Engineer / Software / Kategorien
DevOps
GIS‑SaaS‑Deployments mit GitHub automatisiert
Bereitstellung, Datenverarbeitung und Berichtswesen einer GIS‑SaaS‑Anwendung mit GitHub Actions CI/CD, Python, Bash und SQL automatisiert.
GIS-SaaS-Bereitstellung, Datenverarbeitung und Berichte mit GitHub Actions CI/CD, Python, Bash und SQL automatisiert: kürzere, verlässliche Releases.
20 GIS‑Datenpipelines automatisiert ausgeliefert
Die Bereitstellung von 20 GIS‑Datenpipelines und ETL‑Prozessen für Anwendungsdaten automatisiert und dadurch Infrastrukturautomatisierung und Berichterstattung vereinfacht.
20 GIS-Datenpipelines und App-Daten-ETL-Prozesse automatisiert: einfachere Infrastrukturautomatisierung und verlässliche, aktuelle Daten.
GIS‑Kartenprodukt zu 10‑fachem Umsatz geführt
Die Softwareentwicklung einer GIS‑Kartenanwendung geleitet, den Umsatz um das 10‑Fache gesteigert und das Produkt als zentralen Datenbestand positioniert.
GIS-Kartenentwicklung zu einer tragenden Plattformfunktion geführt; Zusatzverkäufe und Datenlizenzen steigerten den Umsatz um das 10-Fache.
Infrastruktur vereinfacht und AWS verlassen
Die Infrastruktur eines internationalen Kunden überarbeitet, ungenutzte Dienste entfernt, Kapazitäten angepasst und Workloads von AWS weg verlagert. Die Gründerin berichtet von einer Senkung der Cloudkosten um den Faktor 10 ohne Produktivitätsverlust.
Infrastruktur eines internationalen Kunden untersucht, ungenutzte Dienste entfernt, Kapazitäten angepasst und Workloads von AWS weg verlagert.
Den API‑Vertrag aus der Datenbank generiert
Den API‑Vertrag von der Datenbank aus nach außen generiert — OpenAPI, einen typisierten TypeScript‑Client mit 44.076 Zeilen, 61 Mock‑Handler und die von der UI durchgesetzten Grenzen — mit einer Prüfung an jedem Übergang, die Abweichungen zurückweist.
API-Vertrag aus der Datenbank generiert: OpenAPI, typisierter TypeScript-Client, Mock-Handler und UI-Grenzen mit Prüfung an jedem Übergang.
Technische Grundlagen der Plattform festgelegt
Die grundlegenden Plattformentscheidungen in den Wochen nach der Eröffnung des Repositorys im November 2025 festgelegt — Schichtenarchitektur, datenbankzentrierter Datenzugriff und Warnungsfreiheit — die neun Monate später weiterhin gelten.
Plattformgrundlagen im November 2025 festgelegt: Schichten, datenbankzentrierter Zugriff und Warnungsfreiheit — sie gelten weiterhin.
Die gesamte Kerninfrastruktur neu aufgebaut
Als eine der ersten Mitarbeiterinnen die gesamte Kerninfrastruktur und die unterstützenden Prozesse eines Green‑Energy‑SaaS‑Start‑ups von Grund auf entworfen und aufgebaut und damit die Grundlage für schnelles Wachstum gelegt.
Als eine der ersten Mitarbeiterinnen die gesamte Kerninfrastruktur eines Green-Energy-SaaS-Start-ups neu aufgebaut und schnelles Wachstum ermöglicht.
Testsuite für Go, SQL und Browser aufgebaut
Eine mehrschichtige automatisierte Testsuite aufgebaut — 981 Go‑Tests, 543 Frontend- und Browserspezifikationen, 494 verhaltensprüfende SQL‑Tests — mit Mutationstests, eigenschaftsbasierten Tests und einer verbindlichen Barrierefreiheitsprüfung.
Mehrschichtige Testsuite: 981 Go-Tests, 543 Frontend-Spezifikationen und 494 SQL-Verhaltenstests mit Mutations-, Eigenschafts- und Barrierefreiheitsprüfungen.
