Platform Engineers in Germany

• Browserbasierte Plattform für Kubernetes-No-Code-Deployment und Cluster-Management entwickelt
• CLI in TypeScript entwickelt, um Ressourcen im Cluster bereitzustellen, ohne die Browser-UI zu verlassen.
• DevSecOps-Pipelines implementiert: Image-Scanning, SBOM, Policy Enforcement, Supply-Chain-Security und Kyverno eingesetzt. IAM-Integration für das Kommandozeilen-Tool umgesetzt.
• Rollen- und Berechtigungsmodelle für Keycloak, OAuth/OIDC und Social-Login-Flows entworfen.
• LLM eingesetzt, um Nutzerabsichten in Diagramme umzuwandeln.
• An Integrationen mit mehreren Sovereign-Clouds wie StackIt, Hetzner, CIVO, UpCloud sowie öffentlichen Clouds wie AWS, GCP und Azure gearbeitet
• Der Technologie-Stack umfasst Java, Spring Boot, Kubernetes, OpenAI, Kubernetes-Multitenancy mit vCluster, Karpenter, RBAC für CLI, Helm, React

• Die Yatta Integration Layer entworfen – eine konfigurationsgetriebene Integrationsplattform auf Java 25, Spring Boot 4 (WebFlux), Temporal, gRPC und Kafka, die neue Third-Party-Integrationen (z. B. AVS Fulfillment) über deklarative JSON-Konfigurationen ohne Codeänderungen ermöglicht.
• Tink-Integration entworfen und umgesetzt mit 0Auth-IBAN-Verifizierung, um Betrugsprävention und Kontovalidierungs-Workflows mit Adyen payByBank zu verbessern.
• Ein auf OpenFGA basierendes Berechtigungsmodell entworfen und umgesetzt für die zentrale Verwaltung von Benutzern, Gruppen und fein granularer Zugriffskontrolle im Vendor-Portal.
• Die Yatta API-Gateway-Plattform mit GraphQL Federation entworfen und die Umsetzung geleitet, um eine einheitliche Enterprise-API-Schicht über verteilte Microservices mit zentraler Authentifizierung, Autorisierung und Request-Orchestrierung bereitzustellen.
• NGINX + NLB durch Istio Service Mesh und AWS ALB ersetzt; WAF, OAuth (Cognito), IP-Whitelisting und RBAC über alle Umgebungen ausgerollt.
• CDC von Confluent-Cloud-Connectors auf einen selbst gehosteten Kafka-Connect- + Debezium-Stack migriert, wodurch die Betriebskosten über mehrere Umgebungen um rund 80 % gesenkt wurden.
• Das Transactional-Outbox-Pattern mit Debezium umgesetzt für zuverlässiges Event-Publishing mit genau-einmal-Zustellung nach Kafka mit Avro und Schema Registry.
• Dunning-/Payment-Recovery-Workflows von Airflow zu Temporal migriert, wodurch 99,9 % Zuverlässigkeit für die Abwicklung erreicht wurden.
• Apache Airflow optimiert mit deferrable Sensors, um 1000+ gleichzeitige DAG-Runs ohne Skalierung des Worker-Pools zu verarbeiten.
• Eine monolithische Terraform-Codebasis in 3 modulare Projekte refaktoriert, wodurch die Deploy-Zeit um rund 45 % verkürzt wurde.
• Vollständige Observability aufgebaut mit OpenTelemetry, Tempo, Prometheus und Loki; Dev/Staging/Prod mit ArgoCD, Image Updater und Helm automatisiert.
• Mit Produkt-, Operations- und Engineering-Stakeholdern zusammengearbeitet, um eine skalierbare Plattformarchitektur und Integrationsstandards zu definieren, die auf langfristige Geschäfts- und Betriebsziele abgestimmt sind.

