Ich entwickle eigene Produkte und Software im Kundenauftrag.

Leistungen

• Lokale Datenhaltung und Volltextsuche durch eine Local-First-Architektur mit Speicherung und Indexierung auf dem Gerät.
• Orchestrierung von Rechtsrecherche und Dokumentenanalyse durch einen agentischen Tool-Loop mit begrenzten Sub-Agenten und parallelen Suchläufen.
• Verarbeitung heterogener Dateiformate durch eine erweiterbare Prozessor-Pipeline für unter anderem PDF, Office-Dokumente, E-Mails und Mailarchive mit lokaler Extraktion und cloudbasierten Visionmodellen.
• Semantische Suche und KI-gestützte Auswertung über deterministisch ausgewählte Dokumentbestände mit Zusammenführung der Ergebnisse in strukturierten Vergleichstabellen.
• Halluzinationserkennung und -vermeidung durch ein strukturiertes Zitierprotokoll, programmatische Validierung gegen die Originaldokumente und dynamische Kontextinjektion zwischen den Iterationen des Agent-Loops.
• Erschließung von Gesetzen und Rechtsprechung durch einen eigenen Cloud-Indexdienst mit einem von Mandantendaten getrennten Recherchekorpus.
• Regionale Begrenzung der Modellverarbeitung durch Routing sämtlicher Modellanfragen an Endpunkte in EU-Regionen.
• Integration von Text- und Tabelleneditoren auf einem gemeinsamen Lexical-Dokumentmodell mit Änderungsverfolgung für KI-generierte Edits und Export-Pipelines für DOCX, PDF, Markdown, XLSX und CSV.

Leistungen

• Durchgängige Typsicherheit zwischen iOS-App und Vapor-Backend durch gemeinsam genutzte Swift-Modelle und einen typisierten API-Router.
• Entkopplung der Benutzeroberfläche von Geschäftslogik und Plattformdiensten durch modulare TCA-Features, UIKitNavigation und injizierbare Client-Schnittstellen.
• Synchronisierung lokal erfasster Trainingsdaten durch SQLite-Outbox, serverseitige Sequenznummern, Löschmarkierungen und zeitstempelbasierte Konfliktauflösung.
• Validierung KI-generierter Trainingspläne durch strukturierte Modellantworten, deterministische Invariantenprüfungen und einen Korrekturversuch mit konkretem Fehlerfeedback.
• Streaming kontextbezogener KI-Antworten durch serverseitige Aufbereitung der Trainingshistorie und eine SSE-Pipeline zwischen Modellanbieter, Vapor und iOS-App.
• Absicherung von Reducern, API-Verträgen und Modellkommunikation durch Swift-Testing-Suites, TCA-TestStore und lokale HTTP-Testserver für Streaming-Antworten.

Leistungen

• Gesprochene Trainingsdialoge durch eine kaskadierende Pipeline aus Audioaufnahme, Azure-Spracherkennung, KI-Antwortgenerierung und OpenAI-Sprachsynthese.
• Segmentierung der Spracheingabe durch eigene Sprachaktivitätserkennung mit adaptiver Geräuschschwelle, Audiopuffer und Erkennung von Sprechpausen.
• Konfigurierbare Rollenspiele durch getrennte Modelle für Szenarien, Personas, Schwierigkeitsgrade und Gesprächsziele.
• Begleitendes Feedback zu einzelnen Antworten durch einen separaten KI-Aufruf mit Gesprächskontext, konfigurierbaren Bewertungskriterien und strukturiertem JSON-Ausgabeformat.
• Aktualisierung kundenspezifischer Trainingsinhalte durch JSON-Import von einem Webservice, QR-Code-Einstieg und lokale Speicherung der Szenarien.
• Koordination von Aufnahme, Transkription, Antwortgenerierung und Wiedergabe durch asynchrone Ereignisströme und explizite Gesprächszustände.

Leistungen

• Erkennung unterschiedlicher Diagrammelemente durch einen auf annotierten COCO-Daten trainierbaren RF-DETR-Detektor und eine nachgelagerte Zuordnung zu strukturierten Knoten.
• Rekonstruktion von Verbindungen durch Skelettierung der Linienmasken, Ermittlung von Pfeilendpunkten und geometrische Zuordnung zu benachbarten Formen.
• Zuordnung gedrehter Beschriftungen durch PaddleOCR, Orientierungserkennung und räumlichen Abgleich der Textregionen mit den erkannten Knoten.
• Bestimmung von Formfarben und Ausrichtung durch SAM2-Segmentierung, maskierte Farbanalyse und spezialisierte ResNet18-Winkelklassifikatoren.
• Bereitstellung der Inferenz als containerisierte FastAPI-Schnittstelle mit lokal bereitgestellten Modellgewichten und strukturierter JSON-Ausgabe.
• Reproduzierbare Modell- und Pipelineentwicklung durch Trainingsnotebooks, nbdev-Modulexport und Terraform-basierte SageMaker-Infrastruktur.

