Ansible Experten in Frankfurt

• Vervollständigung der Logquellen-Anbindung an Microsoft Sentinel inklusive Integration von GCP-Workloads – zentrale Konsolidierung aller sicherheitsrelevanten Ereignisse aus Azure- und GCP-Umgebungen für vollständige End-to-End-Telemetrie und lückenlose Compliance-Nachweise
• Entwicklung von Custom Rules und Use Cases auf Basis der GFG Use-Case Library und der MITRE ATT&CK Matrix, um unternehmensspezifische Bedrohungen und GFG-relevante Szenarien mit präzisen, gemappten Erkennungsregeln abzudecken
• Tuning der Erkennungsregeln zur Minimierung von Fehlalarmen, Optimierung der Erkennungsschwellen und Modellierung von Ausnahmen – das SOC arbeitet mit relevanten, priorisierten Alerts bei reduzierter Mean-Time-to-Detect/Respond
• Aufbau von SOAR-Funktionalitäten in Sentinel durch Entwicklung von Playbooks zur Automatisierung wiederkehrender Response-Abläufe wie Containment, Nutzer- und Host-Isolierung sowie Ticketing – kürzere Reaktionszeiten und 24/7-Skalierbarkeit
• Konzeption und Aufbau einer Log-Transformationslösung zur Normalisierung und Anreicherung eingehender Rohlogs (GeoIP, CMDB, Threat Intelligence) und Überführung in ein einheitliches Schema für performante KQL-Abfragen, Use-Case-Logik und Korrelationen
• Verwaltung der Azure Security über Azure Policies zur präskriptiven Durchsetzung von Sicherheits- und Compliance-Standards, Verhinderung von Drift sowie kontinuierlicher Remediation von Abweichungen
• Betrieb des Defender XDR Portals zur Verknüpfung von Endpunkt-, Identitäts-, E-Mail- und SaaS-Signalen mit Sentinel-Findings, ganzheitlicher Triagierung von Vorfällen und Orchestrierung von Maßnahmen direkt aus XDR

Technologien: Microsoft Sentinel, Microsoft Defender XDR, Azure Policy, KQL, GCP, MITRE ATT&CK

• Entwicklung einer MCP-Schicht (Model Context Protocol) für den Agentur-Service von Mwanachama, die Methoden von Domain-Managern in aufrufbare Werkzeuge für AI-Agenten umwandelt. Dazu gehörte ein zusammengesetztes Werkzeug, das aus einer einzigen Spezifikation ein vollständiges Organisationsdesign erstellt (Organigramm, Ziele, Workflows, RACI-Matrix).
• Entwicklung des chatgesteuerten Agentur-Builders (Wakala Studio und API), in dem eine Organisation ihre Struktur in natürlicher Sprache beschreibt und ein AI-Agent diese Werkzeuge verwendet, um das laufende Design zu erstellen und zu ändern.
• Hinzufügen eines Insights-Services, mit dem eine Organisation AI-Agenten-Interaktionen und abgeschlossene Arbeiten überprüfen kann. Die Erkenntnisse aus dieser Überprüfung fließen in das Lösungsdesign zurück, freigegeben durch Architekt und Nutzer.
• Parallel dazu Entwicklung und Aufbau der Plattform selbst: etwa 20 Go-Microservices auf PostgreSQL, Flutter- und React-Clients, bereitgestellt auf Kubernetes.
• AI-Agenten durchsuchen die Plattform autonom nach Sicherheitslücken und führen skriptbasierte Tests durch, einschließlich API-Tests (im Stil von Postman) und UI-Tests. Die übrige Arbeit bleibt überwacht. Keine außer Kontrolle geratenen Agenten, versprochen.
• Entwicklung einer AI-nativen Unternehmensplattform, die Organisationsdaten, Workflows und Verantwortlichkeiten für Menschen und AI-Agenten strukturiert.
• Abbildung von Verantwortlichkeit durch RACI, sodass menschliche und AI-Teilnehmer unterschiedliche operative Rollen übernehmen können, darunter Responsible, Accountable, Consulted und Informed. AI-Agenten können außerdem kontrollierte Freigaberollen übernehmen, wenn die Organisation ihnen diese Verantwortung zuweist.
• Übertragung der Themen Organisations- und operationelles Risiko aus meiner Executive-MBA-Thesis in Software, sodass Rollen, Prozesse und Kontrollen explizit und maschinenlesbar werden.
• Strukturierung des Unternehmenskontexts, damit LLM-Interaktionen relevantere Informationen verwenden, anstatt wiederholt große Mengen unstrukturierter Inhalte zu verarbeiten.

