29.10.2026 aktualisiert
verifiziert
Premiumkunde
100 % verfügbarSenior Softwareentwickler, Backend, Mobile Development, KI-Engineering, RAG etc.
Mannheim, Deutschland
Mannheim +50 km
Diplom Informatiker (FH)Über mich
Als kreativer und zuverlässiger Softwareentwickler verbinde ich technisches Fachwissen mit innovativer Problemlösung, um robuste, benutzerfreundliche Lösungen zu entwickeln. Mit einem scharfen Auge für Details und einer Leidenschaft für die Erforschung neuer Technologien. Kein ANÜ!
Skills
XcodeGradleSwiftuiSwift (Programmiersprache)GitLabGitKotlin
Main Skills:
Programmiersprachen: Kotlin, Java, Swift, Pyhton
Frameworks & Tools: Spring Boot, Docker, Git, Kubernetes, Jira, Confluence, Jenkins, Vaadin
Cloud & Infrastruktur: AWS , Azure, Terraform
Soft Skills: Teamfähigkeit, agiles Arbeiten, lösungsorientiertes und analytisches Denken
Ich setze Agentic-AI-Werkzeuge wie Claude Code als festen Bestandteil meines Entwicklungsworkflows ein, um Architekturentscheidungen zu beschleunigen, Refactorings zu automatisieren und testabgedeckten, produktionsreifen Code in Kotlin, Swift und Spring Boot effizient zu liefern – KI nicht als Ersatz, sondern als Multiplikator für fundiertes Engineering.
KI-Engineering (Selbststudium): Entwicklung von MCP-Servern mit Spring AI (Kotlin/Java), Design und Architektur von RAG-Pipelines mit externen Datenquellen sowie Vektor-Embeddings von Text- und Bilddokumenten für semantische Suche — Prototyping mit Spring AI und Kotlin Multiplatform; begleitend Weiterbildung in Embedding-Modellen und ML (Python, PyTorch).
Fachliche, methodische und technische Kompetenzen:
- SoftwareentwicklungObjektorientierung, Analyse, Design, Programmierung
- Grafische Benutzeroberflächen
- Synchrone und asynchrone Prozesse, parallele Programmierung
- Tool- und Plug-In-Programmierung
- Relationale Datenbanken, Modellierung, Optimierung
- Entwicklungsprozesse, Vorgehensmodelle, Agile Entwicklung
- Versions- und Konfigurationsmanagement
- Unified Modeling Language (UML)
- Software-Dokumentation
- QualitätssicherungMethodisches und strukturiertes Testen
- Testplanung und Testausführung von Unit-, UI- und Integrationstest
- (Aufsetzen und Verwalten von Prozessen zur kontinuierlichen Integration)
- mobile Endgeräte: Smartphone Apps (iOS)
- Distribution von mobilen Anwendungen, in und außerhalb von "App Stores"
- Branchen Know-How Gesundheitsbranche
- Automobilhersteller
- Finanzbranche
- Retail
- Energieversorger
- ArchitekturenAnwendungen für mobile Betriebssysteme (nativ)
- MVVM, MVC, VM
- Desktop Anwendungen
- Client-/Server Anwendungen
- Internet- und Intranet-Anwendungen
- BetriebssystemeiOS, tvOS, iPad OS
- Mac OS X
- Microsoft Windows 10
- Linux
Backendentwicklung mit Kotlin, Ktor, Java, Spring Boot, Micronaut Framework, Apache Kafka, Microservices, APIs, Rest-API, Keycloak
Frontendentwicklung Vaadin Framework (8, 23, 24), Kotlin Multiplatform Mobile, Compose Multiplatform, SwiftUI, UIKit
Mobile Entwicklung auf iOS mit Swift, SwiftUI, UIKit, Combine, MVVM, Kotlin Multiplatform Mobile
Cloud computing mit AWS, Amplify, EC2, ECR, Route 53, S3, Lightsail, Lambda, IaaS ( Infrastructure as a Service ), Docker
Datenbanken
Postgresql , MySQL, MariaDB, MongoDB, DynamoDB, Redis, MS SQL-Server. NoSql, RealmDB
Werkzeuge
IntelliJ, Xcode, Maven, Gradle, Git , GitHub , GitLab
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2013
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Erwerb über das Verständnis über die grundlegende Funktionsweise von LLMS sowie deren Implementierung mit Python und PyTorch. Erstellung eines LLM-Basismodells, Textklassifikator.
