Apleona Intelligence · Azure-Architektur und Finalisierung der KI-Plattform
MEINE ROLLEProjektleiter, Software- und Azure-Architekt, Lead Developer und DevOps Engineer
Ausgangssituation und Ziel
Apleona verfügte mit Apleona Intelligence über einen vorhandenen, KI-gestützt entwickelten Prototyp für die interne Nutzung. Ab diesem Entwicklungsstand übernahm ich die Organisation und Leitung der weiteren Umsetzung. Gemeinsam mit dem Kundenteam sollte die Anwendung technisch weiterentwickelt und erfolgreich fertiggestellt werden. Im Mittelpunkt standen die Qualität und Wartbarkeit des Codes, die Konfiguration der Azure-Dienste, die Zuverlässigkeit der Verarbeitung und die technische Berücksichtigung von Datenschutzanforderungen.
Der Auftrag erforderte eine Verbindung aus Projektsteuerung, Architekturarbeit und eigener Entwicklung. Die bestehende Anwendung und Infrastruktur bildeten die Grundlage. Ich arbeitete heraus, welche Bestandteile weiterverwendet werden konnten, welche Änderungen erforderlich waren und in welcher Reihenfolge sich diese gemeinsam mit Apleona umsetzen ließen.
Rolle und Verantwortung
Als Projektleiter strukturierte ich die Arbeit und steuerte die technische Weiterentwicklung in Abstimmung mit dem Kunden. Als Software- und Azure-Architekt bestimmte ich die technische Richtung mit und bewertete die Zusammenhänge zwischen Webanwendung, KI-Diensten, Hintergrundverarbeitung, Datenhaltung und Cloud-Infrastruktur. Gleichzeitig übernahm ich als Lead Developer und im DevOps-Bereich eigene Implementierungsaufgaben.
Ich übersetzte Erkenntnisse aus Code- und Architekturprüfungen in konkrete GitHub-Issues. Dazu gehörten eine verständliche Problembeschreibung, die betroffenen Komponenten, die erforderlichen Umsetzungsschritte und Akzeptanzkriterien. Bestehende und neue Aufgaben führte ich zusammen, bereinigte Überschneidungen und machte Abhängigkeiten zwischen den Arbeitspaketen sichtbar. So entstand eine nachvollziehbare Grundlage für die gemeinsame Umsetzung und die anschließende Weiterentwicklung durch das Kundenteam.
Vorgehen und eigene Umsetzung
Zu Beginn prüfte ich die vorhandene Architektur, den Anwendungscode und die Infrastrukturdefinitionen. Ich betrachtete dabei sowohl das Verhalten einzelner Komponenten als auch ihr Zusammenspiel. Dazu gehörten API-Routen, Chat- und Suchfunktionen, KI-Anbindungen, asynchrone Dokumentenverarbeitung und die Konfiguration der Azure-Ressourcen. Die Ergebnisse nutzte ich, um unmittelbar umsetzbare Verbesserungen von weiterführenden Architektur- und Betriebsmaßnahmen zu unterscheiden.
Anschließend reviewte und überarbeitete ich Code und Konfigurationen und setzte priorisierte Änderungen selbst um. Ein erstes Umsetzungspaket umfasste 29 einzeln dokumentierte Änderungen aus den Bereichen Terraform und Infrastruktur, CI/CD, Anwendungscode, KI-Agenten und Azure AI Foundry sowie Hintergrundverarbeitung und Dokumentation. Die Änderungen wurden in einem Pull Request mit Testplan und nachvollziehbaren Einzel-Commits zur gemeinsamen Prüfung bereitgestellt.
Ein zweites Paket ergänzte elf weitere Implementierungen. Im Anwendungscode passte ich unter anderem 18 API-Routen an die vorgesehene NextRequest-Verwendung an. Weitere Änderungen betrafen die Begrenzung von Workspace-Mitgliedern und eine klarere Behandlung von Situationen, in denen die Suche vorübergehend nicht verfügbar ist. Damit arbeitete ich an konkreten Funktionen und Fehlerfällen innerhalb der bestehenden Anwendung.
Im Azure- und DevOps-Umfeld bearbeitete ich Infrastrukturdefinitionen und Konfigurationen. Dazu gehörten die Einbindung von Azure Key Vault für die Verwaltung einer Application-Insights-Konfiguration, Diagnosefunktionen für Cosmos DB und eine Aufbewahrungsrichtlinie für Container-Images. Im ersten Umsetzungspaket bearbeitete ich außerdem Änderungen an CI/CD sowie an der KI- und Hintergrundverarbeitung.
Datenschutzanforderungen brachte ich aktiv in die technische Arbeit ein. Ich benannte relevante DSGVO-Punkte, dokumentierte den Handlungsbedarf und setzte konkrete Schutzmechanismen um. Dazu zählten die Reduktion personenbezogener Daten in Telemetrie und Traces, Filter für personenbezogene Entitäten sowie definierte Aufbewahrungsfristen für bestimmte Datenbestände. Diese Maßnahmen wurden mit den übrigen Anwendungs- und Infrastrukturänderungen abgestimmt.
Zusammenarbeit, Übergabe und Ergebnis
Die Umsetzung erfolgte gemeinsam mit dem internen Apleona-Team. Ich verband die fachliche Abstimmung und Priorisierung mit eigener Entwicklungsarbeit und bereitete Entscheidungen so auf, dass sich daraus konkrete nächste Schritte ableiten ließen. Die Änderungen wurden über GitHub-Issues, Pull Requests und begleitende Dokumentation nachvollziehbar gemacht.
Zum Abschluss lagen zwei dokumentierte Umsetzungspakete sowie eine priorisierte Roadmap für die weitere Entwicklung und den Betrieb vor. Die Übergabe umfasste die implementierten Änderungen, ihre Einordnung und weiterführende Empfehlungen, beispielsweise zu Überwachung, Ausfallsicherheit, Ressourcensteuerung und Zugriffsrechten. Dadurch konnte das Kundenteam abgeschlossene Arbeiten und anschließend erforderliche Maßnahmen klar unterscheiden.
Die internen Produktiv-Rollouts führte das Kundenteam durch. Meine Verantwortung umfasste die Organisation und Leitung der gemeinsamen Umsetzung, die Architekturarbeit, eigene Implementierungen sowie die technische Übergabe. Apleona Intelligence wurde gemeinsam erfolgreich und zur vollen Zufriedenheit des Kunden fertiggestellt.
Technologien
Microsoft Azure, Azure Container Apps, Azure AI Foundry, Azure Cosmos DB, Azure Key Vault, Application Insights, Azure Container Registry, Terraform, GitHub, GitHub Actions, CI/CD, Next.js und TypeScript.