23.10.2026 aktualisiert
Senior Full-Stack & AI Engineer | KI-Agenten, LLM/RAG, Python, TypeScript/React
Über mich
Senior Full-Stack & AI Engineer. Ich baue KI-gestützte Anwendungen vom Datenmodell bis zur Oberfläche und bringe sie in den Betrieb: spezifiziert, getestet, überwacht. Zuletzt als alleiniger Entwickler eine Web-Anwendung zur CO2-Bilanzierung. Remote oder hybrid in Berlin.
Skills
- KI-Agenten: Orchestrierung, Gedächtnis, Guardrails und Evaluation. Ich betreibe selbst eine Flotte von sechs Agenten im Dauerbetrieb.
- LLM- und RAG-Integration in bestehende Anwendungen und Datenbestände, auf Wunsch ausschließlich mit EU-gehosteten Modellen.
- Full-Stack-Entwicklung mit Python und TypeScript, API- und Altsystem-Integration.
- Data Engineering: Daten-Pipelines mit Apache Airflow und Dagster, Datenmodellierung, SQL (drei Jahre bei ARMEDANGELS).
- n8n-Automatisierungsplattform, selbst gehostet: Queue-Mode, Monitoring, Backup, Betriebskonzept.
- Technical Product Owner: Anforderungen, Releases und Rollout (Mercedes-Benz).
- KI: KI-Agenten / AI Agents, Agentic AI, LLM, RAG, LLM Evaluation, LLM Guardrails, Langfuse, Vector Embeddings, pgvector, Model Context Protocol (MCP), Prompt Engineering
- Backend & Daten: Python, FastAPI, PostgreSQL, SQL, Apache Airflow, Dagster, Datenmodellierung, ETL, Daten-Pipelines, REST-API, Systemintegration
- Frontend: TypeScript, React, Next.js
- Qualität & Betrieb: Playwright, Testautomatisierung, CI/CD, Docker, Linux, Ansible, Prometheus, Grafana, Git
- Automatisierung: n8n, Prozessautomatisierung
- Rolle & Methode: Technical Product Owner, Scrum (PSM I), Anforderungsmanagement, spezifikationsgetriebene Entwicklung
- Fachlich: CO2-Bilanzierung (Scope 1–3), Nachhaltigkeit, ESG, DSGVO
Erfahrung
Sprachen
Projekthistorie
Ziel: Wiederkehrende Arbeit (Wartung, E-Mail- und Aufgaben-Triage, Recherche) an koordinierte Agenten übergeben, messbar und mit getrennten Berechtigungen.
- Sechs Agenten mit Orchestrierung, Langzeitgedächtnis und eigenem Tresor je Agent (Credential-Isolation).
- Versionierte Regeln je Agent und Projekt, gemessen per A/B-Benchmark in Langfuse (Kosten, Dauer, Schritte).
- Benchmark von sechs Such-Anbietern über 98 Aufgaben.
- n8n selbst gehostet im Queue-Mode (Main, Worker, Redis, PostgreSQL), versionsfixiert, mit Backup und Alarmierung.
- Provisionierung mit Ansible auf eigenen Hetzner-Servern, EU-gehostete Modelle als Standard.
Technologien: Python, Claude, Mistral, MCP, Langfuse, n8n, Docker, Ansible, PostgreSQL, Matrix
Ziel: Ablösung einer Excel-Lösung durch eine Web-Anwendung für die Treibhausgasbilanz von Kunden der Nachhaltigkeitsberatung.
- Konzeption, Entwicklung und Betrieb der gesamten Anwendung.
- Zuordnung von Aktivitätsdaten zu Emissionsfaktoren per Embedding-Suche (sentence-transformers, pgvector) mit einem selbst gehosteten Modell auf EU-Servern.
- Datenmodell für Emissionsfaktoren und Datenqualität über GHG-Kategorien und Organisationseinheiten; Daten-Pipelines mit Dagster.
- Frontend mit Tabellen-Editor und Auswertungsgrafiken; Backend mit FastAPI und PostgreSQL.
- Monitoring mit Prometheus, Grafana und Loki; Offsite-Backup mit getesteter Wiederherstellung (RPO 24 h, RTO ≤ 4 h).
Ergebnis: Anwendung im produktiven Einsatz; über 130 abgeschlossene Changes, jede mit Spezifikation und Tests; Playwright-E2E-Tests gegen Staging; CI/CD über vier Umgebungen.
Technologien: Next.js, React, TypeScript, FastAPI, Python, PostgreSQL, pgvector, Dagster, Playwright, Docker, Prometheus, Grafana
Ziel: Auftragsabwicklung und Retouren zwischen ERP und Shopify automatisch abgleichen.
- Datenintegration zwischen ERP und Shopify mit Apache Airflow.
- Verarbeitung von Fulfillments und Retouren.
- Synchronisation und Fehlerbehandlung über beide Systeme.
Technologien: Apache Airflow, Python, SQL, GraphQL, Shopify