Unsere Expertentrainer

Adam Furmanczuk

he/him

Softwarearchitekt & Pragmatischer Engineering Coach

Softwarearchitekt mit über 15 Jahren praktischer Entwicklungserfahrung in stark regulierten Branchen wie Banking-Compliance, Grenzschutz, Gesundheitswesen und Robotik-Middleware. Adam hat Systeme vom ersten MVP bis zur Enterprise-Plattform entworfen und skaliert und dabei verteilte Teams mit über 120 Entwicklern in der DACH-Region koordiniert. Er weiss genau, wann Code elegant sein muss und wann Pragmatismus gewinnt, um ein Release pünktlich auf die Strasse zu bringen. Er ist spezialisiert auf pragmatische, produktionsreife Architekturen mit Java, C#, Angular, Flutter, Docker, AWS und arc42/DDD-Methodik. Er unterrichtet nur das, was er selbst produktiv eingesetzt, debuggt und skaliert hat. Sein Ansatz setzt auf echten Code statt Theorie. Teams lernen, Over-Engineering zu erkennen, technische Schulden effektiv zu managen und Architekturen zu bauen, an denen sie auch nach Jahren noch gerne arbeiten. Pragmatisch, produktionsreif und direkt anwendbar.

Björn Wilmsmann

he/him

KI-gestützte Automatisierung, KI-augmentierte Softwareentwicklung, Spring, Java, Webtechnologien

Selbstständiger IT-Berater, Trainer und publizierter Autor mit tiefgreifender Expertise in Java, Spring Boot und Cloud-nativen Architekturen. Als Co-Autor von "Stratospheric: Von Null bis zur Produktion mit Spring Boot und AWS" hat Björn Tausenden von Entwicklern den Weg von der lokalen Entwicklung bis zum produktionsreifen Cloud-Deployment geebnet. Er ist spezialisiert auf digitale Transformation und hilft Unternehmen dabei, Prozesse zu automatisieren, Softwarequalität zu verbessern und geschäftskritische Daten über durchdachte APIs zugänglich zu machen. Seine Kundenarbeit umfasst Enterprise-Anwendungsentwicklung, Architektur- und Designreviews, Angular- und Spring-Boot-Trainings sowie praxisnahes Coaching von Entwicklungsteams in verschiedensten Branchen. Björn verfolgt einen pragmatischen, geschäftsorientierten Ansatz bei Technologiefragen. Ob bei Architekturentscheidungen, Software-Quality-Audits oder maßgeschneiderten Workshop-Formaten – sein Fokus liegt auf messbarem Mehrwert und darauf, Teams zu befähigen, eigenständig mit neuen Technologien zu arbeiten.

Katharina Schmidt

she/her

Machine Learning Engineer & Data Scientist | Expertin für Computer Vision

Erfahrene Machine Learning Ingenieurin und Data Scientist mit fundierter Expertise in der automatisierten Bildverarbeitung und im Umgang mit unstrukturierten Daten. Katharina war in etlichen internationalen Forschungsprojekten tätig und hat im Bereich Smart Microscopy promoviert. Dabei hat sie an einer großen deutschen Universität Vorlesungen und Übungen durchgeführt, um Studierenden der Elektrotechnik und Mechatronik wichtige KI und Deep Learning Skills zu vermitteln. Tools & Frameworks: PyTorch, TensorFlow, scikit-learn, pandas, PySpark, NumPy, MLflow, MatLab, Snowflake, Amazon Web Services und Databricks

Marcus Nitschke

he/him

IT-Projektconsultant

IT-Projektconsultant und Product Owner mit einer Leidenschaft für Produkte, die echten Mehrwert stiften. Durch seine langjährige Erfahrung in der Digitalisierung kritischer Prozesse weiß er genau, wie man Anforderungen präzise übersetzt und Stakeholder sicher durch technologische Transformationsprojekte führt. Mit seinem Hintergrund im Engineering und einem tiefgreifenden Verständnis für komplexe IT-Architekturen agiert er als Brückenbauer zwischen Business, Produkt und Entwicklung. Als Trainer zeichnet sich Marcus durch seine Fähigkeit aus, diese praxisnahe Expertise kombiniert mit agilen Methoden zu vermitteln, um Teams zu befähigen, nutzerzentrierte und technisch fundierte Lösungen mit echter Wirkung zu entwickeln.

Pawel Sawicki

he/him

Senior Machine Learning Engineer

Machine Learning Engineer und Softwarearchitekt mit über 15 Jahren Erfahrung, spezialisiert auf Deep Learning, NLP und LLM-basierte Systeme. Starker Fokus auf dem Design und der Bereitstellung von End-to-End-AI-Pipelines, einschließlich Modell-Feinabstimmung (LoRA/PEFT), Retrieval-Augmented Generation (RAG) und Hochleistungs-Inferenz mit modernen Frameworks wie PyTorch, Hugging Face Transformers und vLLM. Erfahren im Aufbau von agentischen Systemen mit LangChain und LangGraph, sowie in der Entwicklung skalierbarer Backend-Dienste in Python. Vereint fundierte Software-Engineering-Prinzipien mit praktischer Expertise in datenzentrierter AI, um robuste, produktionsreife Lösungen zu liefern.