AWS CDK Experten in München
aus 15.000 Lebensläufen mit der Kraft von KI.Holen Sie sich Experten, die AWS CDK Stacks entwerfen, Cloud-Infrastruktur in TypeScript, Python oder Java modellieren und wiederverwendbare Constructs für AWS Services liefern. Erhalten Sie schnelle, präzise Matches mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in München kennen, die kürzlich AWS CDK eingesetzt haben
Thomas Hoefkens
Letzte Position:
Senior MLOps-, DevOps 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 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).
Tobias Nawa
Letzte Position:
Enterprise- und Solutions-Architekt
- 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...
Alexandre Savio
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
Stephan Sahm
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
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.
Max Ritter
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)
Janusz Mazurek
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)
Stephan Menzel
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
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die AWS CDK einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
19 Jahre (Deutschland: 16 Jahre)
Positionsdauer
2 Jahre (Deutschland: 1,9 Jahre)
Positionen pro Freelancer
13 (Deutschland: 12)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Automotive, Fertigung
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Betrieb
Bachelor-Abschluss oder höher
100% (Deutschland: 80%)
Master-Abschluss oder höher
83% (Deutschland: 47%)
Doktortitel
17% (Deutschland: 10%)
Zertifizierungen pro Freelancer
2 (Deutschland: 3)
Häufigste Sprachen
Deutsch, Englisch, Spanisch
Sprechen zwei oder mehr Sprachen
100%
Basierend auf unserem Profilpool, Stand 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in München 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 München, die AWS CDK 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 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Über die Technologie
Infrastruktur als Code
AWS CDK macht aus Cloud-Infrastruktur Anwendungscode. Teams nutzen es, um Stacks zu definieren, CloudFormation zu erzeugen und AWS Ressourcen in der Versionsverwaltung zu halten. Es passt gut zu Lieferprojekten, bei denen wiederholbare Umgebungen wichtiger sind als manuelle Einrichtung.
Was es aufbaut
- Netzwerk- und Sicherheitsgrundlagen
- Serverless Services und Event-Flows
- Datenebenen, Queues und Messaging
- Deployment-Pipelines und Einrichtung von Umgebungen
CDK passt gut, wenn Projekte eine wiederholbare Cloud-Bereitstellung brauchen statt einmaliger Änderungen in der Konsole.
Der Stack darum herum
AWS CDK Spezialisten arbeiten oft mit CloudFormation, IAM, Lambda, API Gateway, S3, ECS und Step Functions. Sie nutzen auch CDK Constructs, Context-Werte und Asset-Handling, um Stacks klar und wiederverwendbar zu halten. Gute Arbeit hier hängt von einer sauberen Codebasis und einem soliden Verständnis des Verhaltens von AWS Services ab.
Wann Teams Experten hinzuholen
Unternehmen suchen nach AWS CDK Know-how, wenn eine Cloud-Einrichtung unübersichtlich wird, Deployment-Schritte je nach Umgebung variieren oder neue Services hinzugefügt werden müssen, ohne den bestehenden Stack zu beschädigen. In München kommt das oft in Produktteams, Plattformarbeit und regulierten Umgebungen vor, die sorgfältige Kontrolle von Änderungen brauchen.
Was starke Spezialisten tun
- Stacks modular und leicht prüfbar halten
- Sichere Standardwerte für IAM und Networking nutzen
- Gemeinsame Constructs vom app-spezifischen Code trennen
- Deployment- und Rollback-Verhalten vorhersehbar machen
Starke Profis wissen, wann sie High-Level Constructs nutzen und wann sie für mehr Kontrolle auf niedrigere Ressourcenebene gehen sollten.
Arbeitsweise und Lieferung
AWS CDK Arbeit ist meist codeintensiv und kollaborativ. Die besten Experten können vorhandene IaC prüfen, Abweichungen zwischen Umgebungen beheben und Teams dabei helfen, von rohem CloudFormation oder Terraform zu CDK zu wechseln, wenn Codebasis und AWS Setup das rechtfertigen. Remote-Arbeit ist üblich, aber Vor-Ort-Termine in München können helfen, Plattformstandards und Release-Abläufe abzustimmen.
Häufig gestellte Fragen
Unsicher, wo du bei AWS CDK anfangen sollst? Diese Antworten decken das Wichtigste ab.
AWS CDK wird verwendet, um Cloud-Infrastruktur in Code zu definieren und über CloudFormation in AWS bereitzustellen. Teams nutzen es für Stacks, Netzwerke, serverlose Backends, Datendienste und Delivery-Pipelines. Es ist gut geeignet, wenn Infrastruktur wiederverwendbar, prüfbar und versioniert sein muss wie Anwendungscode.
AWS CDK gibt Teams ein Programmiermodell, sodass sie Infrastruktur mit vertrauten Sprachen und wiederverwendbaren Constructs ausdrücken können. Im Vergleich zu Terraform ist es oft besser geeignet, wenn AWS das Hauptziel ist und das Team mehr Code-Wiederverwendung möchte. Im Vergleich zu rohem CloudFormation fühlt es sich meist leichter zu pflegen an, weil man höherstufigen Code statt großer Template-Dateien schreibt.
Ein starker AWS CDK Spezialist arbeitet meist mit TypeScript, Python, Java oder C#. Er sollte außerdem zentrale AWS Services wie IAM, Lambda, API Gateway, S3, ECS, Step Functions und CloudFormation kennen. Die besten Leute verstehen, wie sich diese Services in der Praxis verhalten, nicht nur, wie man sie im Code beschreibt.
Einfache Stacks kann ein allgemeiner Cloud-Spezialist übernehmen, aber produktive CDK Arbeit profitiert von jemandem, der echte AWS Umgebungen ausgeliefert hat. Sie brauchen jemanden, der wiederverwendbare Constructs, Trennung von Umgebungen, sichere Deployments und Sicherheitskontrollen versteht. Wenn der Stack bereits existiert, kann der richtige Experte auch die Struktur verbessern, ohne einen kompletten Neuaufbau zu erzwingen.
Die meiste AWS CDK Arbeit kann remote erledigt werden, weil sie auf Code, Reviews und Deployments basiert. Vor-Ort-Zeit in München kann helfen, wenn Teams sich auf Plattformmuster, Release-Praktiken oder Sicherheitsregeln abstimmen müssen. Viele Unternehmen nutzen eine Mischung aus beidem, besonders wenn Infrastrukturänderungen mehrere Produktteams betreffen.
Achten Sie auf klares Stack-Design, sichere IAM-Entscheidungen und eine saubere Trennung zwischen wiederverwendbaren Constructs und app-spezifischem Code. Ein guter AWS CDK Freelancer kann Kompromisse erklären, zeigen, wie er Tests und Deployments handhabt, und versteckte Komplexität vermeiden. Sie sollten auch fragen, wie er Imports, Umgebungskonfiguration und Rollback-Verhalten verwaltet.
Die meisten AWS CDK Profis brauchen auch solide Kenntnisse in CloudFormation, IAM, CI/CD und AWS Networking. Je nach Projekt können auch Docker, Kubernetes, Observability-Tools oder Kenntnisse in Servicearchitektur nötig sein. Wenn die Arbeit Sicherheit oder Compliance berührt, ist Erfahrung mit Policy-Design besonders nützlich.
Holen Sie einen AWS CDK Experten hinzu, wenn es schnell vorangeht, die Codebasis uneinheitlich geworden ist oder Deployment-Fehler die Lieferung bremsen. Es hilft auch, wenn Sie von einer manuellen Einrichtung oder einem anderen IaC-Tool migrieren müssen oder wenn ein neues Team die Plattform sauber übernehmen soll. Ein Spezialist kann das Fundament stabilisieren und dem Team Muster hinterlassen, die es weiter nutzen kann.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, liegt bei 108 €, was einem Tagessatz von etwa 865 € 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, 83% mindestens einen Master-Abschluss und 17% einen Doktortitel.
Freelancer in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 19 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2 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 (38%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die AWS CDK in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Automotive (75%) und Fertigung (75%).
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 (88%).
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 
Berlin 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
