Kubernetes-Plattform mit Capability-Transfer
Mittelständischer Industriekunde, DACH
Kontext: Greenfield-Aufbau einer On-Premises-Kubernetes-Plattform für mehrere containerisierte Services in einem Industrieunternehmen ohne bestehende Plattform-Expertise im internen Team.
Rolle: Architekturverantwortung und technische Umsetzung von Clusteraufbau, Ingress, Storage, Deployment-Standards und Monitoring – kombiniert mit strukturiertem Wissens-Transfer an den technischen Ansprechpartner.
Technischer Kern: Idempotente Ansible-Rollen, Helm-basierte Deployments, standardisierte TLS- und Ingress-Strategie, zentraler Monitoring-Stack.
Wirkung: Reproduzierbare Infrastruktur, deutlich weniger Betriebsaufwand, schnelleres Onboarding neuer Services. Der technische Ansprechpartner führt die Plattform heute eigenständig weiter.
Enterprise-Loyalty-Plattform im Handelsumfeld
Mehrere Teilprojekt-Teams, gewachsene Handels-IT
Kontext: Weiterentwicklung eines unternehmensweiten Loyalty- und Bonus-Programms (App, Backend, Couponing, Integrationen) im deutschen Handelssektor. Gewachsene Handels-IT mit hoher organisatorischer und technischer Abhängigkeit.
Rolle: Technische Projektleitung mit Verantwortung für Architekturentscheidungen, technische Leitplanken und Koordination mehrerer Teilprojekt-Teams.
Technischer Kern: Azure Functions, Event-Flows, APIs, SAP-nahe Integrationen, standardisierte Deployment- und Betriebsprozesse über Teamgrenzen hinweg.
Wirkung: Klare technische Leitplanken in einem komplexen Vorhaben, stabilere Integrationsflüsse, schnellere Umsetzung neuer Funktionen trotz verteilter Verantwortlichkeiten.
KI-Sprachassistent: Konferenz-Showcase für VoIP-Integration
Innovationsprojekt im Kundenauftrag
Kontext: Innovationsprojekt im Auftrag eines Telekommunikations-Anbieters zur produktionsnahen Integration von KI-Assistenten in eine bestehende Telefonie-Infrastruktur. Ergebnis wurde als Tech-Teaser auf einer Fachkonferenz präsentiert.
Rolle: Konzeption der Zielarchitektur, Definition der technischen Schnittstellen, iterative Prototyp-Umsetzung.
Technischer Kern: LLM-Integration, Python-basierte Dialoglogik, belastbare Kommunikationspfade zwischen KI und Telefonie.
Wirkung: Belastbarer Prototyp mit konkreter Aussage, wie KI sinnvoll an produktionsnahe Systeme angebunden werden kann – ohne Architektur und Betrieb zu ignorieren. Gleichzeitig kommunizierbarer Innovations-Anker für den Auftraggeber.