Amazon S3 Experten in München

Michael Nelz

Senior ML-Ingenieur | KI-Ingenieur | Problemlöser

Eichenau

Letzte Position:

Senior ML-Ingenieur, KI-Ingenieur bei Lanxess AG

Deployment und Skalierung bestehender ML-Initiativen, unter anderem für Demand- und Cashflow-Prognosen.
Aufbau eines belastbaren Monitorings mit MLflow für Datenstabilität, Modellperformance und Drift-Erkennung sowie Umsetzung zusätzlicher ML-Use-Cases.
Weiterentwicklung eines Agentic-AI-Chatbots zur transparenten und verständlichen Modellerklärung.

Mohamad Dib-Skhni

DevOps Engineer & IT-Security-Architekt

Letzte Position:

DevOps Engineer & IT-Security-Architekt bei BMW Group

Aufbau von Azure-Kubernetes-Clustern (AKS) mit Network Policies, Security Groups und RBAC
Terraform-basierte Infrastructure-as-Code für sichere, reproduzierbare Bereitstellungen in der BMW-Azure-Cloud
Härtung der CI/CD-Pipelines mit Jenkins, SonarQube, Fortify SSC und Contrast AST
Integration von SAP BTP/Kyma und ServiceNow GRC

Serge Kalinin

MLOps (Machine Learning Operations)

Letzte Position:

MLOps (machine learning operations) bei REWE Digital GmbH

Es ist wie ein Start-up innerhalb von REWE, wo wir von Grund auf ein neues Prognosesystem auf der Google Cloud Platform aufbauen müssen. Offiziell heißt meine Rolle MLOps, aber meine eigentlichen Aufgaben umfassen auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) sowie Aufgaben von Data Scientists wie Feature Engineering und Modelltraining.
GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT für die Implementierung von Datenmodellen
CI/CD: GitLab. Wir haben eine CI/CD-Pipeline aufgebaut, die Deployments neuer Releases bis in die Produktionsumgebung automatisiert

Anitha Namineni

Senior Data Engineer

München

Letzte Position:

Senior Data Engineer bei Accenture GmbH

Skalierbare Datenanwendungen entworfen, entwickelt und konfiguriert, passend zu Geschäftsprozessen und technischen Anforderungen.
Skalierbare, kosteneffiziente Datenarchitekturen mit Snowflake über AWS, Azure und GCP entwickelt und dabei dbt für Datentransformation und Modellierung eingebunden.
Robuste ETL-Datenpipelines aufgebaut und gepflegt, um hohe Datenqualität für eine reibungslose Migration und systemübergreifende Integration sicherzustellen.
Starke Expertise in SQL und Python mit umfassender Erfahrung in Datenmodellierung, ETL/ELT-Pipeline-Entwicklung und Streaming-Datenverarbeitung gezeigt; sicher im Umgang mit Git-basiertem Versionsmanagement, CI/CD-Prozessen und Test-Frameworks, mit solidem Wissen in den Bereichen Datenqualität, Observability, Kostenoptimierung, Sicherheit und Data-Governance.
Mehrere Datenmigrationsinitiativen von SAP HANA nach Snowflake mit einem modularen dbt-Framework geleitet.
End-to-End-Daten-Transformations-Workflows mit dbt auf Snowflake entworfen und gepflegt, geschichtete Datenmodelle implementiert, die Performance optimiert und eine hochwertige Datenbereitstellung für Business Intelligence und Reporting sichergestellt.
Entwicklungs-, QA- und Produktions-Deployments über strukturierte Versionskontrolle und Release-Management mit GitLab gesteuert.
Daten aus mehreren Quellen, darunter relationale Datenbanken, Flat Files, Excel und große Systeme, in Snowflake integriert und zentralisiert.
Umfassende Expertise in den Datenbereichen Sales, Marketing, HR und ERP angewendet und relevante KPIs sowie Reporting-Lösungen entwickelt und gepflegt.
Mit funktionsübergreifenden Teams zusammengearbeitet, um End-to-End-Datenlösungen termingerecht durch proaktives Lösen von Problemen und gute Abstimmung umzusetzen.
Die Snowflake-Sandbox-Umgebung für die Data-Engineering-Abteilung administriert.
Kolleginnen und Kollegen, die in Datenrollen gewechselt sind, in Snowflake geschult und technische Beratung sowie Mentoring für Junior-Teammitglieder übernommen.

Hardeep Bhutter

Sr. Data Engineer

Letzte Position:

Sr. Data Engineer bei Charles Schwab Bank

End-to-end-Datenpipelines (Batch & Streaming) mit Python, SQL und Apache Spark sowie Databricks auf AWS entworfen und umgesetzt und dabei die ETL-Latenz um 40 % reduziert.
Serverless, ereignisgesteuerte Ingestion-Pipelines mit AWS Lambda und SQS entwickelt und so die Echtzeitverfügbarkeit der Daten für nachgelagerte Analysen sichergestellt.
Google Cloud Platform (GCP)-Services wie BigQuery und Dataflow genutzt, um Cloud-übergreifende Data-Warehousing- und Analytics-Integrationen zu steuern.
Erfahrung mit DMS (CDC, Full Load) und Airflow für skalierbare Automatisierung und Orchestrierung von Datenpipelines.
Datenpipelines mit Databricks und Airflow verwaltet und angepasst. Automatisierung mit Docker, Kubernetes und Terraform.
Datenqualitätsprüfungen mit dbt automatisiert, um Transformationen zu modularisieren und eine produktionsreife Data Lineage sicherzustellen, wodurch die Zuverlässigkeit um 30 % verbessert wurde.
Mit Compliance-Teams zusammengearbeitet, um die Einhaltung von GDPR und SOC2 sicherzustellen. Junior Engineers betreut und bei der Refaktorierung der Architektur für mehr Skalierbarkeit mitgewirkt.
Dashboards in Power BI erstellt und gepflegt, um umsetzbare Einblicke zu liefern.

Vitaliy Ryumshyn

DevOps GitOps (ANÜ)

Puchheim

Letzte Position:

DevOps GitOps (ANÜ) bei Signal Iduna

Verantwortlich für die Administration von OpenShift/Kubernetes On-Prem und den Entwickler-Support.
Automatisierte die URP-Infrastruktur mit Python, Ansible, Kustomize sowie dem ArgoCD- und Argo Workflow/Events-Stack.
Schrieb Smoke- und Lasttests für die URP-Infrastruktur mit Python, Kustomize und ApplicationSets.
Unterstützte beim Aufbau und der Bereitstellung der URP-Infrastruktur in Google Cloud (GKE).
Implementierte Monitoring für die URP- und ArgoCD-Umgebung mit Splunk Cloud.
Führte Systemadministrationsaufgaben auf RedHat Linux, Kubernetes/OpenShift, ArgoCD, GitLab, Bitbucket Enterprise, Kafka und MongoDB durch.

Sara Zarei

Datenanalyst / Analytics-Ingenieur

Letzte Position:

Datenanalyst / Analytics-Ingenieur bei IDG Tech Media GmbH

Entwurf, Aufbau und Wartung skalierbarer ETL/ELT-Datenpipelines mit Python, SQL, REST APIs, AWS Lambda, S3, RDS PostgreSQL, EventBridge, CloudWatch, Docker, Apache Airflow und BigQuery – Integration von Daten aus GA4, Google Ads, Meta Ads, CMS, CRM, Newslettern, Events und B2C-Bestellsystemen in analyseoptimierte Datensätze.
Aufbau einer markenübergreifenden Lakehouse-Architektur von AWS zu BigQuery – Umwandlung von Roh-JSON/CSV-Daten in strukturierte, partitionierte und wiederverwendbare Reporting-Schichten mit Staging-, Intermediate-, Canonical- und Mart-Modellen.
Entwurf relationaler und dimensionaler Datenmodelle: 3NF-Staging-Modelle, Star-Schemas, Faktentabellen, Dimensionstabellen, tägliche KPI-Aggregate und Dashboard-optimierte Marts für Marketing-, Content-, Abonnement-, Event-, CRM- und Umsatzanalysen.
Implementierung produktionstauglicher Datenqualitäts- und Pipeline-Zuverlässigkeitsfunktionen: inkrementelle Loads, idempotente Upserts, Deduplizierung, Schema-Validierung, Zeilenabgleich, Null-Checks, Anomalieerkennung, Frische-Monitoring, Logging, Wiederholungsversuche und Fehlerbenachrichtigungen.
Automatisierung markenübergreifender Reporting-Prozesse und Datenprodukte – Pipelines für 73 Newsletter-Kampagnen, 31 Lead-Listen-Synchronisierungen, 52 Event-Partner-Berichte und eine 500K-Datensatz-Unternehmensabgleich-Pipeline; Reduzierung der manuellen Datenvorbereitung um ca. 70 % und Steigerung der Analyst-Produktivität um ca. 30 %.

Christian Schulz

Datenwissenschaftler/KI-Ingenieur

Ismaning

Letzte Position:

Data Scientist/KI-Ingenieur bei The Marcom Engine GmbH & Co. KG

Konzeption und Implementierung von KI-Agenten in der AWS-Cloud
Kontinuierliche Abstimmung mit Stakeholdern
Zusammenarbeit mit DevOps
Technologien: Git, CI/CD (GitHub Actions), Python/ML, Streamlit, Deno/TypeScript, AWS SAM, AWS Bedrock, AWS Lambda, AWS DynamoDB, AWS S3, AWS EventBridge usw.

Roxana Girdu

Freiberuflicher Senior Frontend-Entwickler

Letzte Position:

Freiberuflicher Senior Frontend-Entwickler bei RHI Magnesita

Konzipierte und entwickelte eine leistungsstarke interne Plattform für Ressourcenmanagement mit React und TypeScript und optimierte dabei das dynamische Rendern von Daten und das State Management.
Entwickelte eine React-Native-Anwendung für den mobilen Zugriff auf interne Tools und ermöglichte so Teams im Außendienst das Tracking von Projekten unterwegs.
Entwickelte eigene 2D-Visualisierungen auf Canvas-Basis mit Pixi.js, um Materialflüsse und das Verhalten von feuerfesten Schichten zu simulieren.
Integrierte Pixi.js mit React-Komponenten für interaktive Diagramme und UI-Aktualisierungen in Echtzeit.
Entwickelte interaktive 3D-Visualisierungen mit React.js zur Darstellung von Produktlayouts und Simulationen für feuerfeste Produkte und unterstützte damit Engineering- und Vertriebsteams mit dynamischen Produktvorschauen.
Integrierte Three.js in das React-Ökosystem, um die Bearbeitung von 3D-Modellen in Echtzeit direkt im Browser zu ermöglichen und so die Nutzerbindung und die Konfigurierbarkeit vor Ort zu verbessern.
Integrierte ein Headless CMS, damit nicht-technische Nutzer Inhalte dynamisch aktualisieren können, wodurch sich die Zeit für Content-Deployments um 40 % verkürzte.
Leitete AWS-CloudFront-Optimierungsinitiativen und verbesserte dadurch die Ladegeschwindigkeit des Portals weltweit um 30 %.
Arbeitete aktiv mit funktionsübergreifenden agilen Teams und Product Ownern zusammen, um priorisierte Features mit kurzen Feedbackschleifen zu liefern.
Wichtige Technologien: React.js, React Native, Three.js, TypeScript, Contentful CMS, AWS S3/Lambda/CloudFront, Cypress, Agile Scrum

Jennifer Kiunke

KI-Produktmanager und Ingenieur

Letzte Position:

KI-Produktmanager und Ingenieur bei Human-in-the-Loop Studio

Architektur und Aufbau eines GenAI-basierten Tools zur automatisierten Asset-Erstellung für Social-Media-Kampagnen mit Nano Banana und Python. Es verarbeitet Kampagnenbriefing, Zielgruppe und zwei Produkte als Eingabe, generiert optimierte Prompts für Bild- und Textproduktion und nutzt Funktionen für Textpositionierung, ansprechende Overlays, Größenanpassung und strukturiertes Hochladen in AWS S3.
Entwicklung und Aufbau einer Multi-Agenten-News-Intelligence-Plattform mit spezialisierten Rollen, darunter Retriever-Agenten (Tavily-Web-Scraping), Synthese-Agenten und Claude als Kurator/Orchestrator, und Entwurf autonomer Agentenzusammenarbeitsmuster mithilfe von LangChain und RAG.
Aufbau eines autonomen Kundendienst-Agenten mit n8n und LLMs, der End-to-End-Support-Automatisierung mit nachvollziehbarer Argumentation, Governance-Kontrollen und skalierbarer Workflow-Orchestrierung mittels Python und Vektordatenbanken bietet.
Entwicklung einer Finanzvalidierungs-Engine mit ML-gestützter Anomalieerkennung zur Plausibilitätsprüfung von Rechnungen, Compliance-Automatisierung und Risikominderung unter Verwendung von TensorFlow und SQL.
Erstellung einer Kosteneinsparungsanwendung mittels OCR, KI, Pandas und NumPy für Datenanalyse, um Optimierungspotenziale zu identifizieren.

Clarissa Heinemann

Daten- & Automatisierungsingenieurin | M.Sc. Wirtschaftsinformatik

Letzte Position:

KI-Trainerin bei Komdis GmbH

Leitung umfassender KI-Workshops für Fachkräfte, Fokus auf KI-gesteuerte Prozessautomatisierung.
Tech-Stack: n8n, Make, LLMs (OpenAI, Anthropic), Prompt-Engineering, Tools zur Prozessmodellierung.

Ales Loncar

Senior DevOps Berater (Freelancer)

Letzte Position:

Senior DevOps Berater (Freelancer) bei Agentur der Europäischen Union (über IBM)

Arbeitete als freiberuflicher Senior DevOps-Berater vor Ort für IBM bei einer Agentur der Europäischen Union in einer hochsicheren, luftabgetrennten Umgebung und verwaltete klassifizierte Systeme.
Führte Automatisierungs- und DevOps-Initiativen für eine großangelegte OpenShift-Plattform (>400 Knoten) an, steigerte die Bereitstellungseffizienz, die GitOps-Einführung und die operative Automatisierung mit Ansible, Python und Bash und stellte gleichzeitig die Einhaltung der Sicherheitsvorgaben sicher.
Leitete die Automatisierung von Release- und Deployment-Workflows in einer Private-Cloud-Umgebung mit über 400 OpenShift-Knoten und verbesserte dadurch deutlich die Geschwindigkeit und Zuverlässigkeit der Bereitstellungen.
Migrierte bestehende Playbooks, Rollen und Templates von Ansible Tower zur Ansible Automation Platform (AAP), stellte die vollständige Einhaltung der vollqualifizierten Collection-Namen (FQCN) sicher und bereitete angepasste Execution Environments (EE) für containerisierte Automatisierung vor.
Implementierte einen GitOps-Agent für die AAP-Controller-Konfiguration als Code und ermöglichte so die automatisierte Synchronisation (CRUD) von Ansible-Controller-Objekten anhand im Repository gespeicherter Konfigurationsdefinitionen mittels GitHub-Webhooks.
Entwickelte und automatisierte komplexe mehrstufige Betriebs-Workflows, darunter Umgebungscleanup, Neuaufbau von Helix-Cluster-Komponenten, Kafka-Topic-Management und Lifecycle-Management von OpenShift-Objekten in etwa 100 Umgebungen.
Erreichte durch Automatisierungsverbesserungen über mehrere AAP-Cluster und OpenShift-Umgebungen hinweg eine Reduzierung mehrtägiger manueller Abläufe auf wenige Stunden.
Integrierte die Ansible Automation Platform mit dem Thycotic (Delinea) Secret Server über ein Lookup-Plugin, um das sichere Management von Zugangsdaten in automatisierten Prozessen zu verbessern.
Übernahm Deployment-Aufgaben, Fehlerbehebung auf Plattformebene und Konfigurationen des Istio-Netzwerks unter Einhaltung strenger EU-PSC-Sicherheits- und Compliance-Standards.
Arbeitete mit Infrastruktur- und Applikationsteams zusammen, um Bereitstellungsverfahren zu verfeinern, Namenskonventionen zu entwickeln und die Automatisierungsabdeckung in einer luftabgetrennten, klassifizierten Umgebung kontinuierlich zu verbessern.

