Erfahrungen
KI-Automatisierungsingenieur & Solution Architect
Technology Research Project
Entwurf und Entwicklung einer KI-gestützten Automatisierungsplattform mit n8n, um Social-Media-Nischen zu analysieren, Zielgruppen zu erkennen und die Generierung von Marketingstrategien zu automatisieren. Die Lösung kombinierte KI-Agenten, Workflow-Orchestrierung und Datenanalyse, um Rechercheprozesse zu automatisieren und datenbasierte Erkenntnisse zu erzeugen.
- Komplexe Automatisierungs-Workflows mit n8n entworfen und umgesetzt
- KI-gestützte Analyse-Agenten für Markt- und Zielgruppenrecherche entwickelt
- Mehrere APIs und KI-Services in automatisierte Workflows integriert
- Automatisierte Analyse-Pipelines für Markt, Wettbewerber und Zielgruppen aufgebaut
- Large Language Models (LLMs) für Zusammenfassung, Klassifizierung und Priorisierung von Informationen genutzt
- Plattform mit Docker containerisiert und bereitgestellt
Technologien: n8n, AI Agents, OpenAI APIs, Prompt Engineering, LLMs, Docker, Linux, REST APIs, Webhooks
KI-Ingenieur
Technology Research Project
Entwurf und Entwicklung eines Retrieval-Augmented-Generation-(RAG)-Systems für intelligente Fragebeantwortung auf Basis proprietärer Wissensquellen. Die Lösung kombinierte moderne Embedding-Modelle, Vektordatenbanken und Large Language Models (LLMs), um relevante Informationen abzurufen und kontextbezogene Antworten zu erzeugen.
- RAG-Lösung mit Python und Flask entworfen und umgesetzt
- REST APIs für semantische Suche und KI-gestützte Fragebeantwortung entwickelt
- Embedding-Modelle für die Vektorisierung von Dokumenten integriert
- Wissensbasis auf Basis von ChromaDB aufgebaut
- Large Language Models (LLMs) für kontextbezogene Antwortgenerierung integriert
- Retrieval, Ranking und Antwortqualität optimiert
Technologien: Python, Flask, ChromaDB, Embeddings, all-MiniLM-L6-v2, RAG, LLMs, Prompt Engineering, REST APIs
Senior Java / Cloud Engineer
Financial Services
Entwicklung und Wartung einer Cloud-native Microservices-Plattform zur Unterstützung von Zahlungsabwicklung und Datenintegration in einem internationalen Financial-Services-Umfeld. Der Fokus des Projekts lag auf der Umsetzung neuer Fachfunktionen, der API-Integration und dem Aufbau einer skalierbaren eventgetriebenen Architektur mit Apache Kafka.
- Java-Spring-Boot-Microservices entwickelt und gewartet
- REST- und SOAP-APIs entworfen und implementiert
- Event-getriebene Workflows und Apache-Kafka-Topics entworfen
- Microsoft-SQL-Server-Datenbanken integriert und optimiert
- An Architekturentscheidungen für neue Services und Plattformverbesserungen mitgearbeitet
- Root-Cause-Analysen, Troubleshooting und Performance-Optimierungen in Produktionssystemen durchgeführt
Technologien: Java, Spring Boot, Kafka, MSSQL, REST, SOAP, Git, Bitbucket, Scrum
Cloud- & Software-Architekt
Media
Entwurf und Entwicklung einer skalierbaren cloudbasierten Online-Bibliothek, mit der Nutzer Daten über REST APIs abrufen konnten. Die Lösung wurde mit Java Spring Boot gebaut und auf AWS über Elastic Beanstalk und Amazon EKS bereitgestellt. Automatisierte CI/CD-Pipelines und umfassendes Monitoring sorgten für zuverlässige Deployments und hohe Plattformverfügbarkeit.
