AWS CodePipeline Experten in Deutschland

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.

OpsWorker verwandelt Kubernetes-Alerts in Root-Cause-Analysen, zusätzlich zu dem Monitoring, das ein Team bereits betreibt. Ich leite die technische Seite: die Agentenarchitektur, die AWS-Infrastruktur, auf der das Ganze läuft (vollständig in EU-Regionen), und die Engineering-Entscheidungen dahinter, standardmäßig nur lesend im Cluster, der Mensch bleibt für die Bewertung im Loop. Der Stack darunter: Amazon Bedrock und Bedrock AgentCore, Agenten gebaut mit dem Strands Agents SDK, die Claude- und OpenAI-APIs sowie die Kubernetes-API.

• 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.

• Implementierung von Infrastructure-as-Code (IaC) mit Terraform, um eine skalierbare, wiederholbare und sichere Azure-Infrastruktur zu gewährleisten
• Implementierung und Optimierung von CI/CD-Pipelines mit Azure DevOps
• Verwaltung von Container- und Server-Umgebungen sowie AKS

• Konzipierte und entwickelte eine leistungsstarke interne Plattform für Ressourcenmanagement mit React und TypeScript und optimierte dabei das dynamische Rendern von Daten und das State Management.
• Entwickelte eine React-Native-Anwendung für den mobilen Zugriff auf interne Tools und ermöglichte so Teams im Außendienst das Tracking von Projekten unterwegs.
• Entwickelte eigene 2D-Visualisierungen auf Canvas-Basis mit Pixi.js, um Materialflüsse und das Verhalten von feuerfesten Schichten zu simulieren.
• Integrierte Pixi.js mit React-Komponenten für interaktive Diagramme und UI-Aktualisierungen in Echtzeit.
• Entwickelte interaktive 3D-Visualisierungen mit React.js zur Darstellung von Produktlayouts und Simulationen für feuerfeste Produkte und unterstützte damit Engineering- und Vertriebsteams mit dynamischen Produktvorschauen.
• Integrierte Three.js in das React-Ökosystem, um die Bearbeitung von 3D-Modellen in Echtzeit direkt im Browser zu ermöglichen und so die Nutzerbindung und die Konfigurierbarkeit vor Ort zu verbessern.
• Integrierte ein Headless CMS, damit nicht-technische Nutzer Inhalte dynamisch aktualisieren können, wodurch sich die Zeit für Content-Deployments um 40 % verkürzte.
• Leitete AWS-CloudFront-Optimierungsinitiativen und verbesserte dadurch die Ladegeschwindigkeit des Portals weltweit um 30 %.
• Arbeitete aktiv mit funktionsübergreifenden agilen Teams und Product Ownern zusammen, um priorisierte Features mit kurzen Feedbackschleifen zu liefern.
• Wichtige Technologien: React.js, React Native, Three.js, TypeScript, Contentful CMS, AWS S3/Lambda/CloudFront, Cypress, Agile Scrum

• Erstellung, Wartung und Absicherung von Kubernetes-Clustern mit Ansible und ArgoCD
• Stichworte: Ansible, AWX, Kubernetes, NetApp, Prometheus, CI/CD ArgoCD, SSO, Fluent-bit, HAProxy, Calico, Keycloak, oauth2-proxy, SealedSecrets, kubeseal, Aqua kube-bench, CIS-Benchmarks, Aqua Trivy operator

• Verantwortlich für die Einrichtung und Konfiguration von AWS Organizations und Control Tower auf dem Master-Organisationskonto des Unternehmens
• Verwaltung und Pflege verschiedener AWS-Services, einschließlich EC2, S3, RDS, Lambda, VPC, IAM usw.
• Überwachung von Systemleistung, Verfügbarkeit und Kapazitätsplanung, um Skalierbarkeit und Zuverlässigkeit sicherzustellen
• Implementierung und Pflege von Infrastructure as Code (IaC) mit Tools wie CloudFormation oder Terraform
• Enge Zusammenarbeit mit Entwicklungs- und Betriebsteams, um Deployment-Prozesse mit CI/CD-Pipelines zu automatisieren (z. B. Jenkins, GitLab CI/CD)
• Entwicklung und Pflege von Skripten zur Automatisierung von Routineaufgaben und der Bereitstellung von Infrastruktur
• Implementierung von Automatisierung für Monitoring, Logging und Alerting, um eine schnelle Reaktion auf Vorfälle sicherzustellen
• Umsetzung und Durchsetzung von Sicherheitsrichtlinien und Best Practices für AWS-Umgebungen
• Konfiguration und Verwaltung von AWS-Sicherheitsdiensten wie AWS Identity and Access Management (IAM), AWS WAF, AWS Shield usw.
• Zusammenarbeit mit dem Security Team zur Verbesserung und Aktualisierung von Sicherheitsrichtlinien und Sicherheitslage
• Zusammenarbeit mit Entwicklungsteams, um agile Deployments zu ermöglichen und die Anwendungsleistung sowie Zuverlässigkeit auf AWS zu optimieren
• Technische Unterstützung und Beratung für interne Teams bei AWS-bezogenen Themen und Best Practices
• Teilnahme an bereichsübergreifenden Projekten zur Verbesserung der gesamten Infrastruktur und Betriebseffizienz

