Free Deep Dive "Digitising German SMEs Together" on 26.10. Register now
Logo von sifamo GmbH

sifamo GmbH

Java, DevOps, Typescript, Angular
5
10 ratings
To the website Send message

Unternehmensdarstellung

Fokus auf Künstliche Intelligenz, Cognitive Transformation und individuelle Plattformlösungen. Wir begleiten Unternehmen – von Mittelstand bis Konzern – bei der Konzeption, Entwicklung und dem produktiven Betrieb von modernen KI-Anwendungen, insbesondere im Bereich Generative AI, RAG-Architekturen, semantisches Wissensmanagement und Fullstack-Webentwicklung mit Spring Boot, Kotlin, React und Azure. SIFAMO ist auf Enterprise-nahen KI-Einsatz spezialisiert – von regulatorisch sensiblen Branchen wie Banken & Automotive bis hin zu Wissensplattformen in Forschung und Industrie. Wir verstehen uns als langfristiger Technologiepartner mit Fokus auf Codequalität, Architekturverantwortung und Business Impact. Kurzübersicht zu SIFAMO: Website: www.sifamo.com CEO-Profil: www.umairzaffar.com Publikationen: umairzaffar.medium.com Magazinbeitrag zu unserer Expertise: Business Minds Media Summit & Event: sifamo.ai
Daily rate
700€/day
Annual turnover
2-10 million
Company type
Established
Homepage
https://www.sifamo.com
Location
StuttgartNurembergMunichHamburgFrankfurt on the MainBerlin

References

AI-basierte Dokumentenanalyse & Weiterentwicklung bankkritischer Zahlungsverkehrsinfrastrukturen

Atruvia / Volks- und Raffeisenbanken
Banking and Financial Services

Verified ratings

Communication
Adherence to deadlines
Quality

09/2020 - 09/2021

Munich

Request similar project

Project description

SIFAMO begleitete ein führendes Finanzinstitut bei der Entwicklung eines KI-gestützten Dokumentenmanagementsystems zur semantischen Analyse regulatorisch relevanter Inhalte aus gescannten Formularen, Verträgen und Rechnungen.

Kern des Systems war ein mehrschichtiger Generative-AI-StackGPT-Modelle (OpenAI) wurden über Spring AI in ein domänenspezifisches Retrieval-Augmented Generation (RAG)-Framework eingebunden. Die Vektorsuche erfolgte mittels PGVector in Kombination mit PostgreSQL, ergänzt durch ein internes LLaMA-Modell via Hugging Face and FastAPI in isolierter Azure-Umgebung.

Zur Vorverarbeitung kamen OpenCV and YOLO für die Extraktion relevanter Inhalte aus gescannten Dokumenten zum Einsatz. Die Backend-Architektur basierte auf Spring Boot 3 and Spring Security, ausgerollt als Microservices via DockerKubernetes/OpenShift and Helm.

Zusätzlich unterstützte SIFAMO die Migration bankinterner Legacy-Services auf Kotlin, implementierte Kafka/Kafka Streams und entwickelte eine zentrale Commons Library. Die CI/CD-Pipelines wurden von Jenkins auf GitLab CImigriert; Deployment und Tests wurden in vCluster-basierten Umgebungen durchgeführt.

Die Qualitätssicherung umfasste automatisierte Tests mit JUnit 5MockitoPostman, ergänzt durch Monitoring mit PrometheusGrafanaOpenSearch and Dynatrace. Sicherheitsmaßnahmen wurden mit TrivyDefect Dojo and Renovate etabliert.

Das Projekt wurde agil nach Scrum and SAFe realisiert, mit technischer Leitung in Architekturfragen, Pair Programming, regelmäßigen Code Reviews und domänenspezifischem Prompt Engineering.

IntelliJ
Monitoring
Document Management
PostgreSQL
Jenkins
Jupyter
Trivy
Frontend
Git
JavaScript
Prometheus
Bitbucket
Swagger
OpenCV
Postman
Azure
Docker
SAFe
Kubernetes
LangChain
Flask
CI/CD
FastAPI
Angular
Java
Grafana
Typescript
Requirements Analysis
Ist-Analyse
Python

Echtzeitdatenplattform für intelligente Reisendeninformationen

Transport and Logistics
Rail transport

Verified ratings

Communication
Adherence to deadlines
Quality

12/2022 - until today

Frankfurt (Main)

Request similar project

Comment

Das Beraterteam von sifamo hat uns im Rahmen eines anspruchsvollen Projekts im Bahnsektor wirklich beeindruckt. Von Anfang an war die Zusammenarbeit nicht nur professionell, sondern auch sehr angenehm. Besonders geschätzt haben wir die vielen innovativen Impulse und die lösungsorientierte Herangehensweise, mit der Herausforderungen schnell und pragmatisch angegangen wurden.

Sifamo hat es geschafft, frische Ideen mit echter Umsetzungskompetenz zu verbinden – das hat unserem Projekt einen echten Schub gegeben. Man merkt einfach, dass hier mitgedacht wird und der Fokus immer auf praktikablen, zukunftsorientierten Lösungen liegt.