- Backend-Architektur entworfen und implementiert
- REST APIs mit Validierung, Fehlerbehandlung und Versionierung entwickelt
- MySQL für die dauerhafte Datenspeicherung integriert
- Anwendung mit Docker und Kubernetes containerisiert
- CI/CD-Pipelines auf AWS entworfen und automatisiert
- Cloud-Infrastruktur mit Terraform und Helm verwaltet
- Monitoring und Alerting mit Prometheus und Grafana umgesetzt
Technologien: Java, Spring Boot, MySQL, Docker, Kubernetes, Terraform, Helm, AWS EKS, AWS Elastic Beanstalk, AWS ECR, AWS CodePipeline, AWS CodeBuild, Prometheus, Grafana
Cloud- & Software-Architekt
Automotive
Leitung der Migration einer alten monolithischen Anwendung auf JBoss zu einer skalierbaren, Cloud-native Microservices-Architektur. Die Umstellung umfasste den Wechsel von JBoss zu Docker und schließlich zu Amazon EKS und ermöglichte eine bessere Skalierbarkeit, Ausfallsicherheit und automatisierte Deployments durch moderne DevOps-Praktiken.
- Migration von JBoss zu Kubernetes entworfen und umgesetzt
- Monolithische Komponenten in Spring-Boot-Microservices überführt
- Cloud-native Backend-Services entwickelt und bereitgestellt
- Strategien für horizontale Skalierung und Load Balancing implementiert
- Datenbankschema-Migrationen mit Liquibase verwaltet
- Automatisierte CI/CD-Pipelines mit Jenkins aufgebaut und gepflegt
- Unit-, Integrations- und Regressionstests durchgeführt
- Technische Architektur- und Migrationsdokumentation erstellt
Technologien: Java EE, Spring Boot, Docker, Kubernetes, AWS EKS, Jenkins, Liquibase, Oracle, MySQL, Gradle, JUnit
Project Lead | Cloud & Software Architekt
Food & Beverage
Entwarf und entwickelte eine cloud-native Microservices-Plattform für die Echtzeit-Dokumentenverwaltung. Die Lösung wurde mit Java Spring Boot, Docker und AWS aufgebaut und umfasste eine Android-Anwendung zur Überwachung des Dokumentenlebenszyklus. Im Rahmen des Projekts wurde die Datenplattform von Firebase Realtime Database auf eine skalierbare AWS-basierte Infrastruktur mit MongoDB migriert.
- Entwarf und entwickelte eine Microservices-Architektur mit Java Spring Boot
- Containerisierte Anwendungen mit Docker und Docker Compose
- Leitete die Migration von Firebase Realtime Database zu AWS und MongoDB
- Entwarf und implementierte eine ereignisgesteuerte Messaging-Architektur
- Implementierte Echtzeitkommunikation mit Firebase und Pusher
- Baute eine skalierbare AWS-Cloud-Infrastruktur auf
- Entwickelte eine Android-Anwendung für die Dokumentenverwaltung mit Kotlin
- Automatisierte Build- und Deployment-Prozesse mit GitLab CI/CD
Technologien: Java, Spring Boot, MySQL, MongoDB, Docker, Docker Compose, AWS VPC, AWS S3, AWS Load Balancer, Firebase, Pusher, GitLab CI/CD, Android, Kotlin
Cloud & Software Engineer
Media
Migrierte eine On-Premises-Marketingplattform zu AWS, containerisierte bestehende Services und optimierte die Plattform für bessere Skalierbarkeit und Datenanalysen. Das Projekt umfasste außerdem die Entwicklung von Apache-Kafka-basierten Datenpipelines für Social-Media-KPIs und Predictive Analytics mit Python und scikit-learn.
- Migrierte bestehende Systeme von einer On-Premises-Infrastruktur zu AWS
- Containerisierte Services mit Docker und Docker Compose
- Migrierte und optimierte relationale Datenbanken
- Entwickelte Datenpipelines für die Verarbeitung von Social-Media-KPIs
- Implementierte ereignisgesteuerte Datenverarbeitung mit Kafka
- Arbeitete mit dem Data-Science-Team an Machine-Learning-Lösungen
- Entwickelte Prognosemodelle mit Python und scikit-learn
- Baute und betreute automatisierte CI/CD-Pipelines
Technologien: AWS EC2, AWS RDS, AWS Redshift, AWS S3, AWS CloudWatch, Docker, Docker Compose, Ansible, GitLab CI/CD, PostgreSQL, MySQL, Kafka, Python, scikit-learn
Software Engineer
Logistics
Entwickelte ein System zur Optimierung der Fahrzeugrouten für Reisebüros mit mathematischer Optimierung und Graphentheorie, um eine effiziente Routenplanung zu ermöglichen. Die Lösung umfasste ein Java-Spring-Backend, eine Webanwendung für das Routenmanagement und eine Android-Anwendung zur Echtzeitverfolgung von Passagieren.