• Fehleranalyse und -bereinigung inkl. Performance-Optimierung der eigenentwickelten Plattform API
• Change- und Incidentmanagement im Tagesbetrieb
• Verantwortlich für Einhaltung Security- und Compliancevorgaben
• Dienstleistersteuerung für Software-Entwicklung und -Wartung
• Planung und Durchführung Migration Legacy Services auf Cloud Native Plattform

Rolle im Projekt: Projektmitarbeiter Umsetzungsteam

Eingesetzte Skills: Anforderungsanalyse, IT-Service- und Anwendungsmanagement, IT-Betrieb, Fehleranalyse und Performance-Optimierung, Software-Wartung und Lifecyclemanagement

Projektumgebung: Cloud Native Platform (Kubernetes, Crossplane, AWS, ArgoCD, Grafana)

• Aufbau und Weiterentwicklung einer AWS Landing Zone auf Basis von Terraform / OpenTofu (Multi-Account-Struktur, IAM-Baselines, Netzwerk- und Security-Standards)
• Design und Betrieb plattformorientierter AWS-Architekturen zur Standardisierung von Infrastruktur- und Betriebsprozessen
• Aufbau und Betrieb Kubernetes-basierter Plattformen (EKS) als gemeinsame Ausführungsumgebung für Applikationsteams
• Etablierung von GitOps-basierten Deployments mit Argo CD und FluxCD
• Entwicklung und Betrieb zentraler CI/CD-Plattformen (GitLab CI, GitHub Actions, Jenkins)
• Enablement von Entwickler- und Projektteams durch wiederverwendbare Plattform-Bausteine
• Einführung und Umsetzung von FinOps-Strukturen (AWS Cost Explorer, CUR + Athena, Infracost, Grafana-Dashboards)
• Aufbau und Betrieb zentraler Observability-Plattformen (Prometheus, Grafana, Loki, Alertmanager, CloudWatch)

Manufacturing-Intelligence-Plattform mit Enterprise-Workflows, RAG, Echtzeit-Funktionen für AI-Assistenten und Backend-Architektur über mehrere Repositories.

• Entwickelte und erweiterte produktive AI-/Backend-Services mit Django, DRF, FastAPI, GraphQL, Celery, PostgreSQL, MySQL, Redis und WebSockets über eine modulare Plattform mit mehreren Repositories.
• Mitgewirkt an ARIS V2, einem Echtzeit-AI-Assistenten für die Fertigung mit LangChain, LangGraph, MCP-Tool-Orchestrierung, Planungs-/Ausführungs-Workflows, OpenAI, AWS Bedrock, Qdrant sowie Retrieval auf Basis von Elasticsearch/OpenSearch.
• Unterstützte die Rollout-Erweiterung von ARIS V1 in 4 von 17 Kunden-Produktionswerken auf ARIS V2, das aktuell in 13 von 17 Werken aktiv ist, und steigerte so die reale Abdeckung auf mehr als 50 % der Kundenumgebung.
• Arbeitete an dokumentengestützter RAG-Funktionalität inklusive Ingestion, OCR, Chunking, Embeddings, Indexing, Retrieval, Reranking und geerdeter Antwortgenerierung für industrielle Workflows.

Stack: Python, Django, DRF, FastAPI, LangChain, LangGraph, GraphQL, Celery, WebSockets, OpenAI, AWS Bedrock, Qdrant, Elasticsearch/OpenSearch, PostgreSQL, MySQL, Redis, Docker.

• Mentor eines Teams aus 6 ML-Platform-Engineers durch wöchentliche 1:1s, technische Design-Reviews und Best Practices; Verbesserung der Team-Produktivität um 35% durch strukturierte Sprint-Planung und Programme zur Skill-Entwicklung
• Definition der ML-Plattform-Roadmap 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Product Teams; Priorisierung von automatisierter Model Governance, Cost-Attribution-Systemen und Multi-Environment-Deployment-Strategien
• Zusammenarbeit mit Stakeholdern aus Data Science, SRE und Product, um die Fähigkeiten der ML-Plattform mit den Geschäftszielen abzustimmen; Reduktion der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
• Architektur und Lieferung einer produktionsreifen MLOps-Plattform für 50+ Modelle in Produktion mit automatisierten Promotion-Pipelines, Versionierung und Rollback-Funktionen; Erreichung eines SLA von 99,5% Plattform-Uptime
• Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex Pipelines-kompatibel); Verkürzung der Modell-Trainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
• Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Resource Quotas und Multi-Tenancy-Isolation; Optimierung der Infrastrukturkosten um 180K $ pro Jahr (25% Reduktion)
• Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und Custom Instrumentation; Reduktion der Debugging-Zeit für Modelle um 50% und Einführung von SLOs für die Modell-Performance
• Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken; Implementierung von Agentic-AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
• Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umgebungseinrichtung und GitOps-Workflows; Reduktion von Infrastruktur-Drift-Vorfällen um 80%
• Design von rollenbasiertem Zugriff für die ML-Plattform, Implementierung von Model-Lineage-Tracking und Aufbau von Audit Trails für regulatorische Compliance nach Enterprise-IAM-Best Practices

