Bevor es Cloud und KI gab, arbeitete ich jahrelang in der Fertigung und im Test Engineering von IBM-Großrechnern — der qualitätskritischsten Hardware der Branche. Dieses Fundament macht meine Software produktionstauglich.
Die meisten Softwareentwickler haben nie erlebt, was passiert, wenn Qualität im großen Maßstab versagt. Ich verbrachte den frühen Teil meiner Karriere damit, sicherzustellen, dass IBM-Großrechner — Maschinen, auf die Banken, Fluggesellschaften und Krankenhäuser für den unterbrechungsfreien Betrieb angewiesen sind — das Werk korrekt verließen. Jede Einheit. Jedes Mal.
Im deutschen Maschinenbau und Mittelstand wird dieser Hintergrund verstanden. Präzision, Qualitätsdisziplin und fertigungsskaliges Denken sind keine Soft Skills — sie sind technische Grundvoraussetzungen. Ich bringe sie direkt in den Entwurf moderner Softwaresysteme ein.
Test- und Produkt-Ingenieur in der IBM-Mainframe-Fertigung in Brasilien und den USA.
Systematischer Testfallentwurf, Abdeckungsanalyse, Fehlermodus-Auflistung und Regressionsdisziplin — auf Hardware-Ebene angewendet, bevor es zur Software-Praxis wurde.
ISO-9000-Qualitätsprozesse, Defect-Tracking, Ursachenanalyse und Korrekturmaßnahmen in einer Fertigungsumgebung, in der Nacharbeit teuer und Feldausfälle inakzeptabel sind.
Verstehen, wie Komponenten innerhalb eines Systems interagieren — und wie sich Fehler ausbreiten. Dieses mentale Modell wende ich heute auf verteilte Softwaresysteme an.
Zusammenarbeit mit Engineering, Fertigung, Compliance und Kundenteams zur Problemlösung unter Zeitdruck — dieselbe Kompetenz wie bei der Software-Incident-Response.
Fertigungslinien haben harte Deadlines, harte Qualitätstore und keine Toleranz für „nah genug". Diese Präzision überträgt sich direkt auf meine Handhabung von Produktions-Deployments.
Die Unterstützung von F&E-Projekten für Großkunden (Cisco, NCR, Hitachi) hat die Gewohnheit gefestigt, Ergebnisse zu verantworten — nicht nur Liefergegenstände.
Die Gewohnheiten, die ich auf dem IBM-Fertigungsboden entwickelt habe, sind dieselben, die meine Software im Produktivbetrieb zuverlässig machen. Ich schreibe Tests, bevor ich ausliefere. Ich modelliere Fehlermodi, bevor ich Architektur entwerfe. Ich behandle Produktions-Incidents mit derselben Ernsthaftigkeit, mit der ich früher einen Feldrückläufer eines 3-Millionen-Dollar-Mainframes behandelt habe. Die Werkzeuge haben sich geändert — die Disziplin nicht.
Dieser Hintergrund ist der Grund, warum ich Software-Architektur mit mehr als nur Code im Blick angehe. Ich denke darüber nach, was passiert, wenn das System versagt, wer betroffen ist und wie der Wiederherstellungspfad aussieht. Dieser Instinkt wurde in einem Umfeld trainiert, in dem Versagen keine Option war — und er überträgt sich direkt auf den Aufbau produktiver Software, auf die Organisationen angewiesen sind.
Im deutschen Mittelstand — Unternehmen wie WEISS GmbH, wo ich heute arbeite — ist diese Kombination aus Fertigungsstrenge und moderner Software-Kompetenz nicht nur wertvoll; sie ist genau das, was der Markt braucht, da Industrieunternehmen in ihre digitale und KI-Transformation investieren.