- Entwickelte Routing-Services mit Java und Spring
- Modellierte und implementierte komplexe Algorithmen zur Routenoptimierung
- Setzte Graphentheorie und mathematische Optimierung für Vehicle-Routing-Probleme ein
- Führte Benchmarks und Performance-Analysen durch
- Entwickelte eine Webanwendung für Routenverwaltung und Monitoring
- Integrierte die Google Maps API für geobasierte Routenführung
- Entwickelte eine Android-Anwendung zur Echtzeitverfolgung von Passagieren
- Unterstützte Build- und Deployment-Prozesse
Technologien: Java, Spring 4, Hibernate, Glassfish, MySQL, Ember.js, TypeScript, Bootstrap, Google Maps API, Android, Maven, CentOS, Graph Theory, Simplex Methode
Branchenerfahrung
Sieh, in welchen Branchen dieser Freelancer den Großteil seiner beruflichen Laufbahn verbracht hat.
Erfahren in Bank- und Finanzwesen, Medien, Unterhaltung und Druck, Informationstechnologie (IT), Automotive, Transport und Logistik und Tourismus und Gastgewerbe.
Erfahrung nach Fachbereich
Zeigt, in welchen Abteilungen und Funktionen dieser Freelancer am meisten mitgewirkt hat.
Erfahren in Informationstechnologie (IT), Produktentwicklung, Business Intelligence, Betrieb, Logistik und Projektmanagement.
Häufig gestellte Fragen
Du hast Fragen? Hier findest du mehr.
Artyom ist in Ludwigsburg, Deutschland ansässig und kann in On-Site-, Hybrid- und Remote-Arbeitsmodellen arbeiten.
Artyom spricht folgende Sprachen: Armenisch (Muttersprache), Deutsch (Verhandlungssicher), Englisch (Verhandlungssicher), Russisch (Verhandlungssicher).
Artyom hat mindestens 11 Jahre Erfahrung. In dieser Zeit hat Artyom in mindestens 7 verschiedenen Rollen und für 6 verschiedene Firmen gearbeitet. Die durchschnittliche Dauer der einzelnen Projekte beträgt 1 Jahr und 5 Monate. Beachten Sie, dass Artyom möglicherweise nicht alle Erfahrungen geteilt hat und tatsächlich mehr Erfahrung hat.
Basierend auf der jüngsten Erfahrung wäre Artyom gut geeignet für Rollen wie: KI-Automatisierungsingenieur & Solution Architect, KI-Ingenieur, Senior Java / Cloud Engineer.
Die neueste Position von Artyom ist KI-Automatisierungsingenieur & Solution Architect bei Technology Research Project.
In den letzten Jahren hat Artyom für Technology Research Project, Financial Services, Media und Automotive gearbeitet.
Artyom hat die meiste Erfahrung in Industrien wie Medien, Unterhaltung und Druck, Bank- und Finanzwesen und Informationstechnologie (IT). Artyom hat auch etwas Erfahrung in Transport und Logistik, Tourismus und Gastgewerbe und Automotive.
Artyom hat die meiste Erfahrung in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Business Intelligence. Artyom hat auch etwas Erfahrung in Betrieb, Logistik und Projektmanagement.
Artyom hat kürzlich in Industrien wie Bank- und Finanzwesen, Automotive und Informationstechnologie (IT) gearbeitet.
Artyom hat kürzlich in Bereichen wie Informationstechnologie (IT), Produktentwicklung und Forschung und Entwicklung (F&E) gearbeitet.