Repository‑Prüfengine mit 268 Checks entwickelt
Die Prüfengine des Repositorys entwickelt — 268 registrierte Commit‑Prüfungen, 277 Lint‑Regeln und 15 eigene ESLint‑Regeln — sowie 146 Tests der Prüfungen selbst, damit der Build den Standard durchsetzt und nicht erst das Review.
Prüfengine mit 268 registrierten Commit-Checks, 277 Lint-Regeln und 15 eigenen ESLint-Regeln sowie 146 Tests der Prüfungen selbst entwickelt.
Eigene Fehlerüberwachung und Tracing entwickelt
Eigene Fehlerüberwachung und OpenTelemetry‑Tracing entwickelt statt eingekauft — Bereinigung von Nutzdaten, Erkennung von Fehlerspitzen und Regressionen, Symbolauflösung und synthetisches Lebenszeichen — mit 11 Betriebsansichten.
Eigene Fehlerüberwachung und OpenTelemetry-Tracing: Bereinigung, Spitzenerkennung, Symbolauflösung und Lebenszeichen mit 11 Betriebsansichten.
Ihr Code auf Ihrem eigenen Server
Die eigene Git‑Forge auf Soft Serve bereitgestellt, standardmäßig privat, ohne Weboberfläche und mit an Loopback gebundenem SSH‑Port hinter einem Sprunghost; die vorgeschaltete Startseite als Build‑Artefakt der Hauptwebsite statt als manuell gepflegte Kopie umgesetzt.
Das Unternehmen hostet eigenen Code auf eigener Hardware. Die vorgeschaltete Seite erbt sämtliche bestandenen Prüfungen der Hauptwebsite, statt auf nur durch…
Commit‑Prüfung mit 22 Lintern aufgebaut
Eine verbindliche Commit‑Prüfung aus 22 einzeiligen Lintern und fünf ausführlicheren Prüfungen aufgebaut, ohne Warnungsstufe und ohne Inline‑Unterdrückungen, für HTML, CSS, JavaScript, Python, YAML, Markdown, Shell, Links, Rechtschreibung, Geheimnisse und Typografie.
Maschinen erheben mechanische Einwände, bevor ein Commit existiert. Diese Prüfung ist die einzige prüfende Instanz des Projekts.
Ein Sicherheitsnetz, das keine halbe Stunde mehr kostet
Die browsergestützte Qualitätsprüfung der Website von 1.636 auf 615 Sekunden verkürzt, indem die Prüfungen in einem auf vier parallele Ausführungen begrenzten Worker‑Pool nach längster Laufzeit zuerst eingeplant werden, nachdem die alphabetische Reihenfolge 320 statt 224 Sekunden benötigt hatte.
Die Gesamtprüfung sank von 1.636 auf 615 Sekunden, während die Abdeckung wuchs: Der serielle Aufwand stieg, die tatsächlich verstrichene Zeit sank.
Qualitätsprüfung mit 10.242 Zeilen selbst geprüft
10.242 Zeilen JavaScript der Qualitätsprüfung unter Formatter und Linter gebracht, nachdem sie sich als größter und zugleich ungeprüfter Codebestand des Repositorys erwiesen hatten; 13 Befunde behoben und keinen unterdrückt.
Der größte und tragendste Codebestand ist nun formatiert, gelintet und typgeprüft, mit dreizehn behobenen Befunden und null Unterdrückungen.
Generator mit 981 Tests und 92 % Abdeckung
Den Generator mit 981 Testfällen und mindestens 92 % Zweigabdeckung geprüft, Warnungen als Fehler behandelt und Idempotenz durch zwei vollständige Pipeline‑Durchläufe aus einer leeren Datei nachgewiesen, wobei der zweite nichts ändern darf.
Die Pipeline lässt sich bedenkenlos auf einer bestehenden Datenbank wiederholen. Das ermöglicht schrittweise Inhaltsarbeit überhaupt erst.
Jede Lint‑Regel als Fehler aktiviert
Sämtliche Regeln des Python‑Linters als Fehler aktiviert und 1.815 Befunde bis auf null abgearbeitet; jede der wenigen Ausnahmen schriftlich begründet und zwei davon durch eine Prüfung statt nur einen Kommentar abgesichert.
Der Linter läuft vollständig mit null Befunden. Jede Abweichung ist an ihrer Stelle dokumentiert.