Hamburg, DeutschlandAb April 2026Weltweit

Hallo, ich bin Samuel Abramov

Ich realisiere digitale Produkte als

Ich designe und entwickle skalierbare Backends, präzise Frontends und Machine-Learning-Systeme, die messbare Ergebnisse liefern. Mein Sweet Spot: komplexe Use-Cases elegant auflösen und vom Prototyp zur produktiven Plattform bringen.

Projekt anfragen LinkedIn Profil
  • 15+ Jahre Erfahrung
  • 50+ Projekte Delivered
Samuel Abramov
Über mich

Technische Exzellenz trifft Pragmatismus

Als erfahrener Softwareentwickler mit Fokus auf Backend-Engineering, Softwarearchitektur und angewandtes Machine Learning helfe ich Unternehmen, robuste Systeme zu konzipieren und in Betrieb zu bringen.

Seit über 15 Jahren begleite ich Enterprise-Projekte für Unternehmen wie Viessmann Climate Solutions, die Bundesagentur für Arbeit, Signal Iduna und viele weitere Namen aus Industrie und Mittelstand. Von der ersten Architektur-Skizze über die Implementierung bis zur Produktivsetzung sorge ich für nachvollziehbare Entscheidungen und saubere Delivery.

Meine Leidenschaft liegt an der Schnittstelle zwischen klassischer Softwareentwicklung und künstlicher Intelligenz. Ich veröffentliche Forschung im Bereich Computer Vision und bringe ML-Modelle sicher in produktive Umgebungen. Das Ergebnis: intelligente Lösungen, die bestehende Prozesse messbar verbessern.

Leistungen

Engineering, das Produkte voranbringt

Ich begleite Teams von der Idee bis zum Betrieb – mit belastbaren Architekturen, performanter Umsetzung und sauberem Handover.

  • Enterprise Backends

    Backend Engineering

    Skalierbare APIs, Messaging und Datenflüsse, die in kritischen Umgebungen zuverlässig laufen – von Microservices bis zu verteilten Systemen.

  • Interfaces mit UX

    Frontend Engineering

    Responsive Interfaces, die schnell laden, klar strukturiert sind und in komplexen Domain-Teams bestehen.

  • Applied AI

    Machine Learning

    Von Prototypen bis zum produktiven ML-Stack: Datenpipelines, Modelle und Monitoring, die Mehrwert liefern.

  • Rich Clients

    Desktop Applications

    Enterprise-Grade Clients auf Basis von Eclipse RCP oder RAP mit tiefen Integrationen und nativer User Experience.

  • Mobile Experiences

    Mobile Development

    Native oder Cross-Platform Apps, die Produktteams schnell testen, ausrollen und skaliert betreiben können.

  • Architecture Leadership

    Software Architecture

    Von Domain-Driven Design bis Cloud-native Governance: Ich helfe Teams, tragfähige Strukturen zur Skalierung aufzubauen.

Technologien & Tools

  • Java
  • Spring Boot
  • TypeScript
  • Angular
  • React
  • Svelte
  • Node.js
  • Python
  • TensorFlow
  • PyTorch
  • Docker
  • Kubernetes
  • AWS
  • Azure
  • PostgreSQL
  • MongoDB
  • Redis
  • Kafka
  • GraphQL
  • REST
  • Git
Forschung

Forschung, die in Produktion landet.

Ich veröffentliche Arbeiten in Computer Vision und Document AI – und bringe die Ergebnisse in produktive Systeme. Alle Publikationen sind frei auf arXiv verfügbar.

arXiv:2608.22338 · August 2026 Aktuelle Veröffentlichung

AcroMELD: Recovering Interactive PDF Forms with Structure-Aware Graph Set Transformers

Viele PDFs sehen aus wie Formulare, haben aber keine interaktiven Felder. AcroMELD rekonstruiert sie: Ein Detektor mit 39,4 Mio. Parametern verbindet visuelle Transformer über Graph-Set-Layer mit den PDF-Primitiven und kombiniert visuelle, strukturbasierte und gelernte Recovery-Queries.

Autoren Samuel Abramov · Accessful GmbH

  • Computer Vision
  • Document AI
  • PDF-Barrierefreiheit
  • Graph Set Transformer
Auf arXiv ansehen PDF öffnen
Parameter
39,4 M
Queries
896
micro-F1 · intern
0,934
micro-F1 · extern
0,848

Frühere Publikationen

  1. arXiv:1906.09587 · Juni 2019

    Semi-Supervised Learning for Cancer Detection of Lymph Node Metastases

    CNN-Modell auf dem PatchCamelyon-Benchmark (PCam) zur Erkennung von Lymphknotenmetastasen in histopathologischen Scans. Semi-Supervised Training mit Pseudo-Labels verbessert die AUC deutlich gegenüber einer starken CNN-Baseline.

    Amit Kumar Jaiswal, Ivan Panshin, Dimitrij Shulkin, Nagender Aneja, Samuel Abramov

    Auf arXiv ansehen PDF öffnen
Für Recruiter

Eignung in 30 Sekunden prüfen

Stellenanzeige einfügen und mein Profil direkt von einer KI bewerten lassen – oder das Profil als Markdown bzw. PDF mitnehmen.

POST /fit-check

KI-Eignungs-Check

Die KI erhält mein Profil und Ihre Stellenanzeige und liefert Match-Score, Stärken, mögliche Lücken und eine klare Empfehlung.

Öffnet einen neuen Tab mit vorbereitetem Prompt. Ohne Stellenanzeige fasst die KI mein Profil für Sie zusammen.

Portfolio

Referenzen & Impact

Ausgewählte Projekte und Referenzen aus über 15 Jahren Softwareentwicklung – von Enterprise-Lösungen bis hin zu produktiven KI-Plattformen.

Referenzkunden

  • REWE Digital GmbH
  • Viessmann Climate Solutions SE
  • Bundesagentur für Arbeit
  • T-Systems
  • Signal Iduna
  • DZR Deutsches Zahnärztliches Rechenzentrum
  • Plath GmbH

Was Kunden sagen

„Samuel ist ein exzellenter und sehr zuverlässiger Entwickler. Seine Expertise in Machine Learning und Backend-Entwicklung hat unser Projekt zum Erfolg geführt.“

D. Shulkin CEO, Robot Dreams GmbH

„Vollste Zufriedenheit mit der Arbeit von S. Abramov in einem komplexen und sensiblen Projektumfeld. Professionell, kompetent und absolut verlässlich.“

Stefan Kutschke Projektleiter, T-Systems

Weitere Highlights

  • Open Source

    edux

    Pure-Java Machine-Learning-Bibliothek auf Maven Central – von klassischem ML bis Vision Transformer, ohne Python und ohne native Bindings.

    Auf GitHub ansehen
  • Open Source

    notectl

    Rich-Text-Editor als Web Component – framework-unabhängig in HTML, React, Vue, Svelte oder Angular einsetzbar.

    Auf GitHub ansehen
  • Zertifikat

    Zertifizierte Softwarearchitektur

    iSAQB CPSA-F

    Zertifikat anzeigen (PDF)
Kontakt

Bereit für das nächste Projekt?

Lassen Sie uns sprechen: Egal ob Greenfield, Modernisierung oder AI-Initiative – ich melde mich innerhalb von 24 Stunden.

Jetzt verfügbar

Remote weltweit, Onsite nach Absprache

Standort

Im Dreiangel 18
21493 Schwarzenbek
Deutschland

* Pflichtfelder