Stephan Sahm

Senior Data/ML-Berater & Technischer Leiter

München

Letzte Position:

Senior Data/ML-Berater & Technischer Leiter bei Jolin.io

Rolle: Software-Ingenieur & Angewandter Mathematiker (Mathematische Optimierung für Terminplanung; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: JuMP, Julia, Pluto, Svelte, JavaScript, TypeScript, JetBrains Space, Terraform, Nomad)
Rolle: Software-, Cloud- & Web-Ingenieur (Aufbau eines skalierbaren Data-Science-Rechenclusters von Grund auf; Dauer: 11 Monate; Teamzusammenstellung: Team von 1, vor Ort; Technologien: Terraform, Kubernetes, k8s ingress, k8s services, k8s RBAC, k8s networking, k3s, etcd, S3, DNS, Zertifikate, Julia, Pluto, JavaScript, Tailwind, Astro, npm, Parcel, Preact, MUI, JWT, AWS SQS, AWS RDS, Python, GitLab, GitHub)
Rolle: KI- & Web-Ingenieur (Individueller ChatGPT-Dienst; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: Python, Poetry, LangChain, Tailwind, ChatGPT API, Flask, FastAPI)
Rolle: Architekt & Dateningenieur (Einrichtung und Befüllung eines zentralen Data Lakes; Dauer: 9 Monate; Teamzusammenstellung: Team von 5, remote; Technologien: Infrastructure-as-Code, AWS CDK, Python, Boto3, PySpark, AWS Glue, IAM, S3, ECS, Fargate, Lambda, Apache Hudi, DeltaLake, Databricks, GitHub, Jira, Miro)
Rolle: Software-Ingenieur (PoC zur Migration von scikit-decide nach Julia; Dauer: 1 Monat; Teamzusammenstellung: Team von 2, remote; Technologien: Python, Julia, GitHub)

Alexandru Gunescu

Leiter Cloud-Infrastruktur

Letzte Position:

Leiter Cloud-Infrastruktur bei BP

Migrierte die SaaS-App der EV-Division für Elektrofahrzeug-Ladeinfrastruktur von On-Premises und Azure in die AWS-Cloud und schuf damit eine hybride Multi-Cloud-Multi-Tenant-Lösung.
Entwickelte eine Streaming-Daten-Pipeline mit AWS MSK für Apache Kafka und implementierte eine ereignisgesteuerte Architektur, um nahezu Echtzeitdaten von OCPI-Protokoll-IoT-Geräten zu erfassen und zu verarbeiten.
Implementierte Multi-Tenant-Strategien, einschließlich Datenbankschema-Isolierung, Bridge-Modell für Ressourcenteilung und mandantenbasierter RBAC-Kontrollen.
Provisionierte Kubernetes-Cluster auf AWS EKS mit Namespaces und RBAC zur Mandantentrennung.
Leitete die Migration von On-Premises und Azure in die AWS-Cloud unter Nutzung von AWS DataSync, Snowball und Database Migration Service.
Koordinierte die Zusammenarbeit zwischen über fünf Systemen, Anbietern, Dienstleistern und Vor-Ort-Teams.
Unterstützte die Entwicklung und Pflege der IT-Strategie in Übereinstimmung mit den Geschäftszielen.
Verwaltete ein Infrastruktur-Budget von 40 Mio. € und optimierte Kosten in AWS und Azure, was 15 % Einsparungen brachte.
Führte über 50 Entwickler bei der Umsetzung komplexer Datenbankprozeduren, wodurch die Produktivität um 20 % stieg.
Leitete die Multi-Cloud-Multi-Tenant-Infrastrukturmigration und erzielte 30 % schnellere Verarbeitungszeiten.
Verhandelte mit Anbietern über Preise, um die Kosten für Lohn- und Leistungsverwaltung um 20 % zu senken.
Erarbeitete eine zweijährige Technologie-Roadmap für die Infrastruktur, die 25 % Kosteneinsparungen brachte.
Technologie-Stack: Kubernetes auf AWS EKS, Docker, Kafka/AWS MSK, Terraform, AWS CDK, TypeScript, React, NextJS, Node.js, NestJS, Python, Aurora Serverless, RDS (MySQL, SQL Server), GitHub Actions, Azure DevOps, ArgoCD, AWS Lambda, API Gateway, AWS Security Hub, AWS Database Migration Service, AWS DataSync, AWS Organizations, AWS Control Tower, Odoo, Microsoft Navision, MS Dynamics.

Nikolay Tonev