Vielen Dank für die tolle Zusammenarbeit – wir freuen uns schon auf weitere gemeinsame Projekte!

Project description

SIFAMO realisierte für ein führendes Unternehmen im Bereich Transport & Logistik ein System zur Echtzeitdatenverarbeitung, das Informationen für Reisende zuverlässig aggregiert und bereitstellt. In der Rolle als IT-Consultants und Lead Software Engineers übernahmen Mitarbeitende von SIFAMO die Weiterentwicklung einer Microservice-Architektur auf Basis von Apache KafkaKafka Streams and RabbitMQ. Zusätzlich wurde eine Migration von einer Managed-Cloud in eine selbstverwaltete OpenShift-Infrastruktur verantwortet, inklusive Kontrolle über Netzwerkarchitektur, Pod-Platzierung und Sicherheitsrichtlinien.

The CI/CD-Pipeline wurde vollständig von Jenkins auf GitLab CI umgestellt und um sicherheitskritische Quality Gates, automatisierte Deployments sowie rollenbasierte Deployments mit OpenShift Routes erweitert. Alle Microservices wurden mit Docker containerisiert und über Helm and Kustomize orchestriert, mit Unterstützung von vCluster für isolierte Integrationstests.

Im Rahmen der Softwarequalität wurden End-to-End-Tests mit FitNesse, Cypress und Playwright, sowie JUnit-Testsim Backend und Mocking mit Mockito eingesetzt. Zur Überwachung der Produktionsumgebung implementierte das Team Monitoring mit Prometheus, Grafana und OpenSearch.

Strategisch begleitete SIFAMO die Vorbereitung auf zukünftige KI-Integration durch den Aufbau semantisch durchsuchbarer APIs für ein internes Generative-AI-System (z. B. BahnGPT). Darüber hinaus leitete das Team die Initiierung einer AI-Driven-Development-Initiative zur Entwicklung von Prototypen für Verspätungsprognosendialogbasierte Assistenzsysteme and Natural Language Interfaces, deren Ergebnisse direkt in spätere GenAI-Projekte einflossen.

Docker
Kafka Streams
Monitoring
JUnit
Mockito
Red Hat OpenShift
Cypress
Security Guidelines
Apache Kafka
Artificial Intelligence
RabbitMQ
CI/CD
Transport and Logistics
Backend
Playwright
Grafana
OpenSearch
Prometheus
FitNesse
Migration
Microservices
Helm

Intelligentes Enterprise Knowledge Management System mit GenAI

Robert Bosch GmbH
Automobilindustrie und Maschinenbau

Verified ratings

Communication
Adherence to deadlines
Quality

09/2023 - until today

Stuttgart

Request similar project

Project description

SIFAMO begleitete einen führenden Automobilzulieferer (Robert Bosch GmbH) bei der Entwicklung einer KI-gestützten Wissensplattform von der initialen Konzeptionsphase bis zum produktiven Cloud-Rollout. Ziel war es, das domänenspezifische Wissen im Schraubenmanagement durch Generative AI strategisch zu erschließen, bestehende Prozesse datenbasiert zu automatisieren und eine adaptive, interaktive Nutzererfahrung bereitzustellen.

Die Lösung wurde in einer hybriden Cloud-Umgebung auf Microsoft Azure und Google Cloud Platform implementiert. Zentrale Bestandteile waren ein domänenspezifisches GPT-System, das produktionsnahe Fachfragen semantisch aufbereitet beantwortet, sowie ein robustes Microservice-Backend auf Basis von Spring Boot and Spring Cloud. Für die Verarbeitung großer technischer und semantischer Datenmengen wurde Apache Kafka als Messaging-Layer eingesetzt.

Zur optimalen Anpassung der Sprachmodelle wurden Methoden wie Zero-Shot- und Few-Shot-LearningPrompt Engineering sowie Fine-Tuning auf Produktionsdaten eingesetzt. Die Verwaltung und Orchestrierung der LLMs erfolgte über OpenAIHugging FaceLangChain and Google Vertex AI. Die Antwortqualität wurde durch Retrieval-Augmented Generation (RAG) and semantisches Matching kontinuierlich optimiert.

Das Frontend wurde als modulare Monorepo-Architektur mit Angular (v13–16)Tailwind CSSNgRx (inkl. Facade Pattern) und RxJS realisiert. Durch Lazy Loading, Responsive Design und dynamisches State Management entstand eine performante und nutzerzentrierte Oberfläche.

Die Umsetzung erfolgte in enger Abstimmung mit den Product Ownern, u. a. zur Analyse von Use Cases, zur UX-Optimierung sowie zur strategischen Integration von KI-Komponenten. Die Plattform wurde testgetrieben entwickelt (TDD) und durch automatisierte End-to-End-Tests mit CypressPlaywright and Jest abgesichert. Die APIs wurden versioniert, auf Datenvalidierung hin optimiert und zentral dokumentiert.

