Zum Hauptinhalt springen
🇩🇪DSGVO konform
Zuverlässige Cloud-Infrastruktur aufbauen mit

AWS CDK Experten in München

, die in wenigen Minuten von KI vermittelt werden

Beauftragen Sie Experten, die AWS-Infrastruktur in TypeScript, Python oder Java definieren, wiederverwendbare Konstrukte erstellen und Multi-Account-Bereitstellungen mit AWS CDK automatisieren. FRATCH bringt Sie durch schnelle, präzise Vermittlung mit geprüften, verfügbaren Freelancern zusammen.

Lerne FRATCH Experten in München kennen, die kürzlich AWS CDK eingesetzt haben

Verifizierter Experte

Thomas H.

Profil ansehen

Senior MLOps, DevOps und FullStack Engineer

Munich
Thomas H.

Letzte Position:

Senior MLOps, DevOps und FullStack Engineer bei Trianel Energy

  • 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 Ressourcenbereitstellung (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 im Azure Model Registry
  • Entwicklung und Containerisierung von PyTorch-Trainingsjobs mit CUDA (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
  • Einrichtung von Security (OAuth2) und Rate Limiting über APIM
  • Automatisierung der Infrastruktur-Provisionierung 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 und Architektur einer Softwarelösung, um effizient Massendaten (>3000 Nachrichten/Sek.) zu verarbeiten (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, Forwarding von Nachrichten an Read-Model Queues und Aufbau von Read Models für UI-Anzeige in MongoDB
  • Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB
  • Migration von MongoDB ClickHouse für Masseningests und automatische Deduplizierung mit ReplicatedMergeTree Engine in ClickHouse
  • Aufbau eines Python Apache Arrow Flight Service zur Abfrage der ClickHouse-DB in Millisekunden für komplexe Abfragen (gRPC-Protokoll / ClickHouse Column-Based Queries)
  • Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege
  • Agentic Coding mit remote und local LLM (Claude, Ollama Qwen, OpenLLM) und MCP-Servern
  • Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn)
Verifizierter Experte

Alexandru G.

Profil ansehen

Leiter Cloud-Infrastruktur

Munich
Alexandru G.

Letzte Position:

Principal Cloud DevOps Architect bei BP

In meiner Rolle als Senior Cloud DevOps Architect bei BP, einem Öl- und Gasunternehmen, hatte ich die Aufgabe, die Plattform für das Laden von Elektrofahrzeugen der EV Division von On-Premises und Azure in die AWS-Cloud zu migrieren, was zu einer hybriden Multi-Cloud-, Multi-Tenant-SaaS-Lösung führte.

Der Einsatz von Kubernetes für die Anwendungsebene bedeutete die Bereitstellung von Kubernetes-Clusters, die von EKS und AKS verwaltet wurden, mit Fokus auf die Integration in eine Multi-Tenant-Umgebung. Diese Integration wurde durch den Einsatz von Kubernetes-Namespace und Zugriffskontrollen erreicht, um Datenisolation und Datenschutz sicherzustellen.

Auf der Datenbankebene entschieden wir uns für eine RDS-Instanz mit PostgreSQL zur Unterstützung der Backend-Infrastruktur unserer Anwendungen. Die Mandanten teilten sich dieselbe RDS-Instanz, hatten aber jeweils ein eigenes Schema.

Um nahezu in Echtzeit Daten von physischen Ladestationen (CPOs) als IoT-Geräte über das OCPI-Protokoll aufzunehmen, stießen wir bei der Batch-Verarbeitung auf erhebliche Verzögerungen. Daher entwickelten wir eine Streaming-Datenpipeline in Echtzeit mit Apache Kafka und setzten dabei auf eine eventgetriebene Architektur.

Ich leitete die Zusammenarbeit über mehrere interne Teams, externe Anbieter, Cloud-Provider und Partner vor Ort hinweg, um über fünf Systeme in eine einheitliche Lösung zu integrieren.