• Hatte direkte Linienverantwortung für ein Team von 4 Platform Engineers — inklusive Hiring, Performance Reviews und Karriereentwicklung — und habe dabei einen gemeinsamen Rahmen für Engineering-Standards sowie eine Coaching-Kultur aufgebaut, die die Delivery über Kundenprojekte hinweg beschleunigt hat.
• Habe ein Team von Engineers geführt, um ein cloud-natives Voice-AI-System für einen großen Inspektionskunden zu entwerfen. Damit konnten 2.500 Außendienst-Inspektoren ihre Arbeit komplett freihändig per Echtzeit-Transkription und AI Agents dokumentieren — manuelle Dateneingabe über 440.000 Inspektionen pro Monat wurde eliminiert und die Kosten pro Nutzer von 9 $ auf 1 $ gesenkt. Stack: AWS (DynamoDB, S3, Transcribe, CloudFront, API Gateway, Bedrock), ElevenLabs, Claude.
• Habe ein Team von Engineers geführt, um das Management von Kubernetes-Clustern über mehrere Regionen für einen globalen SaaS-Marktführer zu automatisieren. Dadurch sank die Bereitstellungszeit von 3 Wochen auf unter einen Tag und 90 % der Konfigurationsfehler wurden eliminiert. Stack: EKS, Terragrunt, Python, Bash, ArgoCD.
• Accelerator - Cloud-agnostische KI-Plattform: Ich habe eine cloud-agnostische, Kubernetes-native Plattform als Accelerator entworfen und ausgeliefert. Damit wurde das Multi-Tenant-Management von selbst gehosteten LLMs im Enterprise-Maßstab ermöglicht, inklusive gleichzeitiger Bereitstellung mehrerer Basismodelle und dynamischem Serving von LoRA-Adaptoren. Ich habe die Produktionsinfrastruktur mit Open-Source-Tools (ArgoCD, Karpenter, vLLM, SGLang) entworfen, inklusive automatisiertem Modell-Lifecycle-Management, API-Security (Keycloak + LiteLLM) und kostenoptimierter GPU-Bereitstellung.

Projekt: Digitalisierung von Lagerprozessen | Aufbau einer Data-Analytics-Plattform.

• Entwickelte ein webbasiertes System zur Einsatzplanung, das die tägliche Schichtplanung digitalisierte, indem es Mitarbeitenden-Know-how passenden Lagerbereichen zuordnete. Dadurch wurde die manuelle Abstimmung durch einen strukturierten Workflow ersetzt, der im ganzen Standort genutzt wurde und den Führungskräften Zeit bei der täglichen Planung sparte.
• Entwickelte ein Dashboard für die operative Echtzeitübersicht, das Führungskräften den aktuellen Durchsatz der Aufgaben und die offene Arbeitslast in den Lagerbereichen über den Tag hinweg live anzeigte und so half, Überstunden und Leerlaufkosten zu senken.
• Entwickelte eine Optimierungslösung für das Slotting, um die Effizienz beim Kommissionieren zu verbessern und die Kommissionierzeit pro Bestellung zu senken, in enger Zusammenarbeit mit den Operations-Teams vom Konzept bis zum produktiven Einsatz.

Verwendete Technologien: Python, Django, PostgreSQL, Pandas, NumPy, HTML, Java, JavaScript, Docker, Kubernetes, AWS, Power BI, GitHub Actions CI/CD, GitOps, Claude, OpenAI

In einem schlanken, umsetzungsorientierten Umfeld habe ich Verantwortung über einen engen Engineering-Bereich hinaus übernommen und Systeme über Backend, Daten und Infrastruktur hinweg mitgestaltet und umgesetzt. Ich habe direkt mit den drei Gründern in einem schnelllebigen, wichtigen Umfeld zusammengearbeitet und strategische Prioritäten in konkrete technische Entscheidungen und Ergebnisse in Produktion übersetzt.

