Software- und Systementwicklung · Plattformen & DevOps · KI-Entwicklung

Aus komplexen Softwarevorhaben werden belastbare Produktivsysteme.

MihalTEC entwickelt Softwaresysteme, Algorithmen und Plattformen und integriert KI in neue und bestehende Lösungen. Wir verbinden technische Klärung und Architektur mit Implementierung, automatisierten Tests, Containerisierung und zuverlässiger Bereitstellung.

Vorhaben technisch prüfen Leistungen ansehen

Wartbar

Testbar

Integrierbar

Betreibbar

Vorhaben
Discovery
Entwicklung
Integration
Betrieb

Typische Auftragssituationen

Neue Systeme, bestehende Software oder ein klar abgegrenztes Engineering-Paket – entscheidend sind die fachliche Aufgabe und ein belastbarer Weg zur produktiven Lösung.

Neues System oder anspruchsvolle Komponente

Ein neues Softwaresystem oder eine komplexe Komponente muss konzipiert und entwickelt werden. Wir übernehmen technische Klärung, Architektur, Implementierung und Tests.

Verteilte Daten ohne nutzbare Plattform

Aus verteilten Daten, Fachlogik und Analyseverfahren soll eine nutzbare Plattform entstehen. Wir entwickeln Datenmodelle, Backend-Services, Analysefunktionen und APIs.

Algorithmen ohne Produktionsweg

Vorhandene Algorithmen oder Prototypen müssen getestet, integriert und zuverlässig ausführbar werden. Wir übernehmen Integration, Tests, Containerisierung und Bereitstellung.

Bestehende Systeme weiterentwickeln

Bestehende Systeme und ihre Build-, Test- oder Deploymentprozesse müssen gezielt weiterentwickelt werden. Wir modernisieren Komponenten und Abläufe, ohne den Betrieb zu gefährden.

Drei fachliche Schwerpunkte. Ein Entwicklungspartner

Wir klären technische Aufgaben, entwickeln die erforderliche Software und verbinden sie mit Daten, bestehenden Systemen und einer zuverlässigen Ausführungsumgebung.

Software-, System- & Algorithmenentwicklung

Wir entwickeln technische Software, Algorithmen und Systemkomponenten und erweitern bestehende Lösungen. Dazu gehören Datenverarbeitung, Schnittstellen, Geräteintegration, Simulation und automatisierte Tests.

Systeme und Komponenten in C++ und Python
Algorithmen, Datenverarbeitung und Simulation
Geräte- und Schnittstellenintegration
Automatisierte Unit-, Integrations- und Systemtests

Zur Software- & Systementwicklung

Plattformentwicklung & DevOps

Wir entwickeln Plattformen, Backend-Services, APIs und Datenflüsse. Bestehende Anwendungen und Algorithmen verbinden wir mit reproduzierbaren Laufzeitumgebungen, automatisierten Tests und zuverlässigen Build- und Deploymentprozessen.

Daten- und Analyseplattformen
Integration bestehender Software und Algorithmen
Containerisierung und reproduzierbare Umgebungen
Automatisierte Builds, Tests und Deployments

Zur Plattformentwicklung & DevOps

KI-Entwicklung & Integration

Wir entwickeln und evaluieren KI-Komponenten und integrieren geeignete Modelle in reale Systeme. Dazu gehören Machine Learning und Computer Vision ebenso wie Sprachmodelle und agentenbasierte Workflows, mit nachvollziehbaren Qualitätskriterien und passenden Schnittstellen.

Machine Learning und Computer Vision
Sprachmodelle und agentenbasierte Workflows
Evaluation mit nachvollziehbaren Qualitätskriterien
Integration in neue und bestehende Systeme

Zur KI-Machbarkeit & Entwicklung

Neues System, Bestandssoftware oder abgegrenztes Paket

Nicht jedes Projekt umfasst alle drei Schwerpunkte oder den gesamten Entwicklungszyklus. Bei technischer Unsicherheit kann eine technische Discovery der Einstieg sein – bei klarer Aufgabe starten wir direkt mit einem klar abgegrenzten Engineering-Paket.

