Senior Software Entwickler

11/2020 – 8/2025

Vendor Management Service - Entwicklung eines neuen Backend für Frontend Services, der dazu dient Einstellungen von Endgeräten in Restaurants vorzunehmen und an weitere Systeme zu propagieren (Event Sourcing).

Client Authentication Service - Weiterentwicklung eines Services, der für die Authentifizierung der Endgeräte bei Restaurants zuständig ist. Neue Implementierung des Features - Forgot My Password inklusive Migration in mehreren Regionen auf neue API V2.

Monitoring & Loganalyse mittels Datadog, Prometheus, Grafana. Aufsetzen von Log- und Metrikenbasiertem Alerting. Ausüben von Rufbereitschaft basierend auf dem Alerting.

Eingesetzte Technologien:
Java 11/17/21, Kotlin, Spring Boot 2.6-3.4, REST APIs, React, Angular, Postgresql, R2DBC, Spring Data R2DBC, Spring Webflux + Coroutines, AWS SNS, SQS, Aurora, CloudSearch, Dynamodb, Kubernetes, Helm, Drone CI, Git, Github

Amazon Web Services (AWS), AngularJS, Cyber Security, DevOps, Docker, Git, Jira, Kotlin, Kubernetes, React (JavaScript library), Spring Framework

3/2018 – 11/2020

mobile.de GmbH - Entwicklung eines Systems für automatisierte Buchung von Werbung durch Autoverkäufer
Eingesetzte Technologien:
Java 11/17, Spring Boot, Spring Data Mongo, Junit5, MongoDB, Kafka, RabbitMQ, Docker, Jenkins, ELK, Prometheus

Idealo GmbH -
Mobile Application Services - Entwicklungs eines neuen Services für Arbeit mit Salesforce.
Product Page API - Weiterentwicklung eines GraphQL-basierten API
Eingesetzte technologien:
Kotlin, Java 8/11, Spring Boot, Kafka, Mysql, Docker, Kubenetes, Helm, Jenkins Pipelines, OpenShift, Git, Spring REST Docs, MongoDB, ELK, Prometheus, Grafana

3YourMind - Anbindung von Third-Party-Systemen an Kernprodukt für 3D-Druck

Akelius. Business Applications - Interne Geschäftsprodukte zur Automatisierung von Prozessen in der Immobilienbranche
Investment-Service – Backend-for-Frontend (BFF) zur Verwaltung von Investitionsprozessen bei Akelius
Approval-Service – BFF zur Genehmigung von im Investment-Service erstellten Investitionen
Offer-Mail-Crawler – Crawler für E-Mails in freigegebenen Microsoft-Postfächern zur automatischen Erstellung von Immobilienangeboten
Eingesetzte Technologien:
Java 8/9/10, Kotlin, Kubernetes, Docker, Spring Boot, Exposed, Jenkins, Postgres, Gradle, Mustache, JIRA

Apache Kafka, Mongodb, Postgresql, Apache Maven, Docker, Git, Gradle, Java (allg.), Jenkins, Junit, Kotlin, Spring Framework, Kubernetes

8/2012 – 2/2018

- Offer list service.
Vorbereiten der Architektur und Umsetzung eines neuen REST-Webservices, der für die Domäne Offer-Listen zuständig ist. Der Webservice wurde im Rahmen der Aufsplittung in Microservices iniziiert.
Eingesetzte Technologien: Java 8, Spring Boot/Data/Cloud, Hystrix, Feign, Eureka, Zuul, Loadbalancing, Kubernetes (Openshift), Jenkins pipelines, Maven, Git

- Relocator.
Vollständige Modernisierung und Wartung eines Webservices für Sammlung der Statistiken über verschiedene Clickouts von idealo Seite.
Der Webservice bietet: Klickfilterung nach diversen Kriterien, Erweitern von Zielshop-URL (z.B. Einfügen von Tracking-IDS je nach Regionalseite), ausfallsicherer Datenexport in Datenbank, OAuth2 Autentifizierung. Der Webservice wurde in Hinsicht auf augenblickliche Reaktionsfähigkeit optimiert, dabei wurde das Verhalten des Garbage-Collector genau beobachtet und entsprechend eingestellt.
Eingesetzte Technologien: Java 7/8, Spring Framework (u.a. Core, Boot, Integration, Data JPA, Data MongoDB, MVC, Security, OAuth2), Tomcat 7/8, Loadbalancing, Jackson, OAuth2, MongoDB, Mysql (Myisam, InnoDB), Hibernate, DB-Connectionpooling (c3p0), JDOM2, JIRA, Maven, Git, Jenkins.

- Mitabrbeit an der Entwicklung idealo-Seite.
Übernahme, Optimierung und Wartung von idealo-White-Labels Seiten. Die Seiten stellen eine vereinfachte Version der Haupt-Idealo-Seite dar und werden für unterschiedliche SEO-Experimente benutzt.
Eingesetzte Technologien: Java 7, Spring Core, Wicket, Javascript, HTML, CSS, Maven, Git, MongoDB.

- Umsetzung einer Anwendung für Gruppierung (Clustering) ähnlicher Shopangebote. Dabei wurden Ansätze aus Informational Retrivial z.B. Hierarchical Clustring eingesetzt. Als Ergebnis der Gruppierung bekommt jedes Angebot in bestimmter Kategorie (Schuhe, Jeans, MP3-Player) eine Cluster-ID, nach welcher man später verschiedene Cluster von ähnlichen Angeboten dem Enduser anzeigen kann.
Eingesetzte Technologien: Java 7, Apache Lucene, Elasticsearch, SOLR, Hadoop 1, Spring Framework (Core, Data JPA, MVC), Mysql, JIRA, Maven, Git.

Java-Entwickler, JavaScript-Entwickler, Spring Framework