• Linux-Server-Migrationen: Planung und Umsetzung der Migration mit SLES Linux Deployment von VMs in VMware 8.0
• Anleitung der Kollegen zur Konfiguration der Linux-VMs in vSphere Auto Deploy
• Anwendungsbetrieb: Sicherstellung des reibungslosen Betriebs der Anwendungen auf den migrierten Servern
• Betriebshandbücher: Überarbeitung bestehender Betriebshandbücher, Ergänzung und Neuanlage bei Bedarf
• Überprüfung von Dienstleistungsangeboten: Anpassung und Optimierung des Serviceangebots externer Dienstleister
• Logistik SW, RedHat Linux, Ansible, Confluence / Jira

Projekt: SCS (Settlement / Clearing Services)

Abwicklungsplattform für mehrere Handels- und Clearingplätze — Absicherung des Kontrahentenrisikos, Reduzierung des Abwicklungsvolumens, zentrales Risikomanagement und Anonymität nach dem Handel.

Technologien: Java 17, Spring Boot 3, Microservices, Spring Data JPA, SonarQube, Fortify (SCST), Mockito, Jenkins, OpenShift, Maven, Podman, GitHub, JIRA, Liquibase, Swagger, AMQP, Apache Camel, Terraform, PostgreSQL, Instana, Graylog.

• CVEs in Drittanbieter-Bibliotheken mithilfe von SCA-Tools identifiziert und behoben und damit die Sicherheitslage der Produktivkomponenten verbessert.
• 90 % Code Coverage mit SonarQube gehalten, die Codequalität verbessert und Produktionsfehler reduziert.
• mTLS für die Datenbankauthentifizierung und Verbindungen zu Message Brokern aktiviert und damit verschlüsselte, zertifikatsgeprüfte Kommunikation durchgesetzt.
• Microservices mit asynchroner, REST-basierter Kommunikation zwischen den Komponenten entworfen und bereitgestellt.
• Eine REST-API mit hohem Volumen (~200K Requests) optimiert, indem die Antwortzeit von 3s auf 2s reduziert wurde (33 % Verbesserung), was Durchsatz und Zuverlässigkeit unter Produktionslast erhöht hat.
• Build- und Continuous-Integration-Pipelines mit Maven und Jenkins automatisiert.
• Containerisierte Workloads auf Podman/OpenShift orchestriert und die Schema-Weiterentwicklung mit Liquibase gesteuert, um zuverlässige und wiederholbare Deployments in allen Umgebungen sicherzustellen.
• Java-Code optimiert und EHCache-basiertes Caching implementiert, um die Anwendungsleistung zu verbessern.
• Das Release-Management vereinfacht, indem Anwendungsimages, JAR-Versionen und Abhängigkeiten über DBAG Artifactory gesteuert wurden, um Versionskonsistenz und Audit-Nachvollziehbarkeit über alle Umgebungen hinweg sicherzustellen

• Konzipierung einer Netzwerkmanagementstrategie mit Fokus auf NetDevOps-Prinzipien und modellgesteuerter Telemetrie mittels YANG-Datenmodellen
• Durchführung von NETCONF/YANG-Workshops für L2VPN/L3VPN-Services über SRv6
• Automatisierung des Konfigurationsdeployments in der Testumgebung mit Ansible
• Entwicklung von Ende-zu-Ende-Servicemessungskonzepten mit IPSLA und Telegraf-Prometheus-Grafana-Stack
• Erstellung des Dual-Stack-Architekturkonzepts (Router + Switch + Firewall) inkl. detailliertem Testplan; Planung, Durchführung und Dokumentation der Abnahmetests für das Administrationsnetz
• Durchführung von BSI-IT-Grundschutz-Checks gemäß IT-Grundschutz-Kompendium (Schutzbedarfsfeststellung, Modellierung, Risikoanalyse, Maßnahmenableitung)
• Protokolle: SRv6, IPv6, MPLS, BGP, ISIS, OSPF, NETCONF/YANG, modellgesteuerte Telemetrie, IPSLA
• Systeme: Cisco Crosswork Network Controller, Solarwinds Orion, Grafana, InfluxDB, Telegraf, Ansible, Git
• Komponenten: Cisco NCS-Router-Serie, Cisco Catalyst-Switch-Serie, Cisco Firepower-Firewall-Serie

• Datastage 11.7, dbt, Oracle 19, Python 3.12 / PySpark 3.5, Azure GitHub, Azure DevOps, Automic
• Entwicklung von Migrations-Jobs zur Übertragung der Daten aus dem Collection-DWH in den neuen Risk Mart sowie Entwicklung von ETL-Strecken zur Migration historischer Daten vom alten Mart in den neuen Risk Mart.
• Speicherung der Silver Layer auf Hadoop und der Gold Layer in Oracle.
• Übersetzung von DataStage-Jobs in dbt zur Veröffentlichung von Berichtsdaten in der Google Cloud auf eine PostgreSQL-Datenbank.
• Erstellung und Optimierung komplexer SQL-Abfragen zur Datenextraktion aus einem Data Vault unter Berücksichtigung der Historisierung in den Point-in-Time-Tabellen.
• Erstellung von Oracle-Tabellendefinitionen (DDL) und Anpassung bestehender Stored Procedures.
• Versionierung der Änderungen in GitHub und Deployment über das CI/CD-Portal.
• Umbau von DataStage-Langläufer-Jobs in Python unter Einsatz von PySpark zur Reduzierung der Serverlast.
• Migration von SAS-Skripten nach PL/SQL einschließlich Neuentwicklung von Verteilungsfunktionen ohne direktes Äquivalent in Oracle.
• Entwicklung von Automic-Jobs zur Ausführung von DataStage-Strecken und Python-Skripten (PySpark-Jobs), die die Befüllung der SME- und Institutional-Risk-Tabellen im Risk Mart steuern und fachliche Berechnungen ausführen.
• Teilnahme am agilen Prozess, einschließlich der Erstellung von User Stories, Schätzungen und Planung in Azure DevOps.
• Bearbeitung von Azure DevOps-Tickets und enge Zusammenarbeit mit Testern und Fachbereichen zur Fehleranalyse und -behebung.

• Plattform aufgebaut und stabil betrieben; bewusst mein Engagement reduziert, um mich wieder auf eine Ingenieursrolle im Finanzbereich zu konzentrieren.
• Eigene SaaS-Lernplattform von Grund auf entwickelt und auf über 20.000 Nutzer skaliert (über 6.000 verkaufte Kurse, B2C und B2B); End-to-End-Verantwortung von der Entwicklung über Infrastruktur bis zum Betrieb.
• Laborumgebung aufgebaut, die für jeden Nutzer einen isolierten Linux-Container bereitstellt (Docker, Traefik, Go), inklusive automatischer Bereitstellung und eigener Subdomain pro Nutzer.
• LLM-Funktionen in das Produkt integriert und die Entwicklung mit KI-gestützten Workflows (Claude Code, Codex) End-to-End beschleunigt; CI/CD mit automatisierten Tests.

• Testen des SekIDP und verwandter Komponenten
• Testdesign, -durchführung und -automation, Microservices, GitHub Enterprise, Eclipse, Katalon Test Platform, API-Tests, Confluence 8, JIRA/Xray, Draw.io, Swagger/OpenAPI, Postman, Docker, Kubernetes, Podman, PuTTY, E-Health, Telematik, Gematik-Standards, ePA, E-Rezept, sektoraler IDP, Verschlüsselung, XaDES, PaDES, DICOM, HL7, FHIR, IHE, ICD, SSO, SAML/Shibboleth, OAuth, Smartcards, JWT, Zwei-Faktor-Authentifizierung auf Android und iOS, Wireshark, BrowserStack, Cypress, gRPC, REST, SOAP, WS-Security, Linux-Shell, PowerShell, SSH/SSL, Java, Kotlin, Cordova, Gradle, Groovy, Python, TypeScript

• Automatisierung der (Linux-basierten) Pflege der Weblandschaft.
• Einsatz von SALT, SuseManager, Wildfly, Scripting und Kybernetes.
• DevOps-Tätigkeiten und Nutzung von Jira.
• Management "besonderer" Applikationen sowie Erstellung und Mitwirkung an Konzepten.
• Fokus auf Security, Wartbarkeit, Integration und Tooling/Integration.

• Implementierung der spezifizierten DevOps-Lösungen zur Automatisierung der Infrastruktur (Terraform, Bicep, CloudFormation, Ansible) im lokalen Rechenzentrum (Ovirt, Proxmox, Ceph-Cluster, MinIO) und in der Private Cloud.
• Verwaltung, Konfiguration und Umsetzung von CI/CD-DevOps-Pipelines (GitLab, GitFlow) zur Unterstützung des Entwicklungsprozesses (Artifactory, Prometheus, Istio, Service Mesh, Helm Charts, OpenShift (Red Hat Enterprise) / Kubernetes-Cluster), Red Hat Satellite.
• Verwaltung, Einrichtung, Überwachung und Einspielung von Patches der Linux-Infrastruktur auf Basis von Red Hat Enterprise für Dev, Test und QA.
• Einsatz von Scrum- und Kanban-Methoden.
• Verwaltung, Konfiguration und Umsetzung von Sicherheitsstandards für die Bereitstellung in den Dev-, Test-, QA- und Produktionsphasen der neuen ePA-Anwendungen.
• Entwicklung neuer Plugins und Add-ons für die bestehende Infrastruktur.
• Datenbankunterstützung.
• Unterstützung der Datenanalyse (Python, Spark, Pandas, Power BI, Splunk Enterprise).
• Umsetzung von Best Practices für DevSecOps und BizDevOps unter Einsatz von GitOps (ArgoCD), Streamlit-Framework und Semaphore Ansible UI.
• Konfiguration und Test von iperf, uperf, sysbench mit dem Benchmark-Operator für externe Quelldaten und IoT/MDM-Geräte, Erstellung von Berichten über ELK/OpenSearch.
• Aufbau einer neuen Databricks-Plattform zur Sammlung und Analyse von Big Data aus verschiedenen Quellen und IoT-Geräten im Hadoop-Framework (Python, Pandas, PySpark, Power BI, Apache Airflow).
• Aufbau der Backend-Datenaggregation und -verarbeitung zur Automatisierung der Bereitstellung von Konfigurationen zwischen verschiedenen OpenShift-Clustern und dem Big-Data-Framework (Python, Pandas, PySpark, Apache Spark, PostgreSQL, Django 2, Ansible Automation, Jira JSM).
• Aufbau einer neuen ML-Pipeline-Plattform unter Verwendung von Kubeflow, TensorFlow, KServe.
• Extraktion, Transformation und Laden von Daten aus verschiedenen Quellen, einschließlich strukturierter und unstrukturierter Daten, in ein analytisches DWH bzw. Big-Data-Cluster mit Python, Pandas, Polars, Power BI, Django-Backend und PostgreSQL.
• Einrichtung eines neuen DevOps-Test- und QA-HashiCorp-Vault-Clusters für PKI und IAM.
• Konfiguration und Test automatisierter Patches basierend auf CVSS-Bewertungen und SIEM-integrierten CVEs.
• Einsatz von Nexpose und InsightVM zum Scannen von Schwachstellen in Netzwerken, Hosts, Containern und Anwendungen.
• Planung und Umsetzung sicherer und skalierbarer AWS-Architekturen einschließlich VPC, EC2, S3, RDS und Route53 sowie ähnlicher Umgebungen auf Azure und GCP.
• Automatisierte Systembereitstellung und -deployment mit CloudFormation-Vorlagen.
• Konfiguration von IAM-Rollen, Richtlinien und Berechtigungen zur Gewährleistung einer sicheren Zugriffskontrolle.
• Patch-Management, Backup-Automatisierung und Einrichtung der Notfallwiederherstellung in der AWS-Infrastruktur.
• Überwachung und Optimierung der Systemleistung mit AWS CloudWatch und AWS Trusted Advisor.
• Unterstützung von VMware-Diensten (vSphere, Aria, Horizon) und der virtuellen Desktop-Umgebung.
• Entwicklung und Wartung von CI/CD-Pipelines mit Jenkins, GitLab CI/CD und AWS CodePipeline mit Schnittstelle zu Nutanix.
• Konfiguration von AWS CloudWatch zur Überwachung der Anwendungsleistung und Systemereignisse.
• Planung und Durchführung der Migration von On-Premises-Anwendungen zu AWS-Cloud-Plattformen.
• Bereitstellung containerisierter Anwendungen mit Docker und Kubernetes in AWS-Umgebungen.
• Bereitstellung interner Softwarepakete zwischen Verfügbarkeitszonen mit AWS CodeDeploy.
• Erstellen und Bereitstellen von ML-Modellen mit Scikit-Learn, XGBoost und Spark MLlib einschließlich Hyperparameter-Tuning, Modellevaluation und Produktivsetzung.

• Entwicklung einer zentralen Abrechnungs-App für Cloud-Kosten bei der DB
• AWS
• Python
• AWS CDK
• RDS
• Spark (PySpark)
• Glue
• Lambda
• CI/CD (GitLab)
• React/Typescript
• Datenoptimierung
• Scrum

• Projektleitung
• Aufbau internes IAM-Team
• Okta
• Projektleitung
• IAM-Prozesse

• Unterstützung bei Implementierung und Betrieb eines Portals, das online und offline in Fahrzeugen mit direktem Kundenkontakt genutzt wird
• Automatisierung durch Einführung von CI/CD-Pipelines
• Befähigung und methodische Beratung bei der Einführung von Best Practices im Software Engineering
• Systemumgebung: NestJS, NodeJS, NPM, AWS, Docker, Docker Swarm, GitLab CI, WhiteSource, PostgreSQL, Prometheus, Grafana, OpenSearch, REST-API