Maciej K.
Senior Backend-Engineer & KI-Systementwickler
Erfahrungen
Jan. 2015 - Bis heute
11 JahrenSenior Backend-Engineer & KI-Systementwickler
- Mehr als 50 Backend-Anwendungen für Analyse- und KI-Plattformen entwickelt und bereitgestellt, mit über 90 % Testabdeckung.
- Hybride Suchpipelines entworfen, die strukturierte Filter, BM25 und semantische Vektor-Ähnlichkeitssuche kombinieren.
- Vollständige Scraping-Frameworks erstellt und automatisierte Pipeline-Orchestrierung für Datensätze mit über 250.000 Einträgen in verschiedenen Branchen implementiert.
- Retrieval-Augmented-Generation-Architekturen implementiert, die manuelle Arbeitsabläufe um 40 % verkürzen.
- OpenAI- und domänenspezifische Modelle in Produktionsumgebungen integriert, mit sicherer asynchroner Ausführung und Observability.
- Twin4ever.com – KI-Assistentenplattform (Stack: FastAPI, Socket.IO, AsyncPG, OpenAI API (GPT-4/5), LangChain)
- Echtzeit-KI-Konversationsplattform entwickelt, die interaktive und personalisierte Dialogerlebnisse mit OpenAIs großen Sprachmodellen ermöglicht.
- Skalierbare WebSocket-Backends mit FastAPI und Socket.IO aufgebaut, die zustandsbehaftete, latenzarme Verbindungen für Tausende gleichzeitiger Nutzer bieten.
- OpenAI API für dynamische Antwortgenerierung, Kontexthaltung und Mehrfachdialog-Management integriert.
- Sitzungsorientierte LLM-Pipelines mit LangChain implementiert, um Gesprächsspeicher zu erhalten, Funktionsaufrufe auszuführen und externes Wissen dynamisch zu beziehen.
- Asynchrone Verarbeitung mit AsyncPG und Redis konzipiert, um hochvolumige Konversationsarbeitslasten effizient zu verwalten.
- Erweiterbare APIs für NLP-gesteuerte Interaktionen wie Zusammenfassung, Stimmungsanalyse und Kontextklassifikation entworfen.
- Trait.Tech – Blockchain-Daten-Gateway (Stack: FastAPI, MongoDB)
- Sichere Gateway-Services für Blockchain-Transaktionsdaten entwickelt.
- Resiliente Datenverarbeitungspipelines und Verwaltungs-APIs mit JWT-Authorisierung erstellt.
- KI-gestützte Analytics-Engine (Stack: FastAPI, PostgreSQL, Redis, GPT-4)
- Ereignisgesteuerte Analytics-APIs erstellt, die 10 000 Anfragen/Min mit unter 200 ms Latenz verarbeiten.
- Asynchrone Pipelines für Streaming-Analytics und LLM-basierte Erkenntnisgewinnung erstellt.
- Observability und Alerting mit Prometheus- und Grafana-Metriken integriert.
- Plattform für vorbefüllte Sticker-Displays (Stack: FastAPI, Next.js, MongoDB, Docker, Google Cloud Run, Google Cloud Storage)
- Skalierbare Full-Stack-Webplattform entworfen und implementiert, die Einzelhändlern ermöglicht, maßgeschneiderte, datengetriebene vorbefüllte Sticker-Displays mit interaktivem, visuellem Bestellerlebnis zu erstellen und zu kaufen.
- Responsives Next.js-Frontend erstellt mit flüssigen Single-Page-Übergängen, Echtzeit-Anpassung und dynamischer Darstellung von Design-Vorschauen.
- FastAPI-Backend entwickelt mit MongoDB-Schema, das flexible Metadatenstrukturen für Kategorien, Produktkonfigurationen, Namenseinblendungen und Bestellhistorie unterstützt.
- Intelligente Empfehlungs- und Gewichtungslogik implementiert (80/20-Mix aus Bestsellern und neuen Designs), gesteuert durch Nutzerkontext wie Geschäftstyp, Standort und Schlüsselwörter.
- Automatisierte SVG-Namenseinblendungs-Pipeline erstellt, die Nutzereingaben in Sticker-Vorlagen einfügt und druckfertige Vektordateien direkt in Google Cloud Storage liefert.
- Backend-Services auf Google Cloud Run bereitgestellt, was containerisiertes Skalieren mit Zero-Downtime-Updates und effizienter Ressourcennutzung ermöglicht.
