Apache Iceberg Experten in Deutschland
, schnell vermittelt mit geprüften und verfügbaren FreelancernBeauftragen Sie Experten, die offene Tabellenformate entwickeln, Schema-Evolution verwalten und Lakehouse-Workloads über Spark, Trino und Cloud-Speicher optimieren. FRATCH findet schnell eine passende Person aus geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in Deutschland kennen, die kürzlich Apache Iceberg eingesetzt haben
Benito E.
Letzte Position:
Cloud DevOps Engineer und Cloud Architekt bei Energieversorgungsunternehmen (anonymisiert, NDA)
- Konzeption und Aufbau einer vollständig abgeschotteten AWS-Offline-Umgebung ohne ausgehenden Internetpfad für den Betrieb einer browserbasierten Fachanwendung
- Entwurf und Implementierung eines Proxy- und Antwortdienstes, der sämtliche externen Aufrufe der Anwendung innerhalb der VPC terminiert und aus lokal vorgehaltenen Inhalten bedient; Ermittlung des tatsächlichen Kommunikationsbedarfs messbasiert über DNS-Query-Logging
- Erstellung von Architekturdesigns und Entscheidungsvorlagen inklusive Variantenvergleich (Application Load Balancer mit Lambda und S3, Reverse Proxy auf EC2, privates API Gateway) mit Bewertung nach Betriebsaufwand, Kosten und Verfügbarkeit
- Übertragung der bislang ausschließlich für Azure vorliegenden Lösungs- und Betriebsdokumentation auf eine AWS-Zielarchitektur inklusive Neuzuordnung sämtlicher Dienste und Betriebsabläufe
- Automatisierter Rollout als Infrastructure as Code (Terraform, CloudFormation) mit CI-Deployment über GitHub Actions sowie Aufbau privater DNS-Zonen und einer eigenen Zertifikatskette für den Betrieb ohne Internetanbindung
- Erstellung der Architektur-, Deployment- und Betriebsdokumentation und Übergabe an den Kunden
- Aufbau einer privaten Cloud-Plattform auf OpenStack beim Provider TelemaxX mit Terraform, inklusive FortiGate-HA-Clustern, FortiManager und Kubernetes
- Einführung von Policy as Code (Open Policy Agent, Conftest) sowie Entwicklung von MCP-Servern (Model Context Protocol) zur Anbindung von KI-Assistenten an Betriebs- und Projektwerkzeuge
Erfolge:
- Fachanwendung erstmals vollständig ohne Internetanbindung betriebsfähig gemacht; die Ursache des Ladefehlers wurde durch systematische Eingrenzung auf fehlende CORS-Header zurückgeführt, nachdem die naheliegende Zertifikatsspur widerlegt war
- Bestehendes Azure-Konzept vollständig auf AWS übertragen und die zuvor manuell erstellte Umgebung durch einen reproduzierbaren, CI-gestützten Rollout abgelöst
Technologie Stack: AWS (VPC, Application Load Balancer, Lambda, S3, Route 53 Private Hosted Zones und Resolver Query Logging, IAM, CloudWatch, EC2, CloudFormation), Infrastructure as Code (Terraform, CloudFormation, Remote State), CI/CD (GitHub Actions mit OIDC, Azure DevOps Pipelines), OpenStack, FortiGate, FortiManager, Kubernetes, Policy as Code (Open Policy Agent, Conftest), Offline- und Air-Gap-Architekturen, PKI & Zertifikate (interne CA, TLS, CRL/OCSP), DNS, Netzwerksegmentierung, Linux, Windows Server, Python, Bash, PowerShell, YAML, JSON, Architekturdesign & Entscheidungsvorlagen, Dokumentation (Confluence, Markdown), Generative & Agentic AI (Model Context Protocol, Agentic AI Coding Tools)
Daniel S.
