Senior Full-Stack Engineer · Software-Architekt · AI Engineer · Tech Lead

Ich verstehe schnell, worum es wirklich geht – und bringe komplexe Systeme ab Woche eins voran.

Seit über 15 Jahren konzipiere, entwickle und betreibe ich anspruchsvolle Software- und KI-Lösungen – vom ersten Architekturentwurf bis zum stabilen Produktionsbetrieb. Ich verbinde fachliches Verständnis mit technischer Tiefe und kann deshalb auch in gewachsene Systeme schnell einsteigen. Dass daraus häufig eine langjährige Zusammenarbeit wird, ist für mich der beste Qualitätsbeweis.

LLM / RAGKI-AgentenPythonJavaTypeScript / ReactKubernetesAzure / AWS

Projekte ansehen Kontakt aufnehmen

TLFoto: thoren.jpg

Erfahrung u.a. in Projekten für

Porsche

Lidl

KUKA

Agilent Technologies

GC Gruppe

Maico

Roca

Condor

EnBW

Ausgewählte Projekte

Drei Projekte aus den letzten Jahren.

Jeweils mit Problem, Ansatz und Ergebnis. Über Projekte unter NDA erzähle ich im Gespräch mehr.

PROJEKT 01

Multi-Tenant KI-Chatbot-Plattform

Plattform · LLM · Automatisierung

n8nDifyLLM-APIsTypeScriptPostgreSQL

Problem

Dutzende ähnliche Websites brauchten je einen eigenen Support-Chatbot. Von Hand nicht skalierbar.

Ansatz

Konzeption und Entwicklung einer mandantenfähigen Plattform, die aus einer Kundenwebsite automatisch Wissensbasis, Systemprompt und Chatbot-Konfiguration erzeugt.

Ergebnis

Neue Mandanten sind in wenigen Minuten statt eines Arbeitstags bereitgestellt. Die Bots laufen unbeaufsichtigt im Tagesgeschäft.

PROJEKT 02

ML-System für datengetriebene Auswertungen

KI / ML · Daten · MLOps

PythonPostgreSQLMLMLOpsPipelinesDashboards

Problem

Wichtige Daten lagen über mehrere Systeme verstreut; belastbare Auswertungen gab es nicht.

Ansatz

Aufbau der Daten-Pipelines und eines ML-Modells mit sauberer Validierung, deployt und betrieben wie jede andere Software. Konzeption bis Betrieb in einer Hand.

Ergebnis

Automatisierte Reports und Kennzahlen, denen das Team traut. Die manuelle Auswertungsarbeit ist weitgehend entfallen.

PROJEKT 03

Cloud-native Migration auf Kubernetes

Infrastruktur · DevOps · Betrieb

KubernetesDockerHelmCI/CDMonitoring

Problem

Ein gewachsener Monolith mit manuellen Deploys und instabilem Betrieb bremste jede Änderung aus.

Ansatz

Containerisierung, Umzug auf einen Kubernetes-Cluster, automatisierte CI/CD-Pipelines und Monitoring von Grund auf. Architektur und Umsetzung in meiner Verantwortung.

Ergebnis

Deployments dauern Minuten statt Stunden und sind reproduzierbar. Ausfälle sind selten geworden.

Weitere Projekte und Details auf Anfrage.

Schwerpunkte

Vier Dinge, die ich gut kann.

Die Kurzfassung. Details erzähle ich lieber am konkreten Projekt.

A — KI / ML

KI & ML in Produktion

GenAI in Produktion: Chatbots mit eigener Wissensbasis, RAG-Setups mit Vektordatenbanken (Qdrant), KI-Agenten, Prompt Engineering und ML-Pipelines. Das meiste davon läuft heute bei Kunden im Tagesgeschäft, nicht auf Folien.

B — ARCHITEKTUR

Architektur & Systemdesign

Systemschnitt, Technologie-Entscheidungen, Datenflüsse. Ich sage auch, wenn die einfache Lösung reicht.

C — ENTWICKLUNG

Full-Stack-Entwicklung

React und TypeScript vorn, Node, Java oder Python dahinter, PostgreSQL oder MongoDB darunter. Und keine Angst vor fremdem Code.

D — CLOUD & BETRIEB

Cloud-native, DevOps & Betrieb

Ich betreibe seit Jahren eigene Kubernetes-Cluster, unter anderem auf Hetzner, und arbeite in Kundenprojekten mit Azure und AWS. CI/CD, Monitoring und Backups gehören für mich zum Projekt.

TLFoto: thoren.jpg

Über mich

Wer ich bin.

Ich bin Thoren. Softwareentwicklung studiert, eingestiegen zu Zeiten von Java und C#. Seitdem habe ich Frontends, Backends und Datenplattformen gebaut und betreibe seit Jahren produktive Cloud-Infrastruktur.

KI ist für mich keine isolierte Disziplin. Weil ich Anwendungen, Daten und Infrastruktur kenne, kann ich KI-Funktionen nicht nur prototypisieren, sondern in bestehende Systeme integrieren und zuverlässig betreiben. Auch mein eigener Arbeitsalltag ist KI-gestützt.

Ich mag beide Seiten der Arbeit: mit dem Fachbereich klären, was wirklich gebraucht wird, und danach selbst im Code sitzen, bis es läuft.

Und wenn ich etwas für keine gute Idee halte, sage ich das. Das spart auf beiden Seiten Zeit und Geld.

TypeScriptJavaNode.jsReactPythonPostgreSQLMongoDBDockerKubernetesAzureAWSCI/CDDevOpsn8nLangChainQdrantLLM-APIsRAGKI-AgentenPrompt EngineeringMLOpsLLMOps

Artikel

Worüber ich schreibe.

Auf Medium veröffentliche ich Anleitungen aus dem Maschinenraum: n8n, Kubernetes, Superset, Scraping. Alles selbst aufgesetzt, bevor ich darüber schreibe.

Juli 2024