Zum Inhalt springen
Gabriel Suter

Gabriel Suter

Freelance Frontend- und Fullstack-Entwickler

Ich baue Webanwendungen von der Idee bis ins Deployment. Vier Jahre Applikationsentwicklung bei der Kull AG, in Angular, TypeScript, C# und Microsoft SQL Server, abgeschlossen im August 2026 als Informatiker EFZ. Seither hauptberuflich eigene Produkte: in neun Monaten sechs Projekte, darunter ein Webshop mit Stripe-Anbindung für eine Kundin und ein SaaS-Produkt mit rund 124'000 Zeilen eigener Code über vier Repositories.

Ich arbeite AI-gestützt und dokumentiere Architekturentscheidungen konsequent mit. Diese Seite selbst ist ein Beispiel dafür: Angular 22, mit Entscheidungslog. Das Repository ist privat, Einsicht gebe ich auf Anfrage.

Verfügbar ab sofort, 100 Prozent, remote in der Schweiz

Anfrage senden E-MailLinkedIn(öffnet in neuem Tab)GitHub(öffnet in neuem Tab)CV(PDF-Download)

Projekte

Sechs Projekte aus neun Monaten. Eines im Kundenauftrag, eines live mit Nutzern, eines als öffentliche Arbeitsprobe, drei laufend.

  • Startseite des Webshops: Foto, Ort und Kaufweg.

    Gado Imkerei

    Website und Webshop für eine Imkerei in Däniken SO: vom Warenkorb bis zur bezahlten Bestellung.

    • React 19
    • TypeScript
    • Tailwind CSS v4
    • Supabase
    • Postgres
    • Row Level Security
    • Deno
    • Stripe
    • Resend
    • ASPSMS
    • Vercel
  • Trade-Journal mit Screenshot-Karten.

    Entrio

    KI-gestütztes Trading-Journal: Web-App, native Clients und vier Broker-Anbindungen in vier Laufzeiten.

    • React 18
    • TypeScript
    • Supabase
    • Postgres
    • Row Level Security
    • Deno
    • OpenAI
    • Stripe
    • MQL5
    • C#
    • Electron
    • Chrome MV3
  • Liste der Renditeobjekte mit Filterleiste.

    Renditeradar

    Aggregator für Renditeobjekte: von der unsauberen Rohzeile bis zur Umkreissuche über einen räumlichen Index.

    • Next.js 16
    • React 19
    • TypeScript
    • Tailwind CSS v4
    • PostgreSQL
    • PostGIS
    • Row Level Security
    • Supabase
    • Python 3.13
    • Leaflet
    • Vercel
    • GitHub Actions
  • Flächen auf dem swisstopo-Luftbild.

    Geobeet

    Gartenplanung mit amtlichen Schweizer Geodaten, vom Luftbild bis zum massstäblichen Druckplan.

    • Python 3.13
    • FastAPI
    • Pydantic
    • uvicorn
    • SQLite
    • Shapely
    • pyproj
    • Leaflet
    • swisstopo
    • WMTS
    • rough.js
  • Batch Review mit bewerteten Entwürfen.

    ExtensionReach

    Lead-Discovery- und Growth-Plattform: vier Laufzeitumgebungen auf einer Datenbank, drei KI-Agenten mit 31 Werkzeugen.

    • React 18
    • TypeScript
    • Supabase
    • Deno
    • Chrome MV3
    • OpenAI
    • Claude auf AWS Bedrock
    • Vercel
    • GitHub Actions
  • Tagesring mit den verbleibenden Kalorien.

    Baseform

    Ernährungs-, Trainings- und Erholungs-PWA: ohne Server, ohne Konto, offline nutzbar.

    • React 18
    • Vite
    • PWA
    • ZXing
    • localStorage
    • SVG
    • Google Health API
    • OAuth 2.0
    • Anthropic Messages API

Arbeitsweise

Vier Jahre habe ich Applikationen in einem Betrieb gebaut, seit dem Abschluss eigene Produkte, und zwar zu einem Teil AI-gestützt. Das ist der Grund, warum in neun Monaten sechs Projekte fertig geworden sind, und zugleich der Punkt, an dem berechtigte Fragen aufkommen. Deshalb steht hier nicht, dass ich sorgfältig arbeite, sondern woran man es nachprüfen kann.

  1. Abklärung und Anforderungen

    Gespräch mit den Stakeholdern, bevor gebaut wird: Was soll das Vorhaben leisten, wer arbeitet damit, was ist gesetzt und was verhandelbar. Am Ende steht ein Umfang, den beide Seiten gleich verstehen.

    Belegt inDECISIONS.md

  2. Mockup

    Erst der Entwurf der Oberfläche, dann Code. Daran zeigt sich in einer Stunde, ob die Anforderung trägt; dieselbe Erkenntnis nach der Umsetzung kostet Tage.

    Liegt inEntrio-Repository, coach-dashboard-mockup.html

  3. Entscheidung vor dem Code

    Bei allem Strukturellen werden Kontext, geprüfte Optionen, Wahl und Konsequenz festgehalten, bevor gebaut wird. Später ist nachvollziehbar, warum etwas so ist, und nicht nur, dass es so ist.

    Belegt inDECISIONS.md

  4. Regeln und Skills

    Die Konventionen eines Projekts liegen im Projekt: Ordnerschnitt, Namen, Sprache, Teststrategie. Wiederkehrende Abläufe sind festgehalten, damit sie beim zehnten Mal so laufen wie beim ersten.

    Liegt inCLAUDE.md, dazu ~/.claude/skills

  5. Konvention aus der installierten Version

    Die Werkzeuge lesen die tatsächlich installierten Versionen und liefern die Vorgaben dazu. Sonst wird nach einem Stand gebaut, der älter ist als das Projekt selbst.

    Belegt in.mcp.json

  6. Umsetzung, AI-gestützt

    Der Teil, der delegiert werden darf. Geprüft wird das Ergebnis gegen die Entscheidungen und Regeln davor, nicht gegen Gedächtnis oder Gewohnheit.

    Belegt insrc/

  7. Prüfen und committen

    Vor jedem Commit laufen Formatierung, statische Analyse und die Projektregeln über die geänderten Dateien. Die Commit-Nachricht erklärt die Entscheidung, nicht die Zeilen.

    Belegt in.husky/pre-commit

  8. Automatisierte Prüfungen, dann live

    Bei jeder Änderung laufen statische Analyse, Tests, Produktionsbuild und Prüfungen im echten Browser durch. Einer der Schritte rechnet die Kontrastwerte aus den Farbtoken nach, statt sie zu schätzen. Fällt einer, wird nichts ausgeliefert.

    Belegt in.github/workflows/ci.yml

 Meine Arbeitsweise im Detail

Kontakt

Für Anfragen zu Mandaten, Projekten und Rückfragen. Je konkreter Rolle, Zeitraum und Pensum, desto konkreter die Antwort.