CareerLoom
ProduktivitätCareerLoom macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
Ich habe Go-Backends und Realtime-Infrastruktur gebaut und WebRTC, IM sowie Produkt-Events in klare Verträge übersetzt. Services können unabhängig deployen, ohne den Client an einen einzigen Kanal zu binden.
Die Apps entwickeln sich weiter; die folgenden Abschnitte zeigen die wichtigsten Fähigkeitsbereiche.
Go / Realtime / Backend
Ich habe Go-Backends und Realtime-Infrastruktur gebaut und WebRTC, IM sowie Produkt-Events in klare Verträge übersetzt. Services können unabhängig deployen, ohne den Client an einen einzigen Kanal zu binden.
Go · gRPC · PostgreSQL · realtime
I use Go for high-concurrency APIs, realtime messaging, and infrastructure glue. Layers, raw SQL, caches, and message paths all need clear ownership when something breaks.
I care about contracts and deployment shape: services can ship independently, dependencies stay isolated, and the product is not locked to one transport.
Positionierung
Diese Seite fasst Sanvas technische Erfahrung zusammen: Projektkontext, Verantwortungsbereich, technische Abwägungen, Ergebnisse und Retrospektiven.
Portfolio
CareerLoom macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
CreatorKit macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
Lullacraft macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
Memory Copilot macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
SpeakLab macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
Spritewood macht ein konkretes Nutzerproblem zu einem nutzbaren Ablauf mit klarer Erfahrung und überprüfbarem Ergebnis.
Kernfähigkeiten
Sanva hat 13 Jahre Erfahrung in Softwareentwicklung, mit frühem Schwerpunkt auf iOS und clientnaher Low-Level-Arbeit: Objective-C, Swift, Audio- und Video-Codecs, OpenGL ES mit C++ Rendering, High-Performance-SDKs und zahlungsnahe Module.
Spätere Arbeit erweiterte sich auf Go / Gin Services, PostgreSQL, Redis, gRPC, Realtime Messaging, WebSocket-Abonnements und plattformübergreifende Clients. Es ging nicht nur um einzelne Endpoints, sondern um API-Verträge, Client-State und Lieferungsrisiken zusammen.
Schwerpunkte sind Multi-Model-Integration, RAG, Langzeitgedächtnis, konversationelle Produkterfahrung, Prompt Engineering, datenbewusste Zustimmung und Multi-Agent-Koordination. Ziel ist ein wartbares Produktsystem, nicht nur eine Demo.
Der Lieferstil ist wiederholbar: Scaffolds, Type Checks, Builds, Page Acceptance, Store Assets, Review-Vorbereitung und Post-Release-Prüfungen werden möglichst in stabile Schritte überführt.
Komplexe Systeme
Cloud-Erfahrung umfasst Containerisierung, Cluster-Orchestrierung, Ingress, Health Checks, Rollback-Planung und Wartungsfenster, mit Fokus auf Migration, Observability und Release-Risikokontrolle.
Spätere Arbeit erweiterte sich auf Go / Gin Services, PostgreSQL, Redis, gRPC, Realtime Messaging, WebSocket-Abonnements und plattformübergreifende Clients. Es ging nicht nur um einzelne Endpoints, sondern um API-Verträge, Client-State und Lieferungsrisiken zusammen.
Go · gRPC · WebSocket · PostgreSQLDer Lieferstil ist wiederholbar: Scaffolds, Type Checks, Builds, Page Acceptance, Store Assets, Review-Vorbereitung und Post-Release-Prüfungen werden möglichst in stabile Schritte überführt.
AWS EKS · Kubernetes · Helm · CI/CDOpen-Source-Projekte
Ein selbst gehosteter Memory-Service für KI-Agenten mit Suche, RAG und multimodaler Aufnahme.
Stack
Weg
Design
Das visuelle System stammt ebenfalls von mir: Markenfarbe, Oberfläche und Komponenten. Die Apps folgen den Apple HIG, behalten dabei aber ihren eigenen Charakter.
Jede App hat ihre eigene Farbe, ihr eigenes Icon und ihre eigene Palette, während sie gleichzeitig eine gemeinsame Designsprache teilen.
Wie ich arbeite
Zwei Wochen reichen aus, um einen funktionierenden Prototyp zu erstellen. Echtes Feedback entscheidet, ob es weitergeht.
KI-Tools helfen, schneller voranzukommen, aber der Code wird dennoch manuell überprüft.
Vor der Einreichung gehe ich die vollständige features.yaml-Checkliste durch: keine gefälschten Daten, keine Produktions-Mocks.
Nach der Veröffentlichung korrigiere ich schnell auf Basis von echtem Nutzerfeedback.