Zur Steigerung der Wartbarkeit und Wiederverwendbarkeit wurde ein unternehmensweites Shared Library-Konzeptetabliert. Die kontinuierliche Qualitätssicherung erfolgte durch regelmäßige Code ReviewsPair Programming, sowie die Nutzung moderner DevOps-Praktiken über Azure DevOps PipelinesIntelliJGit and Maven.

RxJS
IntelliJ
SCSS
Jest
Apache Kafka
Spring Boot
Hybrid Cloud
Google Cloud Platform
CSS
Quality Assurance
Prompt Engineering
End-to-End-Testing
REST API
Cypress
LangChain
CI/CD
Redux
Angular
HTML
Scrum
Ist-Analyse
Microservices
Product Owner
Python
User Experience
Confluence
TensorFlow
Data validation
Automotive
Google Cloud
Frontend
Git
SonarQube
Tailwind
Azure DevOps
PyTorch
NgRx
Jira
NPM
Azure
Language Models
Rollout
Apache Maven
Artificial Intelligence
FastAPI
Playwright
DevOps
Typescript
Pair Programming
Spring

Main focus

Requirements Engineering
Angular
Requirements Analysis
LangChain
Spring Boot
NgRx
Artificial Intelligence
Generative AI

Other skills

IntelliJ
Terraform
SCSS
ERP
Apache Kafka
IT Services
Jupyter
GitHub Actions
Cloud Integration
Cloud Architectures
Quality Assurance
Docker
SAFe
API Testing
Smart Contracts
Spring Web MVC
Container
Microservices
OAuth2
Ubuntu
Visual Studio Code
HTML5
Monitoring
BPMN
User Experience
PostgreSQL
Lifecycle Management
Hazelcast
WebSocket
Tailwind
Prometheus
IT Infrastructure
Bitbucket
Java Persistance API
Mockito
Neo4j
Helm Charts
Reverse Proxy
Playwright
FastAPI
Java
C#
DevOps
Software Engineering
Typescript
Cypher
XML
Test-driven development
Pair Programming
Spring
Subversion
JSON
IT Architecture
User Interface
BiPRO
Google Cloud Platform
Spring Data
WSDL
Keycloak
Swagger
Cobol
Postman
End-to-End-Testing
REST API
IT Consulting
Single-Page Application
Swing
GraphQL
DevSecOps
Cypress
Bamboo
Hibernate
Flask
Gradle
Redux
HTML
MongoDB
Oracle SQL
Windows XP
Document Management
TensorFlow
Banking and Financial Services
Eclipse
Banking Sector
WildFly
Azure
Kubernetes
AWS
nginx
Apache Maven
SOAP
Behavior Driven Development
Business Transformation
Civil Service
Grafana
Blockchain
Kotlin
Windows
Reinforcement Learning
JHipster
Compliance
Kanban
Data acquisition
Jest
Netbeans
Spark
Digital Transformation
iOS
JavaScript
Linux
Jasmine
Prompt Engineering
MySQL
OpenCV
Dependency Injection
Knowledge Graph
Telecommunications
Requirements Management
Scrum
AngularJS
Python
Product Owner
Node.js
Apache Spark
Omni-Channel Platform
Optical Character Recognition
Business Analysis
Jenkins
Storybook
Google Cloud
Frontend
PyCharm
SonarQube
Data Modeling
DB2
AOP
Ethereum
Natural Language Processing
NPM
UML
AI Strategy
Figma
ReactJS
Redis
Cloud Transformation
Domain Driven Design
k-means
SpecFlow
RxJS
SQL
Code Review
OneDrive
Application Lifecycle Management
GitHub
Selenium
E2E Testing
RabbitMQ
Clean Code
Apache Airflow
FitNesse
CSS
Machine Learning
Model-View Controller
OpenAPI
GUI
Spring Data REST
Spring XD
CI/CD
Unit Testing
Prototyping
NoSQL
BIND
Helm
JUnit
SASS
Confluence
GitLab CI/CD
Automotive
Service industry
Product development
Git
Insurance Industry
Fullstack
Yarn
PyTorch
MariaDB
Jira
GitLab
Spring Security
Scala
Proof of Concept
Backend
Nexus
Bootstrap
Migration
Webstorm
+184

Industries

Service industry
30 - 50 projects
Internet and IT
30 - 50 projects
Insurance Industry
30 - 50 projects
Automotive
10 - 30 projects
Banking and Financial Services
10 - 30 projects

Dein persönlicher Ideen- und Beratungsassistent

Nutze unseren KI-Bot, um gezielt Fragen zu diesem Dienstleister zu stellen, Inspiration für dein Projekt zu sammeln oder passende Alternativen zu finden. Schnell, einfach und rund um die Uhr für dich da!

en_GBEnglish

Send message

Stelle hier anonym deine Frage an das Unternehmen, z.B. nach Verfügbarkeiten, Sätzen und Referenzen.

An welche Mailadresse sollen wir die Antwort senden? Wir geben diese nicht an das Unternehmen weiter.