Letzte Position:
Senior Softwareentwickler bei energielenker solutions GmbH
- Konzeption und Implementierung einer Python-basierten ETL-Pipeline mit dem Dagster-Framework für die Transformation von Energierohdaten aus heterogenen Quellen mit InfluxDB und Visualisierungen in Grafana
- Definition von zeitlich gesteuerten und abhängigkeitsbasierten Jobs
- Bereitstellung auf einem verwalteten Kubernetes-Cluster mit Helm
- Anbindung von InfluxDB Cloud
- Aufbereitung von Daten für Nutzung in Grafana inkl. Säuberung und Normalisierung plus zeitliches Resampling in Python
- Entwicklung von Dashboards und Visualisierungen in Grafana
- Entwicklung von Unit-Tests inkl. Mocking mit pytest
- Aufbau von CI/CD-Pipeline in GitLab
Technologien: Python, Dagster, InfluxDB, Grafana, pandas, pytest, REST, CI/CD, GitLab, Container, Kubernetes, Helm, Docker, Cloud
Louis G.
Letzte Position:
Freiberuflicher Solutions Architect und Machine Learning Engineer bei Self-employed
- Entwickle und präsentiere Lösungen mit GenAI-Software wie langchain, vercel ai sdk, copilotkit
- Arbeite mit Kunden zusammen, um ihre Herausforderungen zu verstehen und die besten Lösungen auf Basis von Open-Source-Datenprodukten zu liefern
- Baue RAG- und GraphRAG-Lösungen mit Neo4j, lancedb und Postgres
- Setze eine LLMOps-Plattform mit kubernetes, terraform, helmfile, Arize phoenix, mlflow auf
- Entwerfe und baue Datenpipelines mit dbt, Trino, Spark, Iceberg, Airflow, ArgoCD, terraform, kubernetes
- Lieferte eine nutzerzentrierte technische Strategie für Agriculture 4.0 und Precision Livestock Farming und half meinem Kunden, Fördermittel von Bpifrance zu sichern
- Entwickelte ein Prospecting-Tool für einen führenden französischen Solar-Carport-Installateur mit Geospatial Computing (GIS), wodurch der Vertriebsprozess schneller wurde
- Baute eine Digital-Twin-Architektur für Solar-Carports und EV-Ladestationen, die Echtzeit-Monitoring und intelligentes Laden möglich machte
Jürgen F.
Letzte Position:
AR/VR/XR-Architekt bei Deutsche Telekom
- Definition einer generischen, universellen Systemplattform für XR (AR, VR)-Anwendungsfälle im Rahmen der europäischen IPCEI-Initiative
- Bewertung der verfügbaren Optionen für Backend-, Streaming- und Client-Implementierungen
- Entwicklung von PoC-Implementierungen und technische Bewertung potenzieller Komponenten
- Leitung des Entwicklungsteams und Definition der Ziel-Architektur für eine vollständige End-to-End-Lösung
- Entwurf und Integration von GenAI-PoCs (LLM, Zeitreihen, Vorhersagen, Agents)
- Erforschung von NeRFs und Gaussian Splatting für XR-Content-Erstellung und Analyse von Methoden zur Messung und Reduzierung von Systemlatenzen
- Arbeit an GPU-Scheduling, CUDA und verwandten Themen
- Definition und Implementierung von Backoffice- und Endnutzer-Dashboards mit Grafana und Superset
- Einsatz von Jaeger Tracing zur Analyse spezifischer Ereignisse
- Definition einer GenAI-basierten automatischen Alarmfunktion für bestimmte Ereignisse und Ereigniscluster mit KPI-Werten
- Integration von AR/VR/XR-IoT-Geräten
- Zusammenarbeit mit Business-Development- und UX-Teams in einem parallelen Design-Thinking-Prozess zur Abstimmung technischer und Customer-Journey-Anforderungen
- Integration der neuen Services und Plattform in bestehende Telko-Umgebungen und Analyse von Tools wie Camara für Teilintegrationen und Handover-Szenarien
Philipp B.
Letzte Position:
Dozent bei Spark Rockstars Academy
- Entwickler individuell im Live-Coaching unterstützen, um Pro-Level Apache-Spark-Engineers auszubilden
- Mehrtägige, zugeschnittene Apache-Spark-Workshops für Entwicklungsteams organisieren und durchführen
- Technische Lerninhalte auf einem selbstgehosteten Blog, YouTube und in sozialen Medien erstellen
Pappu P.
Letzte Position:
Senior Cloud-Berater (AWS-Dienste und Beratung) bei devoteam GmbH
- Entwickelte automatisierte ETL-Pipelines mit AWS Glue und Athena zur Sicherstellung konsistenter Datenqualität und Governance-Anforderungen
- Implementierte Maßnahmen zur Validierung, Anonymisierung und Verschlüsselung von Daten im Einklang mit DSGVO
- Optimierte Cloud-Kosten durch Einführung von FinOps-Verfahren und erhöhte die Transparenz für Fachbereiche
- Überwachte Performance, führte Ursachenanalysen durch und stellte die Einhaltung von SLAs sicher
- Unterstützte Daten- und Lösungsarchitekten beim Aufbau tragfähiger Datenmodelle für ML- und Analytics-Szenarien
Max R.
Letzte Position:
Cloud (AWS) | KI | DevOps | Daten bei Boehringer Ingelheim
- Konzipierte und implementierte eine Enterprise-KI-Agentenplattform auf Basis einer Retrieval Augmented Generation (RAG)-Architektur, um Einblicke in klinische Daten zu verbessern.
- Errichtete robuste CI/CD-Pipelines für LLM-Anwendungen mit CDK und Jenkins und verkürzte dadurch die Bereitstellungszeiten deutlich.
- Führte umfassende Observability-Lösungen ein, die die Zuverlässigkeit der Agenten in pharmazeutischen Umgebungen steigerten.
- Entwickelte skalierbare KI-Workflows mit fortschrittlicher Orchestrierung, die das Kontextmanagement für Unternehmensdatenquellen optimierten.
- Technologien: KI-Agenten (LangChain, LangGraph, Bedrock, Smolagents, Streamlit); LLM-Betrieb (Tracing, Testing, Evaluation, LangSmith, LangFuse); Infrastructure-as-Code (AWS CDK, Terraform, Typescript, Jenkins); Vektoren, Einbettungen, RAG (OpenSearch, pgvector, PDF-Extraktion)
Michal B.
Letzte Position:
Senior Golang-Entwickler bei STACKIT / Schwarz Gruppe
- Verantwortlich für Softwareentwicklung und DevOps in der Data & AI Platform – Intake- und PubSub-Projekten bei STACKIT, dem Cloud-Anbieter der Schwarz Gruppe.
- Technologien: Golang, Kubernetes, Kubernetes Operatoren, OpenAPI v3, REST-API, Azure DevOps, CI/CD, k6, Kafka, Strimzi, Apache Iceberg, RBAC, IAM, Terraform, Helm, Infrastrukturautomatisierung, Lastverteilung, Traefik, ArgoCD, kuttl, Kyverno Chainsaw, Kustomize, Velero, Prometheus, Grafana, Checkly / Playwright (TypeScript), NATS/Jetstream, WebSockets, gRPC, SSE
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Apache Iceberg einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
15 Jahre
Positionsdauer
1,3 Jahre
Positionen pro Freelancer
17
Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Produktentwicklung
Häufigste Branchen
Informationstechnologie (IT), Telekommunikation, Energie
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Betrieb
Bachelor-Abschluss oder höher
100%
Master-Abschluss oder höher
71%
Zertifizierungen pro Freelancer
4
Häufigste Sprachen
Deutsch, Englisch, Spanisch
Sprechen zwei oder mehr Sprachen
100%
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Deutschland verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen.
Durchschnittssätze von Experten in Deutschland, die Apache Iceberg einsetzen
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
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 Sep 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Apache Iceberg Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (100%)
- Telekommunikation (75%)
- Energie (63%)
- Bank- und Finanzwesen (63%)
- Medien, Unterhaltung und Druck (63%)
- Automotive (38%)
- Fertigung (38%)
- Professionelle Dienstleistungen (38%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Offenes Tabellenformat
Apache Iceberg ist ein offenes Tabellenformat für große analytische Datensätze, die in Objektspeichern oder verteilten Dateisystemen gespeichert werden. Es ergänzt Data Lakes um zuverlässige Tabellenmetadaten, Transaktionen, Snapshots und Schema-Evolution. Teams nutzen es, damit sich Data-Lake-Tabellen stärker wie verwaltete Datenbanktabellen verhalten und der Speicher dennoch offen und flexibel bleibt.
Lakehouse-Workloads
Iceberg unterstützt Batch-Analysen, Streaming-Aufnahme und inkrementelle Verarbeitung über Formate wie Parquet, Avro und ORC. Es wird für Kundenanalysen, Reporting, Machine-Learning-Daten und operative Datenprodukte eingesetzt. Snapshot-Isolation und Time Travel helfen Teams dabei, Tabellenänderungen zu prüfen, zu reproduzieren und sicher zurückzusetzen.
Ökosystem und Tools
Apache Iceberg funktioniert mit wichtigen Verarbeitungs-Engines und Katalogdiensten, statt ein Unternehmen an ein einzelnes Abfragesystem zu binden. Gute Spezialisten verbinden es typischerweise mit Spark, Trino, Flink, Hive, Presto oder Impala sowie mit Katalogen wie AWS Glue, Nessie, JDBC und REST. Sie verstehen außerdem Objektspeicher, Orchestrierung und Kontrollen für die Datenqualität.
- Tabellenlayouts, Partitionierungsstrategien und Sortierreihenfolgen definieren
- Kataloge, Namespaces und Zugriffsmuster konfigurieren
- Batch- und Streaming-Pipelines integrieren
- Kompaktierung, Snapshots und die Pflege von Metadaten verwalten
Wann Fachwissen wichtig ist
Unternehmen holen sich häufig freiberufliche Iceberg-Expertise ins Haus, wenn ein Data Lake schwer zu verwalten ist, Workloads zuverlässige gleichzeitige Schreibvorgänge benötigen oder mehrere Abfrage-Engines dieselben Tabellen nutzen müssen. Spezialisten können Migrationen von Hive-Tabellen oder proprietären Lakehouse-Formaten begleiten, Betriebsstandards etablieren und Teams in Deutschland bei der remote oder vor Ort erfolgenden Zusammenarbeit unterstützen.
Umsetzung und Betrieb
Ein kompetenter Experte verwandelt ein Konzept in wartbare Pipelines und dokumentierte Betriebsabläufe. Typische Ergebnisse sind Migrationspläne, Katalogkonfigurationen, Jobs zur Datenaufnahme, Tabellenspezifikationen, Aufbewahrungsrichtlinien und Monitoring. Sie bewerten die Weiterentwicklung von Partitionen, den Umgang mit kleinen Dateien, das Wachstum von Manifesten, den Ablauf von Snapshots und die Auswirkungen des Verhaltens von Objektspeichern auf die Performance.
Woran man gute Arbeit erkennt
Qualitativ gute Arbeit mit Iceberg verbindet Datenmodellierung, Wissen über verteilte Systeme und sorgfältige Entscheidungen im Betrieb. Achten Sie eher auf Erfahrung mit Fehlerwiederherstellung, gleichzeitigen Schreibern, Schemakompatibilität, Sicherheitsgrenzen und Abfrageplanung als nur auf Kenntnisse der Konfiguration. Der richtige Spezialist erklärt Abwägungen klar und validiert Ergebnisse mit realistischen Workloads, Datenherkunft und Prüfungen der Datenqualität.
Häufig gestellte Fragen
Schnelle Antworten auf die Fragen, die rund um Apache Iceberg am häufigsten aufkommen.
Apache Iceberg wird zur Verwaltung großer analytischer Tabellen in Data Lakes und Lakehouse-Umgebungen eingesetzt. Es unterstützt zuverlässige Aktualisierungen, Schemaänderungen, die Weiterentwicklung von Partitionen, Time Travel und gleichzeitigen Zugriff über Engines wie Spark, Flink und Trino.
Apache Iceberg ist ein offenes Tabellenformat, das für die Interoperabilität mit vielen Engines und Katalogen entwickelt wurde. Delta Lake und Apache Hudi bieten ähnliche Funktionen zur Tabellenverwaltung. Die richtige Wahl hängt daher von den vorhandenen Engines, Governance-Anforderungen, Schreibmustern, der Katalogstrategie und den Anforderungen an Offenheit ab.
Ein guter Apache Iceberg-Spezialist versteht normalerweise Spark, Flink, Trino oder eine andere Abfrage-Engine sowie Parquet, Objektspeicher, SQL und Datenorchestrierung. Auch Kataloge, Streaming-Design, Zugriffskontrolle, Observability und Verfahren zur Datenqualität sind wertvoll.
Die erforderliche Tiefe hängt von der Aufgabe ab. Eine Migration oder ein Redesign für den Produktivbetrieb erfordert praktische Erfahrung mit Katalogen, Snapshots, Partitionierung, Kompaktierung und Wiederherstellung. Für eine begrenzte Integration kann dagegen ein Experte mit weniger Iceberg-Erfahrung und starken Grundlagen im Bereich Datenplattformen geeignet sein.
Projekte mit Apache Iceberg können in der Regel remote umgesetzt werden, wenn Repositories, Umgebungen und Dokumentation zugänglich sind. Workshops vor Ort können bei Architekturentscheidungen oder der Abstimmung mit Stakeholdern helfen. Die Deutsch- oder Englischkenntnisse sollten zum Projektteam und dessen Dokumentation passen.
Beauftragen Sie einen Apache Iceberg-Freelancer, wenn ein Data Lake zuverlässige Tabellentransaktionen, gemeinsamen Zugriff über mehrere Engines, eine Migration von einem anderen Format oder eine bessere Kontrolle über Metadaten und Speicher benötigt. Externe Expertise ist auch hilfreich, bevor aus einem Pilotprojekt eine produktive Plattform wird.
Fragen Sie, wie der Experte mit Schemaänderungen, der Weiterentwicklung von Partitionen, gleichzeitigen Schreibvorgängen, der Aufbewahrung von Snapshots, kleinen Dateien und fehlgeschlagenen Jobs umgeht. Gute Apache Iceberg-Arbeit umfasst ein klares Tabellen- und Katalogdesign, wiederholbare Tests, eine Betriebsdokumentation und Nachweise aus realistischen Workloads.
Ein Apache Iceberg-Projekt sollte zunächst sein Speicherlayout, den Katalog, die Verarbeitungs-Engines, das Verantwortungsmodell und die Aufbewahrungsregeln festlegen. Teams sollten sich außerdem auf Schreibmuster, Prüfungen der Datenqualität, Sicherheitsanforderungen, Wiederherstellungsverfahren und den Prozess zur Prüfung von Tabellenänderungen einigen.
Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, liegt bei 106 €, was einem Tagessatz von etwa 845 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss und 71% mindestens einen Master-Abschluss.
Freelancer in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 15 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,3 Jahre.
Die häufigsten Sprachen unter Freelancern in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Spanisch (38%).
Die häufigsten Industrien unter Freelancern in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Telekommunikation (75%) und Energie (63%).
Die häufigsten Bereiche unter Freelancern in Deutschland, die Apache Iceberg in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (88%) und Produktentwicklung (88%).
Hauptstandorte der FRATCH Experten, die kürzlich Apache Iceberg eingesetzt haben
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Berlin Hamburg München Köln Frankfurt Stuttgart Düsseldorf Leipzig Dortmund Essen Bremen Dresden Hannover Nürnberg Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!
Philipp Thomaschewski
FRATCH CEO