• Unterstützung des DevOps-Teams in einer mit Terraform verwalteten Multi-Region-AWS-Infrastruktur, um Umgebungsparität zu erreichen.
• Entwicklung von End-to-End-CI/CD-Pipelines mit AWS CodePipeline, CodeBuild und CodeDeploy zur Automatisierung von Build und Deployment.
• Pflege von Pre- und Post-Deployment-Skripten zur Automatisierung kritischer Aufgaben wie Datenbankschemamigrationen und Umgebungs-Sanity-Checks.
• Implementierung eines CI/CD-Workflows speziell für Hotfixes über separate Git-Branches, Verwaltung von Back-Merge-Aktivitäten von Feature-Branches zu Release-Branches zur Sicherstellung der Code-Integrität durch automatisierte Konfliktauflösung.
• Bereitstellung einer dedizierten, schlanken Sanity-Check-Anwendung, kosteneffizient auf Azure Container Apps gehostet, um automatisierte Health- und Basisfunktionstests als Post-Deployment-Aktivität via Pipeline auszuführen.
• Untersuchung von Produktionsvorfällen anhand von Codeänderungen und AWS CloudWatch-Logs.
• Koordination der Integration von Dynatrace APM und dessen APIs für Monitoring-Zwecke.
• Full-Stack-QA-Stratege für eine stark frequentierte E-Commerce-Plattform mit mehrschichtiger Architektur für das Backend-Testing der Kernplattformdienste, insbesondere des Order-Management-Systems in Zed- und Glue-Schichten.
• Leitung von Automatisierungsaktivitäten, Testprozessen und Refactoring-Praktiken.
• Verantwortlich für Framework-Migrationen, Einrichtung und Schulung neuer Automatisierungs-Frameworks.
• Förderung eines Shift-Left-Ansatzes im QA-Team und Erstellung des Testkonzepts.
• Teilnahme an Meetings mit IT-Managern, Business Ownern, Product Ownern und Teammitgliedern.

• Entwickeln die Infrastruktur und fördern existierende Infrastruktur: Jenkins, GitLab Pipeline, OpenShift, Docker, Helm Chart, Kubernetes, Artifactory, CodePipeline, CodeArtifact, Python
• Dokumentation der Lösungen in Jira/Confluence
• Unterstützung anderer Kollegen in verschiedenen technischen Bereichen

• Bereitstellung von AWS-autorisiertem Inhalt im Rahmen des AAI-Programms
• Durchführung von Gruppen- und 1:1-Mentoring-Sitzungen
• Begleitung von fachfremden Lernenden auf ihrem Weg in Cloud-Karrieren
• Erstellung von Lernmaterialien in Übereinstimmung mit AWS Skill Builder und AWS Academy Labs

• Mitverfasst Unternehmens-Cloud-Strategie inklusive Sicherheits- und Governance-Rahmen für 5 Tochtergesellschaften und Teil der Governance-Automatisierung umgesetzt.
• Regelmäßige Cloud-Kostenoptimierungs-Reviews für 10 Teams durchgeführt, was zu einer Kostenreduzierung von ca. 20 % führte.
• Die Technologieauswahl für die Migration des internen CIAM mit über 25 Mio. Accounts in eine SaaS-Lösung geleitet und das Produktteam während der Migration unterstützt.
• Überwachte die Technologiewahl und entwarf Architektur sowie Delivery-Pipelines für eine mandantenfähige digitale Nachrichten- und Sport-Publishing-Plattform, wodurch rund 250 Redakteure bereits ca. 6 Monate nach Projektstart arbeiten konnten.
• Führte die Umsetzung eines Multi-Brand-Designsystems von der Idee und dem technischen Konzept bis zur Implementierung und Rollout, was in wenigen Stunden schnelles UI-Prototyping für neue Produkte ermöglichte.
• Führte ein Team von 4 Architekten und förderte das berufliche Wachstum der Teammitglieder.
• Technologien: AWS Cloud, Microservices, Docker, Python, Kafka, JavaScript, TypeScript, React.js, Node.js, GraphQL, REST, GitLab CI, Visual Studio Code, git.

• Beratung einer NGO im Bereich Rechenzentrum-Nachhaltigkeit in öffentlich geförderten Projekten (BMUKN mit NADIKI und Umweltbundesamt mit SIEC)
• Entwicklung von Python-APIs und Webanwendungen, Bereitstellung auf AWS/ECS mit Terraform
• Erfassung des Stromverbrauchs von Servern, CPUs und GPUs bei KI-Workloads
• Verwendete Technologien: AWS, EC2, ECS, Fargate, CloudMap, VPC, Route53, Lambda, EventBridge, CodeBuild/CodePipeline/CodeDeploy, Terraform, Docker, Linux, Bash-Scripting, Python, Flask, SQLAlchemy, SQL, MariaDB, InfluxDB, Telegraf, Prometheus, Zabbix, Kubernetes, Letsencrypt, Zertifikatsverwaltung

• Entwarf eine hybride AWS-Plattform mit über 10 ECS-Fargate-Microservices (Spring Boot) und Angular/React-Frontends sowie einer serverlