20.10.2025 aktualisiert
Premiumkunde
100 % verfügbarSenior AI- & Big Data Architekt (Java | Python | Cloud | ML | IoT | GIS)
Kalkar, Niederrhein, Deutschland
Kalkar, Niederrhein +250 km
Studium PolitikÜber mich
Senior AI- & Big Data-Architekt mit über 15 Jahren Erfahrung in der Entwicklung skalierbarer Systeme für Logistik, IoT und Geodatenverarbeitung. Experte für Java, Python, Cloud-Architekturen und Machine Learning. Nachweislicher Erfolg in der Umsetzung komplexer AI/ML-Lösungen mit Business Impact.
Skills
JavaJavascriptGeoinformationssystemApache ActivemqKünstliche IntelligenzAmazon Web ServicesApache TomcatKünstliche Neurale NetzwerkeComputer VisionConfluenceJiraMicrosoft AzureBig DataGeschäftsanforderungenCloud Computing
Kernkompetenzen
• AI/ML: Predictive Analytics, Computer Vision, NLP, LLMs
• Big Data: Apache Spark, Flink, Kafka, ETL, Data Lakes, Superset, BI
• Softwarearchitektur: Microservices, REST, GraphQL, API Design
• Cloud: AWS, Azure
• Geodaten: Tile38, GIS-Analysen, QGIS
• IoT: Sensorintegration, MQTT, Edge Computing
• Programmiersprachen: Java (17/21), Python, JavaScript (React)
• Tools: Docker, Kubernetes, Git, Jira, Confluence
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Inertial Navigation für Dronen auf Basis von geocodierten Flächendaten:
- Object Segmentation von SAR-Daten (Erkennung von Vegetation, Gebäuden, Gräben)
- Object Segmentation von EO-Dronen Daten
- Umwandlung der Segmentation-Daten in 3D-GeoJSON
- Abgleich der aktuellen GeoJSON-Polygone gegen Gesamtbild
Eingesetzte Technologien: U-Net, Dino 3
“Der Smarte Hafen – Optimierung der Umschlagszeiten”
Zur besseren Vorhersage von Containerlaufzeiten in Häfen werden über IoT-Sensoren Messdaten (Geodaten, Umweltdaten) in Echtzeit ermittelt. Die gewonnen Daten fließen u.a. in ein KI-Modell auf Zeitreihenbasis, um Logistikern präzisere Ladezeiten nennen zu können.
Technologien und Tools: Java 17, Java 21, J2EE, Quarkus (JPA, REST), Python, Panache, HQL, SQL, IoT, Tile38, MQTT, PostgreSQL, Git, Bitbucket, Ant Design, React, Javascript, NodeJS, Maven, Docker, Kubernetes, OpenAPI, Swagger, deck.gl, DJL, EDI, Pytorch, scikit-learn, Superset, JUnit, Postman, Websockets, GeoParquet, Spark, Flink, UML, MermaidJS, nginx, Requirements Engineering, Evaluation von AWS Greengrass, Azure IoT, proprietäre Kommunikationsschnittstellen
Cloud-Umgebungen: Azure Kubernetes Service, Azure AI, Azure ML
Entwicklungsumfeld: Scrum-Methodik zur agilen Entwicklung und Zusammenarbeit, Jira, Confluence, Bitbucket
Zur besseren Vorhersage von Containerlaufzeiten in Häfen werden über IoT-Sensoren Messdaten (Geodaten, Umweltdaten) in Echtzeit ermittelt. Die gewonnen Daten fließen u.a. in ein KI-Modell auf Zeitreihenbasis, um Logistikern präzisere Ladezeiten nennen zu können.
Technologien und Tools: Java 17, Java 21, J2EE, Quarkus (JPA, REST), Python, Panache, HQL, SQL, IoT, Tile38, MQTT, PostgreSQL, Git, Bitbucket, Ant Design, React, Javascript, NodeJS, Maven, Docker, Kubernetes, OpenAPI, Swagger, deck.gl, DJL, EDI, Pytorch, scikit-learn, Superset, JUnit, Postman, Websockets, GeoParquet, Spark, Flink, UML, MermaidJS, nginx, Requirements Engineering, Evaluation von AWS Greengrass, Azure IoT, proprietäre Kommunikationsschnittstellen
Cloud-Umgebungen: Azure Kubernetes Service, Azure AI, Azure ML
Entwicklungsumfeld: Scrum-Methodik zur agilen Entwicklung und Zusammenarbeit, Jira, Confluence, Bitbucket
“Das Bloomberg-Terminal für die Schifffahrt”
Aufbau eines Startups zur Digitalisierung der kommerziellen Schifffahrt. Aufgaben waren u.a. die Erkennung und Erfassung von Häfen und die Extraktion strukturierter Daten aus unstrukturierten Dokumenten mittels selbst entwickelter AI-Modelle.