• Verantwortete die Kernentwicklung der Plattform über Backend (Django/Rest Framework/Postgres), ETL (Python/Dagster), Infrastruktur (Terraform/Kubernetes/AWS) und Frontend (TypeScript/React) für ein Climate-Tech-SaaS-Produkt und trieb die laufende Cross-Stack-Entwicklung über fünf Repositories seit Oktober 2021 bis heute voran.
• Entwarf und verantwortete ein eigenständiges internes Python-Scoring-Framework für CRC-Assessments, mit YAML-basierten Regeln und Metaprogrammierung, damit auch nicht-technische Nutzer komplexe Bewertungslogik ohne fest verdrahtete Implementierungen definieren können.
• Entwickelte und stabilisierte ETL- und Scraping-Pipelines mit Dagster und Scrapfly und verbesserte Dokumentenaufnahme, Tagging, Retry-Verhalten, Deployments und die operative Stabilität.
• Trug zur Modernisierung und Zuverlässigkeit der Plattform bei durch Django-/Python-Upgrades, Änderungen an Postgres/RDS und EKS, CDN-/TLS-Updates, Verbesserungen bei Tests und Performance sowie stärkere Observability.
• Trieb das Backend-Engineering für Produktfeatures voran und übersetzte Anforderungen in technische Spezifikationen, API-Verträge, Datenstrukturen und skalierbare Umsetzungspläne.

• Grundlagen des Cloud Computing & Architektur: Fundiertes Wissen zu den zentralen Cloud-Konzepten, einschließlich der drei Service-Modelle (IaaS, PaaS, SaaS) und der verschiedenen Bereitstellungsmodelle (Public, Private, Hybrid, Multi-Cloud).
• Moderne Anwendungsbereitstellungsstrategien (GCP-Fokus): Einführung in das GCP Application Hosting-Spektrum, einschließlich virtueller Maschinen, Container (Kubernetes und Cloud Run), Platform as a Service (App Engine) und serverlosem Computing (Functions as a Service - FaaS).
• Datenmanagement & Big Data Analytics: Umfassende Darstellung der Cloud-Speicheroptionen (Object, Block, File) und Datenbanklösungen, einschließlich relationaler (Cloud SQL), NoSQL (Firestore, Bigtable, Memorystore) und serverlosem Enterprise-Data-Warehousing (BigQuery).
• DevOps und Infrastruktur-Automatisierung: Kenntnisse in DevOps-Prinzipien, einschließlich Continuous Integration (CI), Continuous Delivery (CD), Infrastructure as Code (IaC) mit Tools wie Terraform, und Implementierung von effektivem Monitoring und Logging für Systembeobachtbarkeit.
• Neue Technologien & verantwortungsbewusste Cloud-Nutzung: Fokus auf wichtige Themen wie Cloud und IoT-Sicherheit, Identity and Access Management (IAM), Datenschutz und ethische Aspekte bei Cloud- und Massendaten-Sammlung.

• Leitung mehrerer gleichzeitiger, unternehmensweiter Technikprogramme mit Backend-Services, APIs, Identity-Plattformen, Cloud-Infrastruktur und Sicherheit
• Aktive Mitarbeit an Systemarchitektur- und Design-Reviews zur Validierung von Service-Interaktionen, Datenflüssen, Sicherheitsmodellen und Skalierungsanforderungen
• Hands-on-Zusammenarbeit mit Engineering-Teams zur Zerlegung komplexer Initiativen in technische Epics, Stories und Deliverables
• Überprüfung technischer Ansätze, Migrationsstrategien und Rollout-Pläne zur Minimierung von Betriebs- und Sicherheitsrisiken
• Bereitstellung von SSO, MFA, Verzeichnisdiensten, SaaS-Integrationen und Plattformmodernisierung mit Auswirkungen auf zehntausende Nutzer weltweit
• Steuerung der agilen Umsetzung über global verteilte Teams; Durchführung von Zeremonien, Beseitigung von Blockern und Verbesserung des Engineering-Durchsatzes
• Erstellung technischer RAID-Logs, Abhängigkeitskarten und meilensteinbasierter Ausführungspläne in regulierten Unternehmensumgebungen
• Fungierte als vertrauenswürdiger technischer Partner für die Führungsebene und übersetzte komplexe Engineering-Themen in geschäftsrelevante Ergebnisse

