AWS CDK Experten in Deutschland

Ich habe eine KI-gestützte Multi-Tenant-Plattform auf Azure entworfen und entwickelt, die SAP-Prozessaufzeichnungen in technische Dokumentation, Präsentationen und automatisierte Tests umwandelt und dabei über 15.000 Prozessaufzeichnungen für Unternehmenskunden wie Würth verarbeitet. Ich war verantwortlich für die Architektur, die produktiven Releases und das DevOps-Setup. Außerdem habe ich ein Multi-Tenant-System mit SSO und rollenbasierter Zugriffskontrolle auf Azure entworfen. MCP Server mit dynamischer OAuth-Authentifizierung implementiert.

Hauptaufgaben:

• Sprint-Planung und Feature-Vorbereitung
• Design der Multi-Tenant-Plattform-Architektur (FastAPI, SQLAlchemy, PostgreSQL Row-Level Security für Tenant-Isolation)
• Entwicklung von KI-Pipelines mit Prefect für Transkription (Azure Speech API), Dokumentengenerierung und SAP-Screen-Recording-Analyse (Claude, gpt-4-mini)
• Design und Implementierung eines MCP-Servers, um Tenant-Wissen für LLM-Clients (Claude) bereitzustellen, mit asynchronem Retrieval und Reranking
• Implementierung von LLM-Kosten-Tracking, Rate Limiting und Client-Pooling für Anthropic/OpenAI/Azure-OpenAI-Endpunkte
• Einrichtung von CI/CD: Docker-Images in Azure Container Registry, GitHub Actions, Azure Static Web Apps, Alembic-Migrationen in Containern
• Verwaltung von Produktions-Deployments und Durchführung von Live-Datenmigrationen für Unternehmenskunden
• Definition von Engineering-Standards und Architekturmustern für das Team

Umgebung: Azure / Azure Foundry / Python / FastAPI / Prefect / React / PostgreSQL

• Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer).
• Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint-Deployment.
• Integration von MLflow für Experiment-Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung in der Azure Model Registry.
• Entwicklung und Containerisierung von PyTorch-Trainingsjobs (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0.
• Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung.
• Automatisierung der Infrastruktur-Bereitstellung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines.
• Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke.
• Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports.
• Analyse, Architektur einer Softwarelösung zur effizienten Verarbeitung von Massendaten (>3000 Nachrichten/Sek.) (Market Data Store).
• Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung und Weiterleitung von Nachrichten an Read-Model-Queues, Aufbau von Read Models für die UI-Anzeige in MongoDB.
• Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB.
• Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege.
• Agentic Coding mit remote und local LLM (Claude Sonnet, Ollama Qwen) und MCP-Servern.
• Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn).

• Mobile Spiele für iOS und Android eigenständig entworfen, entwickelt, veröffentlicht und gewartet.
• Anwendungsarchitektur, Gameplay-Systeme, UI, Monetarisierung, Analytics und Plattform-Integrationen umgesetzt.
• Den kompletten Release-Lifecycle betreut, einschließlich Tests, Store-Veröffentlichung, Produktions-Monitoring und iterativer Verbesserungen auf Basis von Analytics.

traigo ist die digitale Bahnlogistik- und Flottenmanagement-Plattform von VTG. Sie verarbeitet große Mengen an Telemetrie-, Kilometer-, Geofence-, Sensor- und Wagenbewegungs-Ereignissen nahezu in Echtzeit und bietet operative Services für Kunden aus der Bahnlogistik in ganz Europa.

Als Teil des Teams Customer Selfcare habe ich an der Konzeption, Implementierung, Optimierung und dem Betrieb von Backend-Services im großen Maßstab und eventgetriebenen Verarbeitungspipelines gearbeitet — sowohl bei der Feature-Entwicklung als auch mit operativer Verantwortung für geschäftskritische Produktionssysteme. Außerdem war ich regelmäßig erster Ansprechpartner bei Produktionsvorfällen, Dateninkonsistenzen und Performance-Analysen über mehrere verteilte Services hinweg.