Technische Discovery ansehen

Grundhaltung

KI einsetzen, wo sie wirklich einen Vorteil schafft

Nicht jedes Problem benötigt ein KI-Modell. Für klare Regeln, reproduzierbare Berechnungen und verlässliche Prozesslogik ist klassische Software häufig die bessere Lösung. KI ist besonders sinnvoll, wenn unstrukturierte Daten, Sprache, Bilder oder variable Muster verarbeitet werden müssen.

Welches konkrete Problem soll gelöst werden?
Gibt es eine robustere deterministische Alternative?
Welche Daten stehen zur Verfügung und dürfen genutzt werden?
Wie wird die Ergebnisqualität objektiv gemessen?
Welche Folgen haben fehlerhafte Ergebnisse?
Welche Anforderungen bestehen an Latenz, Kosten und Datenschutz?
Wie wird die Lösung in bestehende Systeme integriert?
Welche Rückfallstrategie existiert, wenn das Modell ausfällt?

„KI, wo sie messbaren Mehrwert schafft. Deterministische Software, wo Verlässlichkeit zählt.“

Das Ziel ist nicht möglichst viel KI, sondern die technisch und wirtschaftlich sinnvollste Lösung.

Was produktionsreif konkret bedeutet

Codeerzeugung wird einfacher. Systemverständnis, Integration, Validierung und technische Verantwortung bleiben entscheidend.

Klare Systemgrenzen und Schnittstellen
Nachvollziehbare Architektur
Automatisierte Unit-, Integrations- und End-to-End-Tests
Reproduzierbare Builds und Deployments
Zugriffsschutz und sichere Konfiguration
Logging, Monitoring und Fehlererkennung
Kontrollierter Umgang mit Modell- und API-Kosten
Rollback- und Wiederanlaufstrategie
Technische Dokumentation
Saubere Übergabe und Erweiterbarkeit

Für Unternehmen mit anspruchsvollen Softwarevorhaben

Wir unterstützen beim Aufbau neuer Systeme, bei der Weiterentwicklung bestehender Lösungen und bei der Integration komplexer Daten- und Verarbeitungsprozesse – als Umsetzungspartner für ein zusammenhängendes Vorhaben oder ein klar abgegrenztes Engineering-Paket, unabhängig von Unternehmensgröße und Branche.

Konkrete KI- oder Automatisierungsidee

Neue Plattform oder Systemkomponente

Modernisierung einer bestehenden Software

Integration verschiedener Systeme

Fehlende Test- oder Deployment-Prozesse

Stabilisierung vor dem Livegang

Temporäre Unterstützung bei technischen Projektspitzen

Expertise & Erfahrung

Technologie im Dienst des Kundennutzens

Technologien sind Belege, nicht die Positionierung. Erfahrung aus Automotive, Industrie und Medizintechnik sowie regulierten und technischen Produktumfeldern.

Architektur & Projektklärung

Anforderungen Risiken Teststrategie Roadmap

Python- & C++-Entwicklung

Python C++ (17/20) Datenverarbeitung Flask

APIs, Datenbanken & Integration

REST-APIs PostgreSQL Microsoft Graph Schnittstellen

CI/CD, Container & Deployment

Docker Kubernetes GitHub Actions CMake

Testautomatisierung & E2E

Unit-Tests Integration End-to-End Quality Gates

Computer Vision, ML & KI-Integration

PyTorch TensorFlow OpenCV ML-Integration

Betrieb, Monitoring & Stabilisierung

Logging Monitoring Rollback Sichere Konfiguration

Erfahrungskontext

Automotive Industrie Medizintechnik

Qualität nach solider Produktentwicklung

Erfahrung in regulierten Umgebungen (Automotive, Industrie, Medizintechnik) mit nachvollziehbarer Architektur, Traceability von Anforderungen bis Tests sowie Security-Grundlagen wie sicherer Konfiguration, Zugriffsschutz und Dependency-Hygiene.

