stanley
Budapest, New York, London
Fehlerbehebung und Weiterentwicklung der Szenarioanalyse - und Reporting Plattform der Commodities Product Group
  • Zum Kerngeschäft der CPG gehört es, verschiedene Marktszenarien zu analysieren. Dabei spielen Techniken wie die Monte-Carlo Simulation eine wichtige Rolle (um neue Preise zu berechnen) und daher bedarf es einer leistungsstarken Infrastruktur.
  • Technologien: Ant, DB2, Hazelcast, Hibernate, JUnit, Java, JEE, Jenkins, Maven, .NET (WPF und WinForms), SOAP, Spring, Sybase, XML, proprietäre Software (für Pub/Sub, Configuration Management und Key/Value Store)
Modernisierung der Szenarioanalyse - und Reporting Plattform der Commodities Product Group
  • Analyse und Entwurf eines neuen, skalierbaren Konzeptes, bzw. Aufbau eines PoC-s, um die monolithische und schwer skalierbare Plattform abzulösen.
  • Technologien: Apache Kafka, ZooKeeper, Cassandra, MongoDB, Gradle, IBM MQ, Java, Python, REST, Spring, Treadmill (container engine)
Mitarbeit bei einem Projekt im Zusammenhang mit Big Data Verarbeitung
  • Bei diesem Projekt ging es um die Erweiterung der Analysefähigkeit über die UI (das Backend basierte auf Big Data Plattformen).
  • Technologien: Hadoop (HDFS, Impala, Hive), JavaScript (mit JSP)
Optimierung der Audit ETL Pipeline der Commodities Product Group
  • Neue, regulatorische Anforderungen im Finanzwesen führen zu immer mehr werdenden und komplexeren Datenverarbeitungsprozessen. Hier mussten bereits vorhandene Datenfeedprozesse optimiert beziehungsweise neue (MiFID II) aufgenommen werden.
  • Technologien: DB2, Informatica ETL, Java, Perl, SQL, Sybase
2018 TU Budapest
Budapest
IoT smart home security system
  • Entwicklung eines erweiterbaren, modularen Smart-Security Systems für ein IoT Gerät. Ein initiales Modul wurde ebenfalls bereitgestellt, das Bewegungserkennung und CNN-basierte Gesichtserkennung (convolutional neural network) anbietet.
  • Technologien: Keras (CNN), Python, RaspberryPi, Tensorflow
2016 TU Budapest
Budapest
Data mining framework and parallel data mining algorithms
  • Entwicklung einer erweiterbaren, modularen Data Mining Anwendung, die parallelisierte Algorithmen zur Verfügung stellt. Die initialen Module umfassten unter anderem FP Growth und K-Means in Nvidia CUDA (General Purpose Computation on Graphics Processing Unit).
  • Technologien: C++, .NET C# (Plugin Framework), Nvidia CUDA
2015 AutSoft Ltd.
Budapest
Projekt für AEGON
  • Mitarbeit bei der Weiterentwicklung und Leistungsverbesserung des Verwaltungssystems für Versicherungspartner.
  • Technologien: Oracle DB, .NET WPF, WCF, Entity Framework