Leistungen

• Modernisierung des Wetter-Streams und der Detailansichten durch modulare SwiftUI- und TCA-Komponenten mit expliziter Zustandslogik und Snapshot-Tests.
• Überarbeitung der Ortsverwaltung und Suche durch getrennte Services für Speicherung, Standortauflösung und Suchvorschläge sowie serverseitige Verwaltung der Unwetter-Push-Abonnements.
• Integration konfigurierbarer Widgets durch ortsbezogene Wetterdaten und Deeplinks mit korrekter Navigation auch beim Kaltstart der App.
• Verbesserung der Barrierefreiheit durch anpassbare Schriftgrößen, kontrastabhängige Darstellung und alternative Bedienelemente für horizontale Scrollbereiche.
• Überarbeitung der Werbe- und Consent-Integration durch getrennte Services, explizite Ladezustände und bedarfsgesteuertes Nachladen der Anzeigen im Wetter-Stream.
• Modularisierung der Apple-Watch-App durch SwiftUI und TCA mit injizierbaren Services sowie Absicherung der Standortermittlung zwischen Watch und iPhone durch Fallbacks, Timeouts und deterministische Tests.
• Integration der Rust-basierten Radar- und SkyScene-Darstellung durch Swift-Anbindung und Metal sowie Steuerung des Renderings anhand von Sichtbarkeit und App-Lebenszyklus.
• Reproduzierbare GPU-Analyse durch automatisierte UI-Abläufe, lokale Radar-Fixtures und vergleichende Metal-System-Traces auf physischen Geräten.
• Automatisierung der Build-, Test- und Release-Prozesse durch GitLab CI und Fastlane mit wiederverwendbaren Build-Artefakten, Unit-, Snapshot- und UI-Tests sowie aggregierten Coverage-Berichten.

Leistungen

• Erkennung von Namen und weiteren Entitäten durch eine lokal im Browser ausgeführte Token-Klassifikation mit Transformers.js.
• Ergänzung der modellbasierten Erkennung durch reguläre Ausdrücke für unter anderem E-Mail-Adressen, Telefonnummern, URLs und Zahlen.
• Rückübersetzung von Platzhaltern in ursprüngliche Angaben durch eine im Browser gehaltene Zuordnungstabelle.
• Einbettung in bestehende Websites durch ein JavaScript-Modul mit eigener Oberfläche und Stilabgrenzung über Shadow DOM.

Leistungen

• Kommunikation mit proprietären Türsteuerungen durch einen BLE-Kanal mit sequenzieller Request-Verarbeitung, Antwortparsern und Prüfsummen.
• Entkopplung von Hardwarezugriff und Oberfläche durch protokollbasierte Services, Dependency Injection und reaktive Zustandsübertragung mit Combine und RxSwift.
• Koordination von Firmware-Installationen durch sequenzielle Übertragung, Fortschrittsmodell und explizite Abbruch- und Fehlerbehandlung.
• Integration von Video-Support durch Amazon Chime mit API-gestützter Sitzungskoordination und Wiederholung bei ungültiger Meeting-Konfiguration.
• Lokale Persistenz von Supportgesprächen durch ein Core-Data-Modell für Tickets, Nachrichten und Anhänge mit separaten API- und Dateiservices.
• Absicherung von Protokollparsern, Verbindungsabbrüchen und Anrufkoordination durch XCTest und generierte Service-Mocks.

Leistungen

• Modularisierung der App durch separate Swift-Package-Targets für Features, Datenzugriff und Designsystem mit komponierten TCA-Reducern.
• Lokaler Muskelkatalog durch Realm-Modelle mit Beziehungen zwischen Muskelgruppen, Muskeln und Übungen sowie initialer Datenbefüllung.
• Asynchroner Datenzugriff durch einen actor-gebundenen Realm-Client und injizierbare Abhängigkeiten für die Feature-Reducer.
• Anbindung von Kauf- und Berechtigungsabfragen durch einen RevenueCat-Adapter, der Callback-APIs in async/await überführt.

Leistungen

• Abbildung komplexer Intervallabläufe durch getrennte Timer-, Zustands- und Session-Modelle mit Combine-Publishern für Pausen, Runden und Intervallwechsel.
• Lokale Verwaltung von Trainingsplänen und Intervallen durch Core Data mit separater Datenzugriffsschicht und injizierbaren Services.
• Synchronisierung gemeinsamer Trainings über SharePlay durch Zustandsnachrichten für Timer-Modus, Zeit und Intervallposition sowie Zustandsübernahme für neu beitretende Teilnehmer:innen.
• Koordination der HealthKit-Aufzeichnung mit dem Trainingsablauf durch einen Actor, der Zustandsänderungen, Pausen und Intervallwechsel verarbeitet.
• Absicherung von Timer-Zuständen, Datenzugriff und Kaufberechtigungen durch verhaltensbasierte Unit-Tests, Service-Mocks und lokale StoreKit-Tests.

Leistungen

• Strukturierung der App durch getrennte Swift-Package-Targets für Suche, Watchlist, Detailansicht und Datenzugriff mit TCA-Zustandsmodellen.
• Modellierung verschachtelter Unternehmens- und Bilanzdaten durch typisierte Codable-Strukturen für Stammdaten sowie Quartals- und Jahreswerte.
• Zweisprachige Oberflächen durch einen eigenen Localization-Client mit paketgebundenen deutschen und englischen Ressourcen.

Leistungen

• Plattformübergreifende Umsetzung der Benutzeroberfläche durch eine gemeinsame Codebasis mit React und Ionic.
• Anbindung des Hardwareprodukts an die Companion-App über Bluetooth Low Energy.