Artyom hat einen Master in Informations- und Kommunikationssysteme von Technische Universität Kaiserslautern und einen Bachelor in Informatik und angewandte Mathematik von Staatliche Universität Jerewan.
Artyom hat 2 Zertifikate. U.a: Microsoft Certified: Azure AI Fundamentals und Microsoft Certified: Azure Fundamentals.
Artyom ist sofort vollzeit verfügbar für passende Projekte.
Tagessatzverteilung
Die angegebenen Tagessätze entsprechen der typischen Marktspanne für Freelancer in dieser Position, basierend auf aktuellen Projekten auf unserer Plattform.
Durchschnittlicher Tagessatz für ähnliche Positionen
Die Tagessätze basieren auf aktuellen Projekten und enthalten keine FRATCH-Marge.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Ähnliche Freelancer
Entdecke andere Experten mit ähnlichen Qualifikationen und Erfahrungen
Niklas W.
Letzte Position:
AI Engineer bei Tensora GmbH
- Konzeption und Entwicklung einer Multi-Tenant-SaaS-Plattform, mit der Unternehmen ihre eigenen Wissensdatenbanken aufbauen und mit individuell gebrandeten KI-Assistenten chatten können (White-Label-Ansatz mit dynamischem Branding pro Organisation).
- Implementierung einer skalierbaren RAG-Architektur mit einer GPT-4o-Tool-Use-Loop, hybrider semantischer Suche und strikter Mandantentrennung auf Datenbank- und Suchindex-Ebene.
- Aufbau persistenter, projektähnlicher Chat-Sessions inklusive Streaming-API (SSE), mehrsprachiger Unterstützung sowie Sprach-Ein- und Ausgabe (STT/TTS).
- Bereitstellung der Cloud-Infrastruktur als Infrastructure-as-Code, vollständig automatisierte CI/CD-Pipelines pro Kunde und ein Onboarding-Prozess für neue Mandanten.
Verwendete Technologien: Python, FastAPI, Pydantic (v2 noted), Next.js, React, TypeScript, Tailwind CSS, OpenAI / LLMs (GPT-4o), Azure AI Search, Cosmos DB, Azure Blob Storage, Azure Cognitive Services Speech, Azure App Service, Azure Container Registry, Retrieval-Augmented Generation (RAG), Server-Sent Events (SSE), Docker, Terraform, GitHub Actions, REST, OpenID Connect (OIDC), Multi-Tenancy
Anton K.
Letzte Position:
Leiter der technischen Gesamtintegration NSC / Entwicklung von Hadoop Cloud bei IABG
Leiter der technischen Gesamtintegration NSC (National Secure Cloud, Projekt mit ca. 60 Mitarbeiter).
Technische Integration von allen Subprojekten in ein Produkt, Definition von Schnittstellen, Basiskomponenten einer Cloud inklusive Hardware, technische Architektur der Basis IABG.
Entwicklung eines Cloud Management Platforms (CMP), die in der Lage ist, Private/Mixed Cloud von beliebiger Komplexität anhand einer textuellen Beschreibung mit einem Click oder interaktiv zu erstellen.
CMP beinhaltet auch den kompletten Zyklus Hardware Management.
Als Basis wird Kubernetes, Openstack und Hadoop benutzt.
Die Managementschicht beinhaltet Harbor, Gitea, Longhorn, Keycloak, Rancher und Jenkins, die automatisch konfiguriert sind.
Privat Cloud kann beliebige Workloads von Kunden ausführen, darunter volle Hadoop Schicht mit HDFS, Spark, MapRed, Mezos, HBase und ca. 20 weiteren ML/DL Technologien.
Hadoop Worker Cluster kann auch ohne Kubernetes on Bare Metal oder Commodity Hardware automatisch installiert werden.
Openstack mit Nova, Neutron, Ironic, Swift, Cinder, Ceph.
Entwicklung einer Java Anwendung Rudi: Soap, Rest, Containers, DB.