• Weiterentwicklung der Plattform von Bare-Metal-Infrastruktur mit monolithischer PHP-Anwendung hin zu hybrider Google-Cloud-Architektur mit Go-Microservices auf Kubernetes
• Betrieb und Skalierung einer Produktionsinfrastruktur mit 300+ VMs und Dutzenden Clustern, darunter MySQL-, PostgreSQL-, MongoDB-, RabbitMQ-, Redis- und Elasticsearch-Cluster
• Architekturdesign, Deployment, Monitoring, Performance-Analyse und Upgrades aller Plattform-Services mit Terraform und Ansible
• Migration der Observability-Systeme von ELK und Prometheus zu Datadog, verwaltet über Terraform
• Einführung von Jenkins CI/CD mit SonarQube-Integration und automatisierten Tests zur Beschleunigung von Feedbackzyklen
• Containerisierung der Testumgebung und Implementierung von GitLab-CI-Pipelines für Docker-Image-Builds, statische Code-Analyse und Infrastruktur-Tests
• Zero-Downtime-Migrationen von MySQL- und MongoDB-Clustern in die Google Cloud
• Entwicklung wiederverwendbarer Ansible-Rollen für Datenbank-Cluster und Automatisierung der Datenobfuskation für Staging-Umgebungen
• Dekomposition monolithischer Datenbanken und Migration zu Microservice-Architekturen
• Tools zur Erkennung und Optimierung langsamer Queries in MySQL und MongoDB
• Online-Schema-Migrationen mit pt-online-schema-change ohne Wartungsfenster
• Entwicklung interner Go-Anwendungen für Batch-Abfragen, GitLab-Jira-Integration und MongoDB-Backup-Recovery
• Technologien: Debian, Ubuntu, Alpine, Go, Bash, Python, PHP, SQL, GitLab CI, Jenkins, Drone CI, MySQL, MongoDB, PostgreSQL, Redis, Elasticsearch, RabbitMQ, Kafka, Docker, Kubernetes, Nomad, Ansible, Terraform, Grafana, ELK, Prometheus, Datadog, Nagios, Zabbix, Nginx, HAProxy, Vault, Helm, SonarQube, Filebeat, Auditbeat, Google Cloud, AWS

• Entwickelte und betrieb eine GitOps-basierte Kubernetes-Plattform und migrierte Dienste von AWS ECS zu Amazon EKS.
• Erstellte automatisierte CI/CD-Pipelines für das Erstellen und Bereitstellen von Containern mit GitLab CI, Helm und Argo CD.
• Entwickelte wiederverwendbare Helm-Charts für Kubernetes-Ressourcen (Ingress, Services, Secrets, HPA, ExternalDNS).
• Provisionierte und verwaltete EKS (Fargate und EC2) mit Infrastruktur als Code (Terraform / OpenTofu).
• Implementierte OIDC-basierte Authentifizierung und Autorisierung (Okta) für sicheren Zugriff auf Kubernetes und Argo CD.
• Verbesserte die Container-Sicherheit durch Migration der Dienste zu distroless-Images.
• Implementierte Logging, Monitoring und Beobachtbarkeit, um die Systemzuverlässigkeit und -leistung sicherzustellen.
• Automatisierte Cloud-Kostenoptimierung mit Python (Boto3) und erzielte dabei etwa 45 % Kosteneinsparungen.
• Leitete die Migration der AWS-Infrastruktur zu IaC und verringerte so Konfigurationsabweichungen und Bereitstellungsprobleme.
• Erstellte technische Dokumentationen und Betriebsanleitungen zur Unterstützung interner Engineering-Teams.

• Kubernetes-Plattform-Betrieb und Stabilisierung
• Implementierung eines vollständigen Observability-Stacks
• GitOps-Bereitstellungsprozesse mit ArgoCD
• Definition von SLI/SLO und Governance
• Incident-Analyse und Automatisierung des Betriebs