Erfolge:

  • Erfolgreich hybride Multi-Cloud-Lösungen entworfen und umgesetzt, die mehrere Cloud-Plattformen (AWS, Azure) mit On-Premises-Infrastruktur unter Einsatz von Site-to-Site-VPNs, Firewalls und Load Balancing integrierten.
  • Die Migration der On-Premises-Infrastruktur zu einer Multi-Cloud-, Multi-Tenant-Infrastruktur geleitet, was zu 30 % schnelleren Verarbeitungszeiten führte.
  • Workloads aus VMware- und Hyper-V-Umgebungen auf cloudbasierte VMs migriert und dabei Cloud-native Services genutzt, um Leistung, Kosteneffizienz und Skalierbarkeit zu optimieren.
  • Eine Multi-Tenant-Kubernetes-Plattform entworfen, die das Kubernetes-Ökosystem nutzt, mit Karpenter für die dynamische Bereitstellung von EC2-Nodes, KEDA für eventgesteuertes Pod-Autoscaling (z. B. Kafka-Message-Lag) und Rancher für das zentrale Monitoring mehrerer Cluster (EKS, AKS oder On-Prem K8s), als Ersatz für den Microsoft-zentrierten Azure-Arc-Management-Service.
  • Python-basierte FastAPI-Microservices als Teil des EV-Core-Backends auf der AWS-EKS-Anwendungsebene entworfen und umgesetzt, die Datenaufnahme- und Kundenanalyse-Pipelines antreiben.
  • Asynchrone, eventgetriebene APIs (Python-FastAPI) für die Echtzeit-Integration mit CPOs entwickelt, mit Unterstützung für OCPI 2.3 und OICP-Protokolle.
  • Eine sichere, produktionsreife Azure-Databricks-Plattform mit Terraform entworfen und umgesetzt und dabei Skalierbarkeit und Kosteneffizienz sichergestellt.
  • On-Premises-ERP auf eine hybride Dynamics-365-Architektur migriert, mit ERP lokal gehostet und CRM in Azure betrieben, integriert über Azure Arc.
  • CI/CD-Pipelines für Databricks-Notebooks und Jobs mit GitHub Actions und Databricks CLI automatisiert, wodurch die Bereitstellungszeit reduziert wurde. Die Bereitstellungszeit für Infrastruktur durch Automatisierung der Cloud-Ressourcenbereitstellung mit GitOps um 70 % reduziert.
  • Die Einhaltung interner Audit- und Data-Governance-Standards (GDPR) durch OAuth2/OIDC-basierte Authentifizierung und fein abgestufte rollenbasierte Zugriffskontrollen sichergestellt.
  • Ein Zero-Trust-Sicherheitsmodell entwickelt, das Least-Privilege-Zugriffe und Mikrosegmentierung durchsetzt und die Sicherheitslage sowie die Compliance mit GDPR und NIST verbessert.
  • Interaktive Analytics-Dashboards in Amazon QuickSight erstellt, die Daten aus S3 und Redshift integrieren, um Echtzeit-Business-Insights und Visualisierungen mit eingebettetem Zugriff für Multi-Tenant-Nutzer bereitzustellen.
  • Cloud-Sicherheitsbewertungen und eine Sicherheitsintegration über den gesamten Lebenszyklus während M&A geleitet, einschließlich AWS, Azure, IAM (Entra ID) und Datenschutz, und dabei die Sicherheitslage mit NIST, ISO 27001 und GDPR über hybride und cloud-native Umgebungen hinweg ausgerichtet.
  • Die Cloud-Kosten für eine Dev-Umgebung eines Kunden um 64 % gesenkt, indem automatisierte Start-/Stopp-Zeitpläne für EC2- und RDS-Instanzen über AWS CDK mit EventBridge Scheduler oder AWS Systems Manager implementiert wurden.

