Backend & APIs
Langlebige Services und die Verträge zwischen ihnen.
Full-Stack · Backend · Voice AI
Voice- und Echtzeit-Medien-Pipelines, Microservices, die den Kontakt mit der Realität überstehen, und die AI-Infrastruktur, die beides verbindet.
Wo Tiefe vorhanden ist
Ein Werkzeugkasten in Betrieb, keine Wunschliste. Jeder Bereich wurde ausgeliefert, debuggt und im Produktivbetrieb betreut.
Langlebige Services und die Verträge zwischen ihnen.
End-to-End-Voice-Stacks — vom Mikrofon zum Modell und zurück, inklusive der Clients, die mit ihnen sprechen: ein Alexa-Skill, eine native watchOS-App, ein Wake-Word-Listener auf ESP32-S3 und eine Chrome-Erweiterung.
Audio und Video durch Pipelines bewegen, die mithalten müssen.
LLMs in echte Produkte einbauen — beobachtbar, sicher, im Auftrag anderer. Außerdem spezialisierte AI-Agenten als Lieferteam orchestrieren, mit klar begrenzten Schreibbereichen und evidenzbasierten Review-Gates, bevor eine Änderung angenommen wird.
Austauschbare Modellanbieter hinter einer Grenze: Routing pro Aufgabe (Chat, Embeddings, Übersetzung, Sprache, Realtime), Anbieter-Fallbacks und explizite „aktuellen verwenden“-Standards, Zugangsdaten in einem einzigen Dienst und jeder Aufruf mit Anbieter, Modell und Token-Verbrauch nachverfolgt.
Vom Container zum Cluster, mit Traces bis ganz nach unten.
Die passende Speicherform für das jeweilige Problem wählen.
Ausgewählte Arbeiten
Einige repräsentative Systeme. Anonymisiert — entscheidend ist die Form des Problems, nicht das Logo.
01
Mehrstufiges Docker-Deployment eines Kamailio-SIP-Proxys und eines RTPEngine-Media-Relays vor einem Voice-AI-Agenten. Abgestimmtes Host-Networking und WSS-Terminierung für Sprach-Roundtrips mit niedriger Latenz. RBAC über mandantenfähige APIs.
02
Ein zentrales FastAPI-Backend für zwei SPAs (eine Sprachlern-App und eine Markdown-Wissensbasis) auf Postgres mit pgvector. Ein entkoppelter MCP-Server übernimmt jeden LLM-Aufruf — Anbieterschlüssel, Request-Logs, OpenTelemetry-Traces und Event-Dateien pro Request liegen hinter einer einzigen SSE-Grenze. Die Plattform bringt eine wegwerfbare Kubernetes-Testumgebung mit: Chart-Smoke-Checks, eine API-Suite und eine Voice-Suite, die echtes Audio durch die WebSocket-Pipeline schickt, plus Migrationen, die vor dem Release gegen einen wiederhergestellten Produktions-Snapshot geprüft werden.
03
CRM-nahe Services werden erweitert, Legacy-Daten migriert, Code reviewt (überwiegend Backend, ~70–100% des Diffs), und die Architekturentscheidungen prägen das nächste Quartal. Testabdeckung, CI/CD, Kubernetes über ArgoCD.
04
Echtzeit-Video und -Audio mit WebRTC, dazu Backend-Services für Spracherkennung und Übersetzung. Infrastruktur von Grund auf mit Terraform, CI/CD und Docker aufgebaut.
05
Werkzeuge für Enterprise-Medienkunden, integriert mit HubSpot, Zahlungs- und E-Rechnungs-Anbietern. Lambda-Pipelines erledigten die schwere Medienverarbeitung; Jenkins und Docker hielten alles am Laufen.
Frag zum Profil
Ein kleiner Assistent beantwortet Fragen zu meiner Erfahrung aus dem Profil auf dieser Seite. Frage eintippen und Enter drücken.
Antworten werden aus dem Profil oben erzeugt. Fragen werden getippt, nicht eingefügt, damit das Feld Menschen von Skripten unterscheiden kann.
Kontakt
Backend-, Voice-AI- und Plattform-Projekte. Der schnellste Weg ist E-Mail.