- Sichere Unternehmensvalidierung, Kontoerstellung und Nachbestellfunktionen integriert, dabei Nutzerkonfigurationen in persistentem MongoDB-Speicher erhalten.
- Admin-fähige CMS-Struktur entworfen, die internen Teams ermöglicht, Designs, Kategorien und Konfigurationen ohne Entwicklerhilfe zu aktualisieren.
- JustAsk – KI-Shopping-Assistent (Rolle: Backend-Architekt und Golang-Entwickler; Tech Stack: Golang, OpenAI API, pgvector, PostgreSQL, Docker)
- Vierstufiges Golang-Backend aufgebaut: Scraping-Schicht, Normalisierungsschicht, Vektorspeicherschicht, Abfrageschicht.
- Modulare, testbare Komponenten mittels TDD und Continuous Integration sichergestellt.
- Vektorabfragen für Performance und Relevanzbewertung optimiert.
- Abfragelatenz um 60 % reduziert und fragmentierte Marktdaten in ein einziges intelligentes Suchsystem zusammengeführt.
- Enterprise-RAG-Plattform (Stack: LangChain, Qdrant, MongoDB, FastAPI, Hugging Face Transformers, spaCy, OpenAI API, Docker, Kubernetes)
- Multi-Tenant-RAG-Pipeline für kontextuelle Dokumentensuche und Wissensabruf auf Unternehmensebene entworfen und bereitgestellt.
- NLP-Verarbeitungspipeline für Dokumentenaufnahme entworfen und implementiert, einschließlich Tokenisierung, Entitätserkennung, Zusammenfassung und Embedding-Generierung mit transformer-basierten Modellen.
- Automatisierte Chunking-, Metadatenerfassung und semantische Indexierung, was hoch effiziente Abfragen über große und diverse Dokumentenkorpora ermöglicht.
- Embedding-Speicher und Ähnlichkeitssuche mit Qdrant optimiert, mit feinabgestimmter Relevanzbewertung und hybriden Suchstrategien.
- Versionskontrollierte Prompts und NLP-Komponenten über LangChain integriert, um konsistente Modellorchestrierung für verschiedene Mandanten und Datenbereiche zu gewährleisten.
- Skalierbare Microservices in Docker- und Kubernetes-Cluster bereitgestellt, mit modularen APIs zur Unterstützung dynamischer Retrieval-Workflows und KI-getriebener kontextbezogener Antworten.
- Backend-Systeme nach Clean Architecture und SOLID-Prinzipien entworfen und gewartet.
- Unter 200 ms hybride semantische Suchlatenz über Datensätze größer 100 GB erreicht.
- Automatisierte Erfassung und Normalisierung von Scraping-Jobs aus mehreren Quellen mit semantischer Indexierung.
- KI-Module für natürlichsprachliche Suche, automatische Klassifikation und Agentenorchestrierung integriert.
- In allen CI/CD-Pipelines eine Unit- und Integrationstestabdeckung von über 90 % gewährleistet.
Zusammenfassung
Erfahrener Backend Engineer und AI/ML-Spezialist mit über 10 Jahren Erfahrung in der Konzeption skalierbarer Backend-Systeme, verteilter Microservices und KI-getriebener Produkte. Experte für Python als Hauptentwicklungssprache, mit zusätzlicher Kompetenz in Golang und Next.js. Umfangreiche Erfahrung im Aufbau von Web-Scraping-Frameworks, Datenpipelines, semantischen Suchsystemen und KI-Integrationen auf Basis moderner LLM- und NLP-Technologien. Versiert in der Planung und Bereitstellung von End-to-End-NLP-Pipelines für Textklassifikation, Zusammenfassung, Embedding-Generierung und Conversational AI. Erfahren in der Integration intelligenter APIs in React.js- und Next.js-Frontends, um nahtlose, datenbasierte Nutzererlebnisse zu liefern. Engagiert für Clean Architecture, modulares Design und testgetriebene Entwicklung (TDD) sowie erfahren in der Bereitstellung cloud-nativer, produktionsreifer Services für Datenverarbeitung und Hybrid-Suche.
Sprachen
Englisch
VerhandlungssicherAusbildung
Okt. 2011 - Juni 2015
Militärische Technische Universität
Master of Science in Informatik · Informatik · Warschau, Polen
Sie suchen Freelancer?Passende Kandidaten in Sekunden!
FRATCH GPT testenWeitere Aktionen
Ähnliche Freelancer
Entdecken Sie andere Experten mit ähnlichen Qualifikationen und Erfahrungen.
- English
- Deutsch
2025 © FRATCH.IO GmbH. All rights reserved.