Tech-Stack:

  • Infrastructure as Code: Terraform, AWS CDK, Ansible.
  • Container: Kubernetes auf EKS, AKS, Docker.
  • Streaming-Datenverarbeitung: Kafka zu Confluent Cloud, nach AWS MSK.
  • Frontend: TypeScript, React, NextJS, Hooks, Styled Components.
  • Backend: Python mit FastAPI, außerdem Node.js mit NestJS.
  • Datenbank: Aurora auf PostgreSQL mit TypeORM, RDS auf SQL Server, vollständiges Setup und Administration von Azure Databricks, ETL-Pipelines.
  • CI/CD und GitOps: GitHub Actions, Azure DevOps, ArgoCD.
  • Monitoring und Observability: Prometheus und Grafana.
  • Virtualisierung: Hyper-V, VMware Cloud on AWS, Azure Migrate.
  • ERP-Systeme: Odoo, Microsoft Dynamics 365 Business Central auf Azure, integriert mit Azure Arc.
  • Netzwerke: Site-to-Site-VPNs, AWS Direct Connect, Azure ExpressRoute, Firewalls (AWS Network Firewall, Azure Firewall).
  • Sicherheit: IAM, NIST Framework, Zero-Trust-Sicherheit, AWS WAF, AWS Shield, GuardDuty.
Verifizierter Experte

Max R.

Profil ansehen

Senior Freelance-Softwareentwickler – KI | Daten | Cloud | DevOps

Munich
Max R.

Letzte Position:

Senior KI-Ingenieur und technischer Berater (Freelancer) bei dialpad

Ich unterstütze Dialpads Bereich Telephony Engineering als technischer KI-Berater und entwickle gleichzeitig KI-Produkte in der Praxis. Aktuell entwickle ich MCP-basierte Werkzeuge für KI-Text- und Sprachagenten: Agentenerstellung, Integrationen und Übernahme bestehender Agenten, gemeinsame Authentifizierung und API-Verträge sowie dauerhaften Workflow-Zustand. Dazu gehören Text- und Sprachtests, die das Agentenverhalten, die Latenz und die Aufgabenerledigung bewerten.

Parallel unterstütze ich Dialpads Ingenieure bei der Einführung von QualityLayer und beim effektiven Einsatz von Claude Code und Codex. Diese laufende Arbeit umfasst Kontextverwaltung für große Codebasen, wiederverwendbare Planen-Implementieren-Testen-Prüfen-Workflows mit CI/CD-Anbindung, Leitfäden, praxisnahe Workshops, Labs und Pair Programming.

Technologien: KI-Agentenprodukte (Text- und Sprachagenten, MCP, LLMs, Python, TypeScript), Agentenwerkzeuge (Erstellung, Integrationen, OAuth, dauerhafter Zustand), Qualität & Evaluierung (Text- und Sprachtests, Evals, Regression, Traces), Agentic Engineering (Claude Code, Codex, QualityLayer, Hooks, Prompts), Kontext-Engineering (RAG, Vektorspeicher, Codebase-Embeddings), Softwarebereitstellung (CI/CD-Integration, agentische Schleifen, PR-Automatisierung), Befähigung & Coaching (Workshops, praxisnahe Labs, Pair Programming)

Verifizierter Experte

Stephan M.

Profil ansehen

Leiter Entwicklung

München
Stephan M.

Letzte Position:

SAP

  • Beratung und Entwicklung von VR-Anwendungsszenarien im industriellen Umfeld
  • Digital Twin, Unreal Engine VR-Deployments, Mehrbenutzer-Netzwerke, Cloud-Infrastruktur
  • Technologien: AWS, Google Cloud, andere Cloud-Services; C++; Unreal Engine 5; Android, Meta Quest
Verifizierter Experte

Janusz M.

Profil ansehen

IT Senior Softwareingenieur

Munich
Janusz M.