• Konzeption und Implementierung eventgetriebener Backend-Services.
• Migration und Ersatz von Legacy-Verarbeitungspipelines.
• Entwicklung von Replay- / Rebuild-Mechanismen für große Event-Datensätze.
• Asynchrone Eventverarbeitung mit hohem Durchsatz auf SNS / SQS.
• Datenbank- und Query-Optimierung für PostgreSQL und DynamoDB.
• Konzeption skalierbarer Read-/Write-Modelle und Aggregationspipelines.
• Fehlersuche in der Produktion und operativer Support.
• Performance-Tuning und Skalierung der Infrastruktur.
• Konzeption und Stabilisierung von Integrations- und Systemtests.
• Technische Konzepte, Architekturdokumentation und Zusammenarbeit über Teams hinweg.
• Unterstützung bei der Weiterentwicklung bestehender GitLab CI/CD-Pipelines

Geofence- & Wagon-Stay-Verarbeitung

• Algorithmus zur Erkennung von Fahrzeugen innerhalb von Geofences (Eintritt, Austritt, Verweildauer).
• Event Sourcing mit garantierter chronologischer Reihenfolge innerhalb des betroffenen Zeitfensters.
• Überarbeitete Geofence-Event- und Wagon-Stay-Verarbeitungslogik für bessere Performance.
• Behebung von Race Conditions und Event-Reihenfolgeproblemen in verteilten Services; serverseitiges Filtern, Aggregieren und optimierte Query-Pipelines.
• Reparatur- und Replay-Tools für beschädigte oder inkonsistente Bewegungsdaten.

Flotten-Metadaten & Kilometerleistung

• Modernisierung des Services; Migration des Speichers von DynamoDB zu PostgreSQL, um die Nachvollziehbarkeit zu verbessern und neue Features schneller umzusetzen.
• Skalierbare Aggregations- und Replay-Mechanismen für Kilometerdaten.
• Read-/Write-Modelle und optimierte Queries für Berechnungen mit hohem Datenvolumen.

Sensor- & Telematik-Integration

• Integration von Telemetrie- und Sensorverarbeitungspipelines.
• Snapshot- und Zustandsberechnungslogik für Sensorsysteme.
• APIs und Persistenzmodelle für Wagonsensordaten; Verbesserungen der Datenqualität.
• Weiterentwicklung eines Services mit gRPC für die Kommunikation zwischen Services.

Verarbeitung von Bewegungssegmenten & Routing

• Migration von Services auf neue Event-Streams für Bewegungssegmente.
• Entwicklung von Replay- und Rebuild-Tools für Segmentkorrekturen.
• Optimierung von Durchsatz und Zuverlässigkeit für Eventverarbeitung mit hohem Volumen.

Zustandsüberwachung & Wagon-Analysen

• APIs und Backend-Services für die Zustandsüberwachung von Wagen.
• Verarbeitung zur Vorhersage von Bremsverschleiß und Funktionen für Wagon-Analysen.
• PostgreSQL-Views und optimierte Query-Modelle für operative Dashboards.

Operative Zuverlässigkeit - First Responder

• Analyse von Produktionsvorfällen und Ausfällen verteilter Systeme; DLQ-Analyse, Replay und operative Wiederherstellung.
• Tuning der Datenbankleistung und AWS-Infrastruktur unter Produktionslast.
• Verbesserte Observability, Monitoring und operative Tools.
• Unterstützung von Rollout-Strategien, Monitoring und Stabilisierung nach Deployments.

• Entwicklung neuer Features und Erweiterung bestehender Funktionen für eine Plattform zur Wohnungsverwaltung, die Vermietern und Mietern gleichermaßen zugutekommt
• Technologien: Node.js, TypeScript, React.js, Next.js, PostgreSQL, Google Cloud, Docker, Kubernetes

• Aufbau einer eigenständigen Unternehmens-IT — Cloud-Strategie, Netzwerk, AWS Landing Zone, Sicherheitsanforderungen, Vertragsverhandlungen.
• Migration aller Anwendungen; Vermeidung hoher Vertragsstrafen für den Kunden.
• Onboarding und Steuerung inte...

• Unterstützung beim Entwurf der AWS-Infrastruktur, integrierter Dienste und der Backend-Architektur für Use Cases einer On-Premise-Lösung und teilweiser Migrationen zu AWS mit schnellen Reaktionszeiten
• Implementierung automatisierter AWS-Integrationstest-Suiten
• Umsetzung von geschäftskritischen Komponenten und Lieferung vor Fristtermin in produktionsreifer Form mit Betriebs- und Überwachungskonzepten
• Dieses zweimonatige Teilprojekt drehte sich um den Aufbau einer datenintensiven Pipeline (5 TB), die kontinuierlich mit Daten angereichert wird
• Entwurf und Implementierung wiederverwendbarer AWS-CDK-Komponenten für Teams im Unternehmen, um ein schnelleres Onboarding in AWS zu ermöglichen
• Coaching zu AWS-Themen, verteilten Softwaremustern, Sicherheit, Domain-Driven Design, agiler Zusammenarbeit und Dokumentation zur Verbesserung von Performance und Zusammenarbeit
• Technologien: AWS, GitHub Actions, ETL, Monitoring, Betrieb, TypeScript, Python, AWS CDK, CloudFormation, Java, Docker, AWS ECS, AWS Lambda, Serverless, Jenkins, DevOps-Prinzipien

