24.11.2025 aktualisiert
100 % verfügbar
Backend & AI Engineer
Stockelsdorf, Deutschland B.Sc.
Skills
JavaKünstliche IntelligenzComputer VisionMicrosoft AzureCloud ComputingDatenbankenContinuous IntegrationInformation EngineeringLinuxGithubSkalierbarkeitPythonPostgresqlMongodbTypescriptPytorchReactJSLarge Language ModelsSpringbootBackendGitlabAngularJSFront EndDockerMicroservices
High-Performance Backend-Entwicklung
Skalierbare Microservices mit Java Spring Boot und Rust
Applied AI Solutions
RAG-Systeme, LLM-Integration mit Azure/OpenAI und Computer Vision
Data Engineering
Komplexe Datenpipelines mit Graph-Datenbanken ArangoDB und Vektor-Datenbanken
Java-Entwicklung
Expertenkenntnisse in Java mit Spring Boot und WebFlux
Python-Programmierung
Fortgeschrittene Kenntnisse mit PyTorch und LangChain
Rust-Entwicklung
Mittlere Kenntnisse in systemnaher Programmierung
Cloud-Infrastruktur
Microsoft Azure, Docker, Linux und CI/CD mit GitLab/GitHub
Datenbank-Management
MongoDB, ArangoDB, PostgreSQL und Vector Stores
Frontend-Frameworks
Angular, React und TypeScript
Skalierbare Microservices mit Java Spring Boot und Rust
Applied AI Solutions
RAG-Systeme, LLM-Integration mit Azure/OpenAI und Computer Vision
Data Engineering
Komplexe Datenpipelines mit Graph-Datenbanken ArangoDB und Vektor-Datenbanken
Java-Entwicklung
Expertenkenntnisse in Java mit Spring Boot und WebFlux
Python-Programmierung
Fortgeschrittene Kenntnisse mit PyTorch und LangChain
Rust-Entwicklung
Mittlere Kenntnisse in systemnaher Programmierung
Cloud-Infrastruktur
Microsoft Azure, Docker, Linux und CI/CD mit GitLab/GitHub
Datenbank-Management
MongoDB, ArangoDB, PostgreSQL und Vector Stores
Frontend-Frameworks
Angular, React und TypeScript
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Konzeption und MVP-Entwicklung einer Private GPT-Lösung für sensible Unternehmensdaten. Reduzierung der internen Recherchezeit um ca. 40% durch KI-gestützte Wissensdatenbank. Implementierung einer RAG-Pipeline unter Einhaltung strenger Compliance-Vorgaben. Entwicklung von Konnektoren für Live-Vektorisierung aus MS 365 und Salesforce.
Entwicklung einer Low-Latency Trading-Engine für den automatisierten Krypto-Handel. Reduzierung der Order-Execution-Latenz auf unter 5ms durch den Einsatz von Reactive Programming. Steigerung der erfolgreichen Arbitrage-Trades um 20% gegenüber der Vorgängerversion. Design einer fehlertoleranten WebSocket-Architektur für Echtzeit-Marktdaten.
Transformation eines Legacy-Monolithen in eine skalierbare, verteilte Systemarchitektur. Befähigung der Plattform für 10.000+ Concurrent Users durch horizontale Skalierung in Kubernetes. Reduktion der Deployment-Zeiten um 60% durch CI/CD-Pipelines und Containerisierung. Implementierung eines zentralen OAuth2/OIDC Identity Providers für 5+ unabhängige Services.