Traceability Security-Grundlagen

Ausgewählte Projekterfahrung

Belegte Beispiele aus Anstellung und freiberuflichen Projekten

Drei Beispiele aus Automotive, MedTech und Industrie – ohne Nennung vertraulicher Kunden- und Produktnamen.

Medizinische KI-Plattform (Python)

Berufliche Station im Angestelltenverhältnis

Eine deutschlandweit eingesetzte Python-Plattform zur MRT-basierten Früherkennung musste in einem qualitätskritischen MedTech-Umfeld stabilisiert werden. Der eigene Beitrag umfasste Python-Entwicklung und produktive Fehleranalyse, den Aufbau von Unit-, Integrations- und End-to-End-Tests sowie die Stabilisierung containerisierter CI/CD- und Deployment-Abläufe mit Log-Auswertung und Monitoring. Ergebnis: zuverlässigere End-to-End-Abläufe, reproduzierbarere Releases und ein geringeres Betriebsrisiko im produktiven Einsatz.

Python pytest Docker Kubernetes Argo CD

Hardwareintegrierte Diagnoseplattform (C++20)

Freiberufliches Kundenprojekt

Eine Windows-basierte, hardwareintegrierte Plattform für Geräte- und Diagnoseworkflows sollte gezielt weiterentwickelt werden. Umgesetzt wurden C++20-Komponenten für Kommunikationsschichten und Systemschnittstellen, Simulationskomponenten und ein Systemtest-Tool; die CI/CD-Pipeline wurde für Build, Tests, Packaging und Release ausgebaut. Ergebnis: reproduzierbare Black-Box- und End-to-End-Validierung, geringere Abhängigkeit von physischer Testhardware, schnellere Fehleranalyse und stabilere Releases.

C++20 CMake GoogleTest GitLab CI/CD Simulation

Radar-Deep-Learning-Entwicklungsbasis

Berufliche Station im Angestelltenverhältnis

Für Automotive-Radardaten sollte eine interne, wiederverwendbare Entwicklungsbasis für Deep-Learning-Verfahren entstehen. Konzipiert und entwickelt wurde ein modulares Python-Framework für Datenaufbereitung, Training und Evaluation; darauf aufbauend wurden PointNet-, PointNet++- und Transformer-basierte Ansätze für Segmentierung und Objekterkennung sowie eine radarbasierte Ego-Motion-Schätzung entwickelt und bewertet. Ergebnis: eine reproduzierbare Entwicklungsbasis für Radar-KI-PoCs mit erfolgreichen Funktionsnachweisen für Objekterkennung und Ego-Motion-Schätzung.

Python TensorFlow Radar Point Clouds Transformer

Über mich

Technische Verantwortung vom Konzept bis zum Betrieb

Ich verbinde Softwareentwicklung mit Architektur, Systemintegration, Testautomatisierung und Deployment. Dadurch kann ich Vorhaben nicht nur implementieren, sondern auch technisch einordnen, in bestehende Systeme integrieren und bis zum stabilen Betrieb begleiten.

Meine Erfahrung reicht von C++- und Python-Systemen über Backends, CI/CD und End-to-End-Tests bis zu Computer Vision und Machine Learning. Der gemeinsame Nenner ist Software, die in realen technischen und betrieblichen Umgebungen zuverlässig funktionieren muss.

In der Umsetzung verbinden wir Software- und Plattformentwicklung mit ergänzender Erfahrung in Wahrnehmungsalgorithmen, Sensorfusion, Computer Vision und technischer Validierung.

                                    Ende-zu-Ende
                                    Von Konzept und PoC bis Integration und Betrieb
                                

                                    Regulierte Umgebungen
                                    Automotive, Industrie, Medizintechnik
                                

                                    Dokumentation
                                    Nachvollziehbare Architektur und Traceability
                                

Vorhaben technisch prüfen

Ihr Softwarevorhaben technisch einordnen

In 30 Minuten klären wir Ausgangslage, Aufgabe und nächste Schritte. Der Umfang wird nach der Analyse transparent abgegrenzt.

Vorhaben technisch prüfen