Letzte Position:

IoT Edge Computing / Autonomes Fahren bei Automotive, Beratungsunternehmen

  • Plattform: Python-Ökosystem, RHEL 8, K10, AWS IoT Core, AWS Lambda, MLOps
  • Software: Java JEE/Cloud, IntelliJ IDEA, AWS IoT Core, AWS Edge und Lambda, AWS SageMaker SDK, Docker Compose, Kubernetes, Openshift 4, Tekton, Flux, Helm Charts, JSON/XML-Technologien, Nginx, Apache Spark, OpenAI (GPT Plus, DALL-E 3, Whisper), GAN, GitHub Copilot, KI, Machine Learning, Deep Learning, Jupyter Notebooks, TensorFlow 2, Colab, Keras API, Prometheus, Grafana, Conda, Python 3.9, SciPy-Stack (NumPy, pandas, scikit-learn, matplotlib)
  • Zuständig für Webinar:
  • IoT Edge Computing, Architektur, Komponenten, Ressourcen, Management
  • IoT Edge Computing mit MicroK8s, Design und Erstellung von Flows/Diagrammen für AWS, Three-Step-Modell für IoT-Ökosystem
  • IoT-Prozesse, Konnektivität, Datentransfer und Deployment, Sicherheit
  • Optimierung des Edge Computing für Netzwerke, Services im IoT (AWS SQS Queue, SNS-Benachrichtigungen, Events, Analytics, Button, Device Management/Defender, Things Graph)
  • Machine-/Deep-Learning-Frameworks (Modelle, Training, Optimierung der Pipelines, Deployment in der Cloud/am Edge, Monitoring der Workloads mit Prometheus und Grafana)
  • Performance-Optimierung für niedrige Latenz/Resilienz mittels adaptiver ML/DL/RL-Modelle für Kundendaten aus dem IoT
  • Analyse großer Sensordatenmengen mit Apache Spark, Kafka-Clustern
  • Kasten K10 Data Management Platform auf Kubernetes-Multi-Cluster mit Helm Chart: Deployment, Backup/Disaster Recovery (RTO/RPO), Data Lifecycle und Security Management
  • Implementierung eines mehrschichtigen neuronalen Netzes (ANN) mit TensorFlow 2 und Colab für Regression und Klassifikation; Datenanalyse und Aufbereitung für Applikationen; Entwicklung von Test- und Trainingsmodellen; Deployment der Modelle
  • Automatisierung von Business-Streamline-Prozessen mit KI (Azure OpenAI, Discord-Bots/Zapier, AI-Assistenten-Apps IntelliJ, GitHub Copilot)
Verifizierter Experte

Alexandre S.

Profil ansehen

Cloud-Ingenieur

München
Alexandre S.

Letzte Position:

Cloud-Ingenieur bei Dectris AG

  • 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
Verifizierter Experte

Stephan S.

Profil ansehen

Senior Data/ML-Berater & Technischer Leiter

München
Stephan S.

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)

Verifizierter Experte

Dominik A.

Profil ansehen

Freiberuflicher DevOps Engineer

Munich
Dominik A.

Letzte Position:

Freiberuflicher AWS Platform Engineer bei BARMER

  • zentrale, versionierte GitLab CI/CD-Komponenten für die EKS-Plattform
  • organisationsübergreifendes Grafana-Alerting mit Amazon SES und SOPS
  • External Secrets Operator auf EKS mit IRSA

Projektziel:

Betrieb und Standardisierung der AWS EKS-Plattform, die von internen Barmer-Teams genutzt wird

Beiträge:

  • zehn Service-Repositories (Sentry, Dependency-Track, GitLab, Grafana, Observability) auf zentrale, versionierte GitLab CI/CD-Komponenten umgestellt
  • gemeinsame CI-Vorlagen erweitert
  • Grafana-Alerting für einzelne Organisationen eingerichtet
  • IAM-Runner-Rollen in AWS CDK erstellt
  • PoC für External Secrets Operator mit IRSA

Tools: Claude Code, AWS (EKS, IAM, RDS, SES, SSM, Athena, CloudFormation), AWS CDK (TypeScript), OpenTofu, Kubernetes, Helm, Kustomize, External Secrets Operator, SOPS, Grafana, Sentry, Dependency-Track, GitLab CI/CD, Gitleaks, Artifactory/Xray

Entdecke mehr als 15.000 Top-Freelancer

Statistiken von Experten, die AWS CDK einsetzen

Aggregiert aus den beruflichen Profilen passender Freelancer.

