Portfolio
Werkende code achter de positionering, verdeeld over drie gebieden: AI & automatisering; integratie, data & modernisering; en toegepaste ML & datawetenschap. Elke kaart draagt een eerlijk volwassenheidslabel — niets wordt mooier voorgesteld dan het is.
Bouwbewijs, eerlijk gelabeld
AI & automatisering
- 1Beheer & routeer de modellen
sovereign-llm-gateway
Werkend — draait end-to-endWat het bewijst
Een werkende LLM-gateway: kosten- en budgetbewaking per agent, vendor-abstractie (LiteLLM), een lokaal-model-fallback (Ollama) voor soevereiniteit, en Prometheus-observability. Elke modelaanroep passeert één punt, zodat governance in code wordt afgedwongen in plaats van rondgestuurd als beleidsdocument. Draait end-to-end met `docker compose up`.
- 2Bouw een betrouwbaar agentisch product
sovereign-copilot
ReferentiearchitectuurWat het bewijst
Een referentiearchitectuur voor een betrouwbare copilot: deterministische tool-contracten (MCP), retrieval geaard in je eigen data (BGE-M3 + reranker), L1–L4 evaluatiepoorten met goldens, en antwoorden die herleidbaar zijn tot een vastgelegde aanroepketen. Van begin tot eind leesbaar — een referentiearchitectuur, geen draaiend systeem.
- 3Houd het model buiten de runtime
skills-coach
Werkend — draait end-to-endMITWat het bewijst
Een werkend, pack-gedreven trainingsplatform dat zelf geen enkele model-client bevat: de runtime bezit de packs, deterministische beoordeling, spaced-repetition-poorten en een duurzaam model van wat een lerende blijft fout doen. Generatie en correctie zitten achter een geversioneerde coach-API, dus de aanroeper kan vandaag een mens met een LLM-CLI zijn en later een model-API. Draait end-to-end met `make up`.
Bekijk repository
Integratie, data & modernisering
- 1Stream & integreer events op platformschaal
event-integration-platform
Werkend — draait end-to-endMITWat het bewijst
Een Kafka-native, multi-tenant platform voor event-streaming en integratie: REST→Kafka-ingest, beheerde JSONata-transformaties met DLQ en replay, Kafka Connect HTTP/S3-sinks, een control-plane-API en een drag-and-drop pipeline-UI, alles onder workspace-scoped observability. De selfservice-ruggengraat die een integratieteam echt bedient. Draait lokaal met `docker compose up`.
Bekijk repository - 2Moderniseer legacy live, wave voor wave
oracle-to-spring-strangler
Werkend — draait end-to-endMITWat het bewijst
Een werkend legacy-moderniseringslab: een Oracle PL/SQL + ORDS-systeem live gemigreerd naar Spring Boot + PostgreSQL via het strangler-fig-patroon. AI-ondersteunde assessment-artefacten, cutover-waves per endpoint in een nginx-router — een wave is een PR, rollback een git revert — en golden-master-pariteitspoorten als exitcriteria. Draait end-to-end met `docker compose up`.
Bekijk repository - 3Beheer identiteit over producten heen
identity-service
Werkend — draait end-to-endMITWat het bewijst
Een werkende self-hosted identity provider: OAuth 2.0 + OIDC-tokenuitgifte (RS256, gepubliceerde JWKS), een headless TypeScript-SDK en een drop-in React `<Login/>`. Het geauditeerde beheervlak spreekt zowel HTTP `/admin/v1` als MCP, zodat agents het onder hetzelfde contract bedienen als mensen. Alleen authenticatie — producten houden hun eigen autorisatie. Draait end-to-end met `docker compose up`.