Technologien: Kubernetes (K3s, Rke2, Minikube, Harbor, Gitea, Jenkins, Longhorn, Keycloak, Rancher), Openstack (Nova, Neutron, Keystone, Swift, Ceph, Cinder, Sahara, Magnum, Kayobe, Kolla, Bigrost, Ironic), Hadoop (HDFS, Ambari, Solr, Livy, Ranger, YARN, Tez, HBase, Kafka, Hive, Zookeeper, MapReduce, Spark, Oozie, Flink), Virtualizierung (Kubernetes (K3S), VMware, Oracle), Skripting (Ansible, Puppet, Juju, Shell, Groovy, Gradle, Maven).
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Eine generische, universelle Systemplattform für XR-Anwendungsfälle (AR, VR) im Rahmen der europäischen IPCEI-Initiative definiert
- Verfügbare Optionen für Backend-, Streaming- und Client-Implementierungen bewertet
- PoC-Implementierungen entwickelt und potenzielle Komponenten technisch bewertet
- Das Entwicklungsteam geleitet und die Ziel-Systemarchitektur für eine vollständige End-to-End-Lösung definiert
- GenAI-PoCs entworfen und integriert (LLM, Zeitreihen, Vorhersagen, Agents)
- NeRFs und Gaussian Splatting für die Erstellung von XR-Inhalten erforscht und Methoden zur Messung und Reduzierung von Systemlatenzen analysiert
- An GPU-Scheduling, CUDA und verwandten Themen gearbeitet
- Backoffice- und Endbenutzer-Dashboards mit Grafana und Superset definiert und implementiert
- Jaeger-Tracing zur Analyse bestimmter Ereignisse verwendet
- Eine GenAI-basierte automatische Alarmierungsfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten definiert
- AR/VR/XR-IoT-Geräte integriert
- Mit Business-Development- und UX-Teams in einem parallel laufenden Design-Thinking-Prozess zusammengearbeitet, um technische Anforderungen und den Customer-Journey-Umfang abzustimmen
- Die neuen Services und die Plattform in bestehende Telekommunikationsumgebungen integriert und Tools wie Camara für teilweise Integrations- und Übergabeszenarien analysiert
Marcel M.
Letzte Position:
Cloud-Architekt, Senior Solution Architekt, Senior Software Engineer bei Zuordnung von KPIs für die Service-Landschaft zur Erfassung und Analyse der Kosten pro Nutzer
- Technologien: GoLang, JavaScript, TypeScript, AWS, Terraform, Git
- Konzeption der AWS-Infrastruktur und vorhandener Dienste
- Analyse der IAM-Konten und -Rollen
- Einrichtung von Cost Explorer und CloudWatch-Monitoring
- Einrichtung der Persistenz gesammelter Daten in DynamoDB und S3
- Reporting und Kostenberechnung
- Konzeption der Terraform-Bereitstellung
Yannick S.
Letzte Position:
Freiberuflicher IT-Berater/Advisor bei Deutsche Glasfaser
- Leitung des Integrationsprozesses mehrerer Systeme zwischen Entwicklungsagenturen in Deutschland und Indien
- Beratung zu SDKs, Systemintegration, Systemarchitektur, API-Vertragsdesign, Salesforce, ServiceNow und SAP.
Nune I.
Letzte Position:
Fractional CTO bei OpsWorker
OpsWorker verwandelt Kubernetes-Alerts in Root-Cause-Analysen, zusätzlich zu dem Monitoring, das ein Team bereits betreibt. Ich leite die technische Seite: die Agentenarchitektur, die AWS-Infrastruktur, auf der das Ganze läuft (vollständig in EU-Regionen), und die Engineering-Entscheidungen dahinter, standardmäßig nur lesend im Cluster, der Mensch bleibt für die Bewertung im Loop. Der Stack darunter: Amazon Bedrock und Bedrock AgentCore, Agenten gebaut mit dem Strands Agents SDK, die Claude- und OpenAI-APIs sowie die Kubernetes-API.
Experten, die kürzlich an ähnlichen Projekten gearbeitet haben
Freelancer mit praktischer Erfahrung in vergleichbaren Projekten als KI-Automatisierungsingenieur & Solution Architect
Freelancer in der Nähe
Fachkräfte, die in oder in der Nähe von Ludwigsburg, Deutschland arbeiten

