TechLead-Story: Michael Rogger, Software Engineering Team Lead bei Swarm Analytics

TechLeadStory

Michael Rogger

Team

Wie groß ist das Dev/IT-Team? Wie setzt sich das Team, in Funktionen aufgeteilt, zusammen?

Unser Software Engineering Team besteht derzeit aus fünf Software Engineers. Jede*r einzelne ist an der Entwicklung und Mitgestaltung der Produkte involviert. Wir haben unseren Fokus auf die Bereiche Deep Learning, Data, High Performance Application und Plattform/Full-Stack gesetzt. Ich unterstütze das Team, wo ich kann, unter anderem im Aufbau von Strukturen/Prozessen, Scrum, Recruiting, Software Architektur/Entwicklung.

Wie ist euer Team organisiert und aus welchem Grund habt ihr euch für eine bestimmte Organisation entschieden? Worin liegen die Vorteile, wo die Nachteile?

Wir organisieren uns als vertikales Scrum Team und bauen sowie shippen gemeinsam das Produkt. In jedem Sprint (zweiwöchig) legen wir einen starken Fokus auf einige wenige Bereiche, dabei arbeiten wir markt- und kundenorientiert. Wichtig sind für uns Produkt Increments am Ende des Sprints. Jede*r arbeitet auf das gemeinsame Sprintziel hin, wodurch wir schnelle und agilen Entwicklungszyklen erreichen.

Was macht euer Team, im Vergleich zu anderen Teams, besonders?

Als vertikales, selbstorganisiertes Team arbeiten wir alle gleichzeitig und gemeinsam fokusiert an Features, Problemen und anderen Themen. Wir entwickeln, testen, deployen und debuggen das Produkt gemeinsam.

Recruiting

Wie ist eure Abteilung in den Recruiting-Prozess integriert?

In der letzten Interview-Runde lernen sich Kandidat*innen und das Engineering-Team kennen. Beide Seiten haben somit die Möglichkeit, Fragen zu stellen oder gemeinsam an Coding Challenges zu arbeiten. Das Team entscheidet, ob der/die Kandidat*in in das Team passt.

Gibt es ein konkretes Prozedere für neue Kollegen? Wie werden diese integriert?

Wir haben einen Onboardingprozess, in dem neue Kolleg*innen strukturiert in das Unternehmen, unser Produkt, die Technologie u.v.m. eingeführt werden. Dem vorangestellt gibt es ein Preboarding, in dem neue Mitarbeiter*innen das ganze Team bereits kennenlernen und der Grundstein für die Zusammenarbeit gelegt wird. Bei uns ist man ein “Swarmie” vom ersten Tag an.

Neben der fachlichen Qualifikation, worauf legt ihr noch Wert, wenn ihr nach IT-Spezialisten für euer Team sucht?

Wir legen großen Wert auf Soft Skills und Team Fit. Bewerber*innen sollten strukturiert, selbstorganisiert und proaktiv arbeiten und keine Angst vor Veränderungen und Verantwortung haben. Des Weiteren suchen wir Leute, die über den Tellerrand hinausschauen. Bei uns kann man sich drauf freuen, das Produkt von Grund mit aufzubauen.

Technologien

Welchen technischen Herausforderungen seht ihr Euch gegenüber?

Zum Beispiel im Bereich Deep Learning haben wir die Herausforderung, kontinuierlich State-of-the-Art Algorithmen und Technologien zu identifizieren, auf sinnvolle Weise zu kombinieren, um letztendlich unsere Produkte zu verbessern.

Mit welchen Technologien arbeitet ihr?

Wir kommunizieren über Slack und nutzen die Atlassian-Produkte JIRA, Confluence, und JIRA Service Desk als Knowledge Repository sowie Issue Tracking. Im Bereich Infrastructure greifen wir auf Microsoft Azure Cloud services, Github, und Github Actions (CI/CD) zurück.

Im Bereich Deep Learning arbeiten wir mit State-of-the-Art Convolutional Neural Networks (CNN), dabei kommen Tools wie Python/PyTorch/Jupiter Notebooks/Allegro/Github Actions zum Einsatz. Unsere High Performance Applikation wird mit C++, OpenCV/Gstreamer, Thread Building Blocks, TensoRT, OpenVino entwickelt. Für die Plattform setzen wir auf Java, Spring, Microservices, MQTT, REST, SQL/NOSQL, ReactJS, Typescript, und NodeJS.

Grundsätzlich sind wir sehr agnostisch und verwenden jene Technologien, welche sich gut eignen.

Wie hat sich die Technologie des Unternehmens seit der Gründung verändert?

Gestartet sind wir mit einer C++ SDK im Bereich von Straßenschilderkennung bzw. -klassifizierung. Seit geraumer Zeit liegt unser Fokus darauf, eine Plattform zu bauen, welche als zentrales Management und Datenaggregierung bzw. -verarbeitung aller Edge Agents dient. Diese Edge Agents verarbeiten dabei auf unserer High Performance Application (Curiosity) Kameradaten mit Hilfe von hochoptimierten und von uns trainierten neuronalen Netze. Der Output sind dann GDPR-konforme Metainformationen, welche zentral weiterverarbeitet werden.

Swarm Analytics auf devjobs.at