Bekijk repository - 4Bepaal wat de SAP↔cloud-naad oversteekt
sap-bdc-snowflake-blueprint
Werkend — draait end-to-endMITWat het bewijst
Een SAP → Business Data Cloud/Datasphere → Snowflake-referentiearchitectuur van één pagina, met de beslissing erbij: negen geordende regels wijzen elk van 24 objecten een modus toe — zero-copy delen, repliceren, federeren, splitsen, of in SAP houden — waarbij dataresidentie en SLO's elimineren en kosten alleen kiezen uit wat overblijft. Een transparant kostenmodel geeft de omslagfrequentie waarboven repliceren goedkoper wordt dan federeren, en een lokale DuckDB-simulatie draait alle drie de modi zodat de claim gemeten is. Draait end-to-end met `make demo`; het diagram is het artefact, de engine maakt het bespreekbaar.
Bekijk repository
Toegepaste ML & datawetenschap
- 1Detecteer contrails in sky-camera-beelden
contrail-segmentation-demo
Werkend — draait end-to-endWat het bewijst
Een neuraal-netwerk-beeldsegmentatie-app — React-frontend → Node.js (Express) BFF → Python FastAPI-service → een zelfgeschreven PyTorch U-Net — die contrails in sky-camera-beelden detecteert en dekking en aantal rapporteert. Drie services, `docker compose up`, CI op GitHub Actions. Getraind op een synthetische lucht-generator zodat het in minuten op een laptop draait; de README beschrijft het pad naar echte GVCCS-beelden.
Bekijk repository - 2Bepaal welke vluchten omgeleid worden — en tegen welke kosten
contrail-avoidance-pipeline
Werkend — draait end-to-endWat het bewijst
Een Polars/Pandas-pipeline plus een Databricks-achtige notebook die bepalen welke vluchten persistente, klimaatopwarmende contrails vormen — via het Schmidt–Appleman-criterium en ijs-oververzadigde regio's — en hoogtewijzigingen voorstellen, waarbij vermeden klimaatforcering (CO₂e) wordt afgewogen tegen extra brandstofverbruik. Lakehouse-vormig en laptop-draaibaar, met een gedocumenteerd pad naar ERA5- en OpenSky-data.
Bekijk repository - 3Prijs retail op schaal — van elasticiteit tot optimalisatie
retail-dynamic-pricing
Werkend — draait end-to-endMITWat het bewijst
Een dynamic-pricing-platform voor retail op een Databricks-lakehouse: één elasticiteit-naar-optimalisatie-engine die twee verticals bedient — grocery (afprijzing) en consumentenelektronica (MAP-conforme lifecycle). Log-log vraagschatting getoetst aan een bekende grondwaarheid, plus een solver-agnostische omzetoptimalisator. Twee notebooks draaien end-to-end op een laptop op synthetische data — +6,4% omzet bij gelijke marge.
Bekijk repository - 4Rangschik een marktplaats — feature store tot eval-gate
marketplace-intel-platform
Werkend — draait end-to-endMITWat het bewijst
Een referentie-AI-applicatieplatform voor het rangschikken op een marktplaats: een LightGBM learning-to-rank-model en een GenAI-uitleg-overlay achter één getypeerd capability-contract, gevoed door een Feast-feature-store met point-in-time-correcte training en serving. Een evaluatieharnas — rangschikkingskwaliteit én uitleg-getrouwheid — is een CI-deploypoort die een regressie blokkeert. `make demo` draait het end-to-end: +12,7% NDCG@10.
Bekijk repository
Alles hier is openbaar en linkt door, behalve de twee sovereign-*-repos — die worden onder één naam uitgelijnd, geneutraliseerd en gelicentieerd voordat ze mijn naam dragen op een openbaar oppervlak; hun beschrijvingen zijn nu al eerlijk, de links volgen.
Tien hiervan draaien vandaag end-to-end — de LLM-gateway, de trainingsruntime, het event-integration-platform, het Oracle→Spring-strangler-lab, de identity-service, de SAP↔Snowflake-naad-blueprint, het marketplace-ranking-platform, de retail dynamic-pricing-demo en de twee contrail-demo's. De blueprint verdient een nauwkeurige lezing: de architectuur zelf is een document, en wat draait is de beslissingsengine, het kostenmodel en de simulatie erachter. De overige, de copilot, is een referentiearchitectuur, en elke kaart zegt welke. Geen productieclaim die ik niet kan onderbouwen.