Lead-Architekt für Legacy-Modernisierung, Event-Driven Architecture und KI-Engineering

11/2025 – 8/2026

Lead-Architekt im Programm zur Ablösung eines Mainframe-Abrechnungssystems durch eine eventgetriebene Zielarchitektur (Datenbestand im zweistelligen Terabyte-Bereich, tausende Tabellen, ca. 30 Mio. Abrechnungsbewegungen pro Monat, daraus Events im einstelligen Milliardenbereich pro Monat; 3 Teams, über 20 Entwickler, 3 Requirements Engineers). Parallel liefen E-Rechnungspflicht und ERP-Cloud-Migration.

- Verantwortung für sämtliche IT-Architekturthemen: Lösungsdesigns, IT-Governance, Architekturstandards, Befähigung der Entwicklerteams; Stakeholder von Fachbereich bis Management
- Kafka-ADRs erarbeitet und verabschiedet; Leitfaden für Exactly-Once und Idempotenz mit Review-Checkliste als verbindlicher Entwicklerstandard; Producer und Consumer selbst in Java implementiert
- Migrationspfad ohne Big Bang: zentrale Weiche zwischen Alt- und Neusystem, Parallelbetrieb mit Vergleichsdatenbank, summarische Abgleichlogik mit Ampel als Umschaltindikator, gesellschaftsweise Umschaltung; Splitter/Bucket-Modell mit vollständiger Lineage
- Near-Realtime-Pipeline vom Auftragseingang über Vertrags- und Provisionslogik bis zur Verbuchung im Beraterportal (Minuten statt Batch); Architektur der Vertriebswettbewerbe mit Materialized Views statt Read-Replicas und massiver Parallelität, Berechnung um ca. Faktor 1.000 beschleunigt (ca. 30.000 Einheiten pro Sekunde)
- Bidirektionale Bestands- und Stammdatensynchronisation mit Legacy-Adaptern spezifiziert; Architekturprinzip E-Rechnung als reiner Transformator durchgesetzt
- Technischer Data Steward der zentralen Kernentität des Vertriebs (mehrere hundert Tabellen und Views, von praktisch allen nachgelagerten Systemen konsumiert): Datenmodell, Schnittstellenverträge, Beratung des Fachbereichs, schrittweise Konsolidierung
- KI produktiv in die Architekturarbeit integriert: LLM-gestützte Rekonstruktion undokumentierter Fachlogik aus Legacy-Code und Datenmodellen, agentische Prototypen zur Validierung von Entscheidungen, Cross-Model-Verifikation als Qualitätsgate; governance-konform im freigegebenen Konzern-Toolset
- arc42-Kurzfassung, EAM-Dokumentation in LeanIX, Beratung zu Kubernetes und KEDA auf Azure, Aufwands- und Risikoschätzungen (zentraler Migrationsbaustein von ca. 150 auf 200 bis 250 PT revidiert), Entscheidungsvorlagen und Executive Summaries

Ergebnis: entscheidungsfähige Zielarchitektur und messbarer Migrationspfad (Gesamtablösung geplant bis 2028); teamübergreifend verbindliche Kafka-Verarbeitungssemantik; erste Bausteine produktiv; KI-Einsatz im regulierten Konzernumfeld governance-konform etabliert.

Technologien: Apache Kafka, Event-Driven Architecture, Domain-Driven Design, Microservices, Near-Realtime-Processing, Materialized Views, Kubernetes/KEDA, Microsoft Azure, LeanIX, Java, REST, XML/JSON, arc42, C4, ADR, IT-Governance; Claude Code, OpenAI Codex, ChatGPT

Large Language Models, Apache Kafka, Code Migration, Datenarchitektur, Generative KI, Java-Entwickler, Kubernetes, Microsoft Azure, Software Architecture, Solution Architekt

9/2024 – offen

Praktische Vertiefung von AI-Engineering und agentischer Entwicklung auf eigener Hardware (Apple Silicon M3 Max 64 GB mit MLX, RTX 5090 mit llama.cpp und Ollama), parallel zu Kundenprojekten; mit voller Engineering-Disziplin: Specs, ADRs, arc42, automatisierte Tests, Benchmarks. Kein Kundenbezug, keine Vertraulichkeitsgrenzen.

- Lokale Vision-LLM-Pipeline mit Modell-Eskalation: OCR und Klassifikation eines Korpus im vierstelligen Bereich auf lokalem Vision-Modell (Qwen3-VL via MLX), schwierige Fälle automatisch an die Cloud-API eskaliert; robuster Dauerbetrieb über Watchdog, Prozess-Recycling und Resume-Logik
- Eigener Evaluations-Harness mit LLM-as-Judge: stratifizierte, reproduzierbare Stichprobe (226 Fälle), Blindvergleich zweier Modelle, maschinenlesbarer Audit-Trail je Urteil; Grundlage für eine faktenbasierte Modellentscheidung gegen den ersten Eindruck
- Agentic Coding und Subagent-Driven Development (Claude Code, OpenAI Codex, Qoder): Spec, Plan, zweistufiges Code-Review; über 19 Architecture Decision Records, austauschbares Inferenz-Backend (MLX / llama.cpp)
- MCP-Server und Tool-Integration in agentische Workflows; Prompt Engineering; Cross-Model-Verifikation
- Statistik-Testbench für (Quanten-)Zufallszahlen: NIST-SP-800-22-Batterie, SP-800-90B-Min-Entropie, Anbindung von ent/dieharder/TestU01 inkl. eigenem C-Treiber
- AWS Bedrock in eigener R&D (Modelle bereitgestellt und trainiert); Schwerpunkt seither auf lokaler Inferenz großer Modelle: Kosten-, Datenschutz- und Latenzkontrolle ohne Cloud-Abhängigkeit
- Übertragung der Ergebnisse in Kundenprojekte: LLM-gestützte Legacy-Analyse und Cross-Model-Verifikation im regulierten Konzernumfeld

Large Language Models, Java-Entwickler, Software Architecture, Docker, Generative KI, Machine Learning, Prompt Engineering

1/2022 – 6/2025

Tech Lead für 2 Teams mit 10 Teammitgliedern, Cloud Solutions Architect, Senior Java Developer

Lead Developer, Java-Entwickler, Software Architecture, System Architektur, Solution Architekt, Amazon Web Services (AWS), Kubernetes, Solution Architektur, Engineering Technician, Cloud Computing