Verknüpft mit Sensoren und einer Vielzahl anderer Datenquellen erlaubt die Plattform tiefe Einblicke in die Container- und Bulker-Seefahrt und unterstützt so Reeder und Broker bessere Charteringabschlüsse zu machen.
Technologien und Tools: Java 17 (Quarkus, Javalin, Spring Boot), JBoss 7.4, Python, REST, JPA, Panache, Hibernate, HQL, SQL, Deeplearning4j, Apache Spark, Flink, Druid, Superset, Kafka, PostgreSQL, PostGIS, MongoDB, DuckDB, MS SQL Server, MySQL, Elasticsearch, Pytorch, Tensorflow, React, Ant Design, deck.gl, Parquet, GeoParquet, Avro, Langchain4j, GraphQL, Plotly, D3, Rest, Websockets, scikit-learn, spaCy, JAXB, JDBC, Apache Drill, nginx, OpenCV, CVAT, Tesseract, JSON, GeoJSON, Regex, JTS, GeoTools, Spatial4j, Apache SIS, RasterIO, Pandas, GeoPandas, Shapely, Hugging Face, Transformers
Cloud-Umgebungen: AWS (EC2, S3, Kafka MSK, Kinesis, SNS, SES, SQS), Digital Ocean (DO), Imply Polaris, Jupyter
Weitere Kompetenzen: Requirements Engineering, UML, C4, JUnit, JMeter, JProfiler, Postman, Confluence, Jira, SharePoint, QGIS, ArcGIS
Entwicklungsumgebungen: IntelliJ, Git, gitlab, Bitbucket, CD/CI, Docker, Kubernetes, Maven, Jenkins
Aufbau eines Startups zur Digitalisierung der kommerziellen Schifffahrt. Aufgaben waren u.a. die Erkennung und Erfassung von Häfen und die Extraktion strukturierter Daten aus unstrukturierten Dokumenten mittels selbst entwickelter AI-Modelle.
Verknüpft mit Sensoren und einer Vielzahl anderer Datenquellen erlaubt die Plattform tiefe Einblicke in die Container- und Bulker-Seefahrt und unterstützt so Reeder und Broker bessere Charteringabschlüsse zu machen.
Technologien und Tools: Java 17 (Quarkus, Javalin, Spring Boot), JBoss 7.4, Python, REST, JPA, Panache, Hibernate, HQL, SQL, Deeplearning4j, Apache Spark, Flink, Druid, Superset, Kafka, PostgreSQL, PostGIS, MongoDB, DuckDB, MS SQL Server, MySQL, Elasticsearch, Pytorch, Tensorflow, React, Ant Design, deck.gl, Parquet, GeoParquet, Avro, Langchain4j, GraphQL, Plotly, D3, Rest, Websockets, scikit-learn, spaCy, JAXB, JDBC, Apache Drill, nginx, OpenCV, CVAT, Tesseract, JSON, GeoJSON, Regex, JTS, GeoTools, Spatial4j, Apache SIS, RasterIO, Pandas, GeoPandas, Shapely, Hugging Face, Transformers
Cloud-Umgebungen: AWS (EC2, S3, Kafka MSK, Kinesis, SNS, SES, SQS), Digital Ocean (DO), Imply Polaris, Jupyter
Weitere Kompetenzen: Requirements Engineering, UML, C4, JUnit, JMeter, JProfiler, Postman, Confluence, Jira, SharePoint, QGIS, ArcGIS
Entwicklungsumgebungen: IntelliJ, Git, gitlab, Bitbucket, CD/CI, Docker, Kubernetes, Maven, Jenkins
Zertifikate
ScrumMaster
Scrum Alliance2010