Implementierung eines eigenen ChatBots im GPT-Stil.
- Alle Bestandteile eines LLMs planen und implementieren
- Einen für das LLM-Training geeigneten Datensatz vorbereiten
- Das LLM mit eigenen Daten optimieren
- Nutzung von Feedback um sicherzustellen, dass das LLM den Anweisungen folgt
- Vortrainierte Gewichte in das LLM laden
- Grundlagenwissen über Deep Learning, Machine Learning, Pandas, Jupyter
- Python, PyTorch, PyCharm
Im Rahmen dieser Weiterbildung liegt der Schwerpunkt auf der Konzeption und prototypischen Entwicklung mobiler Crossplattform-Apps für iOS und Android unter Verwendung nativer UI-Technologien (SwiftUI und Jetpack Compose) sowie eines gemeinsamen App-Backends auf Basis von Kotlin Multiplatform (KMP).
Zentrale Inhalte und praktische Schwerpunkte sind:
- Prototyping moderner Crossplattform-Apps mit nativem Look & Feel und gemeinsam genutzter Logikschicht in Kotlin
- Implementierung des App-Backends in KMP mit Fokus auf
- Datenhaltung: SQLite sowie NoSQL-Datenbanken (Couchbase Lite)
- Netzwerkkommunikation: Nutzung von Ktor für REST-APIs und Datenabgleich
- Cloud-Integration: Anbindung an Firebase und AWS-Services
- Erstellung und Automatisierung von Build-Skripten in Gradle Multiplatform
- Implementierung von Multiplatform Unit- und Integrationstests zur Sicherstellung von Codequalität und Stabilität
- Entwicklung von Python-Skripten zur Transformation und Aufbereitung von Stammdaten für den App-Betrieb
- Evaluierung verschiedener KMP-Bibliotheken und -Frameworks im Hinblick auf Stabilität, Performance und Integrationsfähigkeit
Verwendete Technologien:
Kotlin Multiplatform (KMP), SwiftUI, Jetpack Compose, Kotlinx Serialization, SQLite, Couchbase Lite (NoSQL), Ktor, Firebase, AWS, Gradle Multiplatform, Python, Mockk, Kotlin Test, Android Studio, IntelliJ IDEA, Xcode, Git/GitLab
Konzeption und Entwicklung eines skalierbaren Backend-Systems zur Verarbeitung und Analyse genetischer Sequenzierungsdaten im medizinischen Kontext. Architekturdesign unter konsequenter Anwendung der Hexagonalen Architektur (Ports & Adapters) zur klaren Trennung von Domäne, Applikationslogik und Infrastruktur.
Definition stabiler Service- und Repository-Ports zur Entkopplung von Persistenz- und Integrationsschichten. Implementierung performanter Datenzugriffe für MS SQL und PostgreSQL unter Berücksichtigung komplexer medizinischer Datenmodelle.
Design und Implementierung von REST-basierten APIs mit Ktor und Micronaut. Sicherstellung von Wartbarkeit und Testbarkeit durch saubere Dependency-Inversion und klare Modulgrenzen.
Aufbau einer umfassenden Teststrategie:
– Unit-Tests mit JUnit und MockK
– Integrationstests für Persistenz- und Schnittstellenebene
– Testgetriebene Entwicklung für zentrale Domänenlogik
Mitwirkung an der CI/CD-Strategie in GitLab (automatisierte Builds, Testausführung, Qualitätssicherung). Beratung in Architekturfragen mit Schwerpunkt auf langfristiger Wartbarkeit, Erweiterbarkeit und regulatorischer Nachvollziehbarkeit (z. B. klare Traceability zwischen Fachanforderung und Implementierung).
Tools und Technologien:
Kotlin, Ktor, Micronaut, MS SQL, PostgreSQL, GitLab, CI/CD, Jira, Confluence, Python, Hexagonale Architektur, Domain-Driven Design, JUnit, MockK, Unit-Tests, Integrationstests, Scrum