Berufserfahrung

18 Jahre (Deutschland: 16 Jahre)

AWS CDK Experten in München verfügen im Durchschnitt über 18 Jahre Berufserfahrung. Das sind 2 Jahre mehr als in Deutschland, wo der Durchschnitt 16 Jahre beträgt.

Positionsdauer

1,9 Jahre

AWS CDK Experten in München bleiben im Durchschnitt 1,9 Jahre in einer Position.

Positionen pro Freelancer

12

AWS CDK Experten in München haben im Laufe ihrer Karriere durchschnittlich 12 Positionen abgeschlossen.

Häufigste Fachbereiche

Informationstechnologie (IT), Produktentwicklung, Projektmanagement

AWS CDK Experten in München haben den Großteil ihrer praktischen Projekterfahrung in den Bereichen Informationstechnologie (IT), Produktentwicklung und Projektmanagement gesammelt.

Häufigste Branchen

Informationstechnologie (IT), Automotive, Einzelhandel

AWS CDK Experten in München sind in den Branchen Informationstechnologie (IT), Automotive und Einzelhandel am stärksten gefragt.

Fokus der Zertifizierungen

Informationstechnologie (IT), Business Intelligence, Projektmanagement

AWS CDK Experten in München erwerben ihre Zertifizierungen am häufigsten in den Bereichen Informationstechnologie (IT), Business Intelligence und Projektmanagement.

Bachelor-Abschluss oder höher

100% (Deutschland: 85%)

100% der AWS CDK Experten in München haben mindestens einen Bachelor-Abschluss. Das sind 15% mehr als in Deutschland, wo der Anteil 85% beträgt.

Master-Abschluss oder höher

86% (Deutschland: 55%)

86% der AWS CDK Experten in München haben mindestens einen Master-Abschluss. Das sind 31% mehr als in Deutschland, wo der Anteil 55% beträgt.

Doktortitel

14% (Deutschland: 9%)

14% der AWS CDK Experten in München haben einen Doktortitel (PhD). Das sind 5% mehr als in Deutschland, wo der Anteil 9% beträgt.

Zertifizierungen pro Freelancer

2 (Deutschland: 3)

AWS CDK Experten in München besitzen im Durchschnitt 2 berufliche Zertifizierungen. Das sind 1 weniger als in Deutschland, wo der Durchschnitt 3 beträgt.

Häufigste Sprachen

Deutsch, Englisch, Spanisch

AWS CDK Experten in München sprechen am häufigsten Deutsch, Englisch und Spanisch.

Sprechen zwei oder mehr Sprachen

100%

100% der AWS CDK Experten in München sprechen zwei oder mehr Sprachen.

Basierend auf unserem Profilpool, Stand 19 Nov 2026.

Tagessatzverteilung

0% 25% 50% 75% 100%
13 % der AWS CDK Experten in München verlangen weniger als 720 € pro Tag.
25 % der AWS CDK Experten in München verlangen zwischen 800 € und 880 € pro Tag.
38 % der AWS CDK Experten in München verlangen zwischen 880 € und 960 € pro Tag.
25 % der AWS CDK Experten in München verlangen 960 € oder mehr pro Tag.
<€720 €800-​880 €880-​960 €960+

Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in München verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, welcher Anteil der Experten innerhalb dieser Spanne abrechnet.

Durchschnittssätze von Experten in München, die AWS CDK einsetzen

Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.

1000
750
500
250
Stundensatzvergleich-Diagramm
Ø Tagessatz 882 €
Ø Deutschland 802 €

Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.

1000
750
500
250
Stundensatzvergleich-Diagramm
Median-Tagessatz 900 €
Median Deutschland 800 €

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 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.