• Bootstrapping eines CloudOps-Teams und Aufbau eines Multi-Cloud Provider-Backends für eine Low-Code Internal Developer Platform (IDP) mit env zero

• Einführung von User Story Mapping, ADRs, Meilensteinen und Backlog-Management

• Konzeption und Entwicklung der Kern-APIs, Setup von CI/CD-Pipelines, OpenTofu/Terraform-Skripte

• Vertretung und Kommunikation des Teams bei Third-Party Stakeholdern (z. B. env zero)

• (Cross-)Team-Coaching zu DevOps, Softwaredesign, Terraform, Golang und Agilen Methoden

• ETL-Services für den ereignisgesteuerten Datenaustausch zwischen Unternehmenssystemen auf einem Kafka-Streaming-Backbone entworfen.
• CI/CD-Pipelines für Azure AKS-Deployments optimiert und Monitoring sowie Alerting in OpenSearch für eine proaktive Erkennung von Vorfällen verbessert.

Tech: Java / Kotlin, Quarkus, Kafka / Avro, Azure / AKS, Azure Storage Container, ArgoCD, GitLab CI, OpenSearch, Terraform

• Aufbau eines skalierbaren Multi-Region-Backend-Services in AWS, um Remote-Desktop-VMs für wissenschaftliche Analysen bereitzustellen
• Technologie-Stack: AWS, GitHub, Terraform, Python, Rust
• Aufbau und Definition der Kerninfrastruktur des Backend-Systems
• Definition und Implementierung der VM-Provisionierung für Ubuntu- und Rocky-Linux-Desktop-Umgebungen
• Programmierung des API-Services in ECS zur Verwaltung von virtuellen Maschinen und zum Erstellen maßgeschneiderter Docker-Images für Benutzer

• 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)

• Entwicklung einer Microservice-Anwendung zur Berechnung von Buchungen auf Konten

• Entwicklung von Backend-Komponenten mit Java bzw. JEE, Quarkus, Kafka, REST-API

• Entwicklung der Testkomponente mit Mocking-Frameworks (Mockito)

• Entwicklung von Integrationstest-Komponenten

• Erstellung von OpenAPI-Spezifikationen

• Konfiguration von CI/CD-Pipelines

• Entwicklung von Frontend-Komponenten mit React

• Konzeption, Weiterentwicklung und Optimierung von Systemstrukturen

• Durchführung von Code-Reviews

• Java Corretto 21, JEE, Quarkus, Golang

• Reaktive Programmierung mit Spring WebFlux, Project Reactor

• Git, Azure DevOps für CI/CD-Pipelines, YAML, JSON, Swagger UI, Postman, REST OpenAPI, Kafka Streams, Kafka Connect, Log4J

• Microservices, Jira, Confluence, MySQL, Docker, Kubernetes (Deployment über Helm Charts)

• Spring Security, OAuth 2, JWT, SonarQube

• IntelliJ, Maven, Logging-Framework Splunk, agile Methode Scrum, Nexus, Vaadin V24, Build-Tool Vite

• React, React.js, Node.js, JavaScript, Tailwind CSS, agile Methode Scrum, Barrierefreiheit BITV, Playwright

• Erstellte eine API zum Import, zur Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, wodurch eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard möglich wurde
• Setzte die API in AWS Lightsail Container-Services ein, automatisierte CI/CD mit GitHub Actions und sicherte die Stabilität durch pytest Unit- und Integrationstests
• Entwarf und entwickelte einen umfassenden Online-Kurs zur Datenanalyse mit ChatGPT für Fachleute und Lernende und erstellte dazu Lehrvideos und interaktive Jupyter-Notebooks
• Setzte OBS und professionelle Audioausrüstung ein, um Video- und Audiomaterial in hoher Qualität zu gewährleisten
• Leitete ein CRM-Daten-Normalisierungs- und Bereinigungsprojekt, das über ein Sankey-Diagramm visualisiert wurde, um das Kundenverständnis und die Pipeline-Entwicklung zu unterstützen
• Implementierte und validierte eine genAI-gesteuerte Web-Crawling-Strategie auf AWS und stellte Datenqualität, Skalierbarkeit und CRM-Datenanreicherung sicher