Oliver Fries

Technische Leitung und Stabilisierung einer analytischen Optimierungsplattform mit Fokus auf verlässliche Delivery, Skalierbarkeit und Qualität für Enterprise-Kunden.

Kernbeiträge & Ergebnisse

Leitete ein 6-köpfiges Entwicklerteam über fünf Releases und steigerte die Sprint-Lieferquote von ca. 70 % auf über 95 % durch konsequente Priorisierung technischer Schulden.

Etablierte eine neue CI/CD-Pipeline (TeamCity, Docker) und verkürzte Build- und Deployment-Dauer um 40 % durch standardisierte Stages und automatisierte Gates.

Beschleunigte Release-Zyklen von quartalsweise auf zweiwöchentlich und ermöglichte damit deutlich schnellere Feature-Auslieferung für Enterprise-Kunden.

Reduzierte Produktionsfehler innerhalb von sechs Monaten um 64 % durch testgetriebene Architektur in fünf Kernmodulen und konsequenten Ausbau automatisierter Tests.

Steigerte die Laufzeitperformance der Optimierungsplattform um bis zu 40 % durch Caching-Strategien, Entkopplung kritischer Pfade und Stabilisierung rechenintensiver Prozesse.

Konsolidierte redundante Logik in drei Subsystemen und halbierte die Onboarding-Zeit neuer Entwickler von vier auf zwei Wochen durch klare Modulgrenzen.

Technische Kennzahlen

Build- & Deployment-Dauer: Verkürzung um 40 % (25 → 15 Minuten pro Durchlauf).

Release-Zyklus: Umstellung von quartalsweise auf zweiwöchentlich innerhalb eines halben Jahres.

Automatisierte Testabdeckung: Ausbau von 46 % auf 87 % in fünf geschäftskritischen Modulen.

Produktionsfehler: Rückgang um 64 % innerhalb von sechs Monaten nach Architektur- und Testmaßnahmen.

Technologien & Methoden

C#, .NET, Blazor, Entity Framework Core, Docker, TeamCity, NUnit, Shouldly, Moq, CI/CD, Test-Driven Development, Code-Reviews, Software-Architektur, Performance-Optimierung, Agile Scrum

Entwicklung, Modernisierung und Stabilisierung industrieller Software- und Forschungsprototypen mit Fokus auf AAS, CI/CD, Systemstabilität und automatisierter Generierung.

Kernbeiträge & Ergebnisse

Entwickelte einen GenAI-Prototyp zur automatisierten AAS-Erstellung aus technischen Dokumenten und Typenschildern und senkte den manuellen Modellierungsaufwand von ca. 5 Stunden auf unter 15 Minuten pro AAS.

Restrukturierte den AASX Server und PackageExplorer für den produktiven Einsatz durch klare Architekturentscheidungen für sechs Kernkomponenten und reduzierte kritische Laufzeitfehler um rund 70 %.

Etablierte eine durchgängige CI/CD-Pipeline mit GitHub Actions und verkürzte Release-Zyklen von mehreren Wochen auf unter sieben Tage durch automatisierte Builds, Tests und Analysen.

Steigerte die Systemperformance messbar und reduzierte Startzeiten um 35 % durch Modernisierung der Runtime-Abhängigkeiten und Optimierung der Build-Pipelines.

Erhöhte die Code-Qualität nachhaltig durch verbindliche Coding-Standards und automatisierte Tests und reduzierte regressionsbedingte Nacharbeiten deutlich.

Ermöglichte projektübergreifende Wiederverwendbarkeit durch Definition interoperabler AAS- und OPC-UA-Datenmodelle in Industrieprojekten wie Factory-X und Condition Monitoring.

Engineering-Metriken

AAS-Erstellungsaufwand: Reduktion von ca. 5 Stunden auf <15 Minuten pro Modell.

Kritische Laufzeitfehler: Rückgang um rund 70 % nach Architektur- und Containerisierungsmaßnahmen.

Release-Zyklus: Verkürzung von mehreren Wochen auf unter 7 Tage.

Testabdeckung: Ausbau von unter 10 % auf ca. 45 % über 33 Module.

Technologien & Methoden

C#, .NET 8, Blazor, Python, Docker, GitHub Actions, AAS, AASX Server, OPC UA, CI/CD, Automatisiertes Testen, Software-Architektur, Performance-Optimierung

Begleitung eines Nachwuchsentwicklers von der Ausbildung bis zum Berufseinstieg mit Fokus auf strukturierte Entwicklung und Praxistransfer.

Kernbeiträge & Ergebnisse

Begleitete einen angehenden Softwareentwickler über mehr als 12 Monate bis zum erfolgreichen Ausbildungsabschluss und einem klaren Berufseinstieg.

Etablierte eine verbindliche Lernstruktur mit wöchentlichen Lernzielen und regelmäßigen Mentoring-Sessions zur nachhaltigen Kompetenzentwicklung.

Beschleunigte den Praxistransfer technischer Grundlagen durch reale Aufgabenstellungen und verkürzte die Einarbeitung in neue Themen deutlich.

Unterstützte den Berufseinstieg durch fachliche Vorbereitung und Entscheidungsbegleitung und vermied Trial-and-Error-Wechsel.

Engineering-Metriken

Mentoring-Dauer: >24 Monate kontinuierliche Begleitung.

Lernstruktur: Wöchentliche Lernziele über das letzte Ausbildungsjahr.

Praxistransfer: Einarbeitungszeit von mehreren Wochen auf wenige Tage reduziert.

Technologien & Methoden

Softwareentwicklung, Mentoring, Strukturierte Wissensvermittlung, Problemanalyse, Feedback-Prozesse