Branchenfokus der AWS CDK 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%)
  • Automotive (67%)
  • Einzelhandel (56%)
  • Energie (44%)
  • Fertigung (44%)
  • Professionelle Dienstleistungen (44%)
  • Bank- und Finanzwesen (33%)
  • Gesundheitswesen (33%)

Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.

Über die Technologie

Infrastruktur als Code

AWS CDK, kurz für AWS Cloud Development Kit, ermöglicht es Teams, AWS-Infrastruktur mit vertrauten Programmiersprachen zu definieren, anstatt ausschließlich deklarative Templates zu schreiben. Es synthetisiert Anwendungscode in AWS CloudFormation-Templates für wiederholbare und überprüfbare Bereitstellungen. Unternehmen nutzen es, um Cloud-Ressourcen als versionierte Software zu verwalten.

Was damit erstellt wird

AWS CDK Spezialisten erstellen die Grundlagen und Services hinter modernen AWS-Anwendungen:

  • VPCs, Subnetze, Sicherheitsgruppen und Routing
  • Lambda, API Gateway und ereignisgesteuerte Systeme
  • ECS, EKS und Umgebungen für Container-Bereitstellungen
  • S3-, CloudFront-, RDS- und DynamoDB-Architekturen
  • IAM-Rollen, Monitoring und operative Kontrollen

Zentrales Ökosystem

Fundierte AWS CDK-Arbeit umfasst die AWS Construct Library, CloudFormation, IAM und AWS Organizations. Spezialisten kombinieren CDK häufig mit TypeScript, Python, Java oder C#, abhängig vom Team und Repository. Sie arbeiten außerdem mit CDK Pipelines, AWS CodePipeline, GitHub Actions, Testbibliotheken und Richtlinien-Tools wie cdk-nag.

Wann Expertise wichtig ist

Unternehmen holen sich freiberufliche AWS CDK-Experten ins Team, wenn die Infrastruktur schwer zu warten ist oder Umgebungen konsistent bereitgestellt werden müssen. Expertise ist besonders bei Cloud-Migrationen, der Standardisierung von Plattformen, Multi-Account-Einführungen und der Umwandlung manueller Ressourcen in getesteten Code hilfreich.

  • Doppelte CloudFormation-Templates ersetzen
  • Wiederverwendbare interne Konstrukte erstellen
  • Sichere Bereitstellungsmuster etablieren
  • Berechtigungen und Ressourcenabhängigkeiten prüfen

Qualitätsmerkmale

Ein kompetenter Spezialist trennt Anwendungslogik von Infrastrukturbelangen und hält Konstrukte zusammensetzbar. Er versteht das Verhalten von CloudFormation, logische IDs, Abhängigkeiten, Kontextwerte, Umgebungskonfiguration und Rollback-Risiken. Gute Arbeit umfasst automatisierte Syntheseprüfungen, klare Stack-Grenzen, IAM nach dem Prinzip der geringsten Berechtigungen und eine Dokumentation, mit der ein anderes Team den Betrieb übernehmen kann.

Zusammenarbeit in München

AWS CDK-Projekte in München reichen von Softwareprodukten über die Fertigung und Finanzdienstleistungen bis hin zu wachsenden digitalen Teams. Lokale Spezialisten können Workshops vor Ort unterstützen und die Umsetzung remote abschließen, wobei die Zusammenarbeit je nach Organisation auf Englisch oder Deutsch erfolgt. Klären Sie vor Beginn der Zusammenarbeit die Zuständigkeit für AWS-Konten, den Bereitstellungszugriff, Compliance-Erwartungen und die erforderliche Arbeitssprache.

Veröffentlicht am:
FRATCH GPT

FRATCH GPT liefert in Minuten Freelancer-Vorschläge mit nachvollziehbarer Begründung und transparenten Preisen und hilft deiner Personalabteilung, schnell und regelkonform die besten Talente zu finden.

Probier es aus:

Teste FRATCH GPT

Häufig gestellte Fragen

Unsicher, wo du bei AWS CDK anfangen sollst? Diese Antworten decken das Wichtigste ab.

