05.05.2026 aktualisiert
100 % verfügbar
Agentic Coding Consultant | Kotlin/Android | LLM-Ops & Privacy-first AI Workflows
Hoppegarten OT Hönow, Deutschland
Weltweit
Kaufmann für Groß- und AußenhandelsmanagementÜber mich
Agentic Coding & KI-gestützte Softwareentwicklung: Architektur, Guardrails, Quality Gates und Reviews. Langjährige Kotlin/Android-Erfahrung plus Praxis mit lokalen LLMs, OCR, Retrieval, vLLM und Privacy-first Workflows.
Skills
AndroidAndroid Application DevelopmentAndroid NDKAndroid StudioEmbedded SystemsEmbedded LinuxEmbedded SoftwareGradleGoogle FirebaseBackendGitKotlin
Kernkompetenzen & Tech-Stack
- Mobile Development (Expert):
- Android SDK & Kotlin: Tiefgreifende Erfahrung (>10 Jahre) in Architektur und Umsetzung.
- UI/UX: Jetpack Compose (Modern & Deklarativ), Custom Views, Animationen.
- Java: Vorhandenes Wissen für Legacy-Code/Wartung – bitte keine neuen Projekte in Java.
- IoT, Embedded & OS (Spezialisierung):
- Betriebssysteme: Fedora IoT, Chromium OS, Buildroot, Linux (Red Hat/CentOS).
- Connectivity: Bluetooth Low Energy (BLE), USB (Host/Accessory), Serial/UART, NFC.
- Hardware-nahe Entwicklung: Kommunikation Android ↔ Embedded Systems (Cypress PSoC, Infineon).
- DevOps, Container & Tools:
- Container: Fokus auf Podman & Fedora IoT, Erfahrung mit Docker.
- Version Control: Git, GitHub, Gitea, Forgejo.
- CI/Build: Gradle (Convention Plugins) , Jenkins, Google Cloud Builder, Actions.
- Backend & Data:
- Integration: REST, JSON, Firebase (Firestore, Functions), Google Cloud.
- Datenbanken: SQLite, Room, PostgreSQL.
Arbeitsweise & Anspruch
- Qualität: Fokus auf robuste, getestete Software (TDD, Unit-Testing), die auch im Feld stabil läuft.
- Methodik: Klar definierte Anforderungen (gerne auch gemeinsame Erarbeitung), saubere Dokumentation.
- Setup: Ich arbeite für maximale Effizienz und Fokus ("im Spektrum") ausschließlich auf meiner eigenen, optimierten Hardware (BYOD).
Erfahrung
Berufserfahrungmehr als 10 Jahre
Freelancer seit2002
Sprachen
DeutschMutterspracheEnglischgut
Projekthistorie
Konzeption und Entwicklung einer KI-gestützten Dokumentverarbeitungspipeline für heterogene Insolvenz- und Gläubigerunterlagen. Ziel war die strukturierte Extraktion fachlich relevanter Forderungsdaten zur Weiterverarbeitung in einer proprietären Fachsoftware.
Umgesetzt wurden OCR-gestützte Texterkennung, Aufbau einer strukturierten Zwischenrepräsentation, layoutbasierte Dokumentsegmentierung, Erkennung lokaler Ankerpunkte sowie regelbasierte Validierung und LLM-gestützte Extraktion. Extrahiert und geprüft wurden u. a. Gläubiger, Gläubigervertreter, Aktenzeichen, Forderungsbeträge, Berechnungsdaten, Forderungsgründe und Review-Hinweise.
Besondere Herausforderungen waren gemischte Dokumentpakete, unterschiedliche Layouts, gescannte Unterlagen, Tabellen, Mehrfachforderungen pro Gläubiger, Vertreterwechsel, Abtretungen, Teilzahlungen, Gebühren-/Zinsupdates, Duplikate und interne Vermerke.
Zusätzlich wurden Debug- und Review-Artefakte, Quality Gates, Regressionstests, Golden-Fixtures und Validierungsregeln definiert, um Ergebnisse nachvollziehbar, prüfbar und iterativ verbesserbar zu machen.
Intensive praktische Arbeit mit Codex-gestützten Entwicklungsprozessen, insbesondere Backlog-Strukturierung, technische Epics, Architekturvorgaben, Workflow-Optimierung, Patch-Reviews, Prompt-/Regelverbesserung und Qualitätssicherung.
Mitarbeit in der Forschungs- und Entwicklungsabteilung eines Automobilherstellers im Bereich Audio-, Video- und ML-naher Fahrzeugfunktionen.
Schwerpunkte waren Video-Telefonie, Audio-/Videoverarbeitung, Signal Processing, Audio- und Videoaufzeichnung sowie In-Cabin-Sensing-Anwendungsfälle. Dabei ging es um die technische Untersuchung, prototypische Umsetzung und Integration von Funktionen rund um Kamera-, Mikrofon- und Mediensignale im Fahrzeugkontext.
Zu den Aufgaben gehörten Analyse und Verarbeitung von Audio- und Videostreams, Bewertung technischer Machbarkeit, prototypische Implementierung, Debugging, Qualitätssicherung und Zusammenarbeit in einem forschungsnahen Entwicklungsumfeld.
Besonderer Fokus lag auf performanter, robuster und nachvollziehbarer Verarbeitung sensibler Innenraumdaten sowie der praktischen Verbindung von Embedded-/Mobile-Entwicklung, Multimedia-Technologien und ML-nahen Use Cases.