AWS CDK wird verwendet, um AWS-Infrastruktur mit TypeScript, Python, Java, C# oder JavaScript zu definieren und bereitzustellen. Es eignet sich für Anwendungsumgebungen, Netzwerke, serverlose Systeme, Container, Datenbanken, Sicherheitskontrollen und Bereitstellungspipelines.

AWS Cloud Development Kit verwendet universelle Programmiersprachen und wiederverwendbare Konstrukte, um CloudFormation-Templates zu erzeugen. Terraform unterstützt mehrere Cloud-Anbieter mit seinem eigenen Konfigurationsmodell, während einfaches CloudFormation eine direkte Kontrolle über AWS mit weniger Abstraktion durch Anwendungssprachen bietet. Die richtige Wahl hängt vom Umfang der Anbieter, den Teamkenntnissen und der Governance ab.

AWS CDK-Arbeit profitiert von Kenntnissen in IAM, VPC-Design, CloudFormation, CI/CD, Containern, serverlosen Services und Observability. Gute Spezialisten verstehen außerdem Softwaretests, Git-Workflows, AWS Organizations und sichere Kontostrukturen.

AWS CDK-Projekte benötigen einen Spezialisten, der bereits mit einem vergleichbaren Grad an Infrastrukturkomplexität gearbeitet hat, nicht einfach nur jemanden, der mit der Syntax vertraut ist. Ein kleiner Stack benötigt möglicherweise gezielte Unterstützung bei der Umsetzung, während Multi-Account-Plattformen Erfahrung mit Konstrukt-Design, Bereitstellungsabhängigkeiten, Berechtigungen und operativer Verantwortung erfordern.

AWS CDK eignet sich gut für die Remote-Zusammenarbeit, da die Infrastruktur in der Versionsverwaltung liegt und Änderungen über Pull Requests geprüft werden können. Münchner Teams sollten Zugriffsverfahren, Zeitfenster für Meetings, Dokumentationsstandards und die Frage vereinbaren, ob Workshops vor Ort stattfinden müssen.

AWS CDK-Qualität zeigt sich in klaren Konstruktgrenzen, vorhersehbaren Syntheseergebnissen, begrenzten Berechtigungen und einem sicheren Bereitstellungsverhalten. Fragen Sie nach Beispielen für Tests, Stack-Organisation, den Umgang mit Umgebungen, die Vermeidung von Abweichungen und die Wiederherstellung nach fehlgeschlagenen CloudFormation-Updates.

AWS CDK macht Kenntnisse in CloudFormation nicht überflüssig, da es während der Synthese CloudFormation-Templates erzeugt. Ein zuverlässiger Spezialist kann logische IDs, Ersetzungen, Abhängigkeiten, Parameter, Ausgaben und die Auswirkungen von Template-Änderungen auf bestehende Ressourcen erklären.

AWS CDK-Freelancer sollten die vorgesehenen AWS-Services, die unterstützte Programmiersprache, die Repository-Struktur, die Kontostrategie und die Bereitstellungspipeline klären. Sie sollten außerdem nach bestehenden Konstrukten, Coding-Standards, Genehmigungsprozessen, Sicherheitsanforderungen und der Person oder dem Team fragen, die beziehungsweise das die Infrastruktur nach der Übergabe betreibt.

Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, liegt bei 110 €, was einem Tagessatz von etwa 882 € bei einem 8-Stunden-Tag entspricht.

Von den Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 86% mindestens einen Master-Abschluss und 14% einen Doktortitel.

Freelancer in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 18 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,9 Jahre.

Die häufigsten Sprachen unter Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Spanisch (33%).

Die häufigsten Industrien unter Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Automotive (67%) und Einzelhandel (56%).

Die häufigsten Bereiche unter Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (100%) und Projektmanagement (78%).

Hauptstandorte der FRATCH Experten, die kürzlich AWS CDK 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.

Kontakt-Formular

Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!

FRATCH CEO Avatar

Philipp Thomaschewski

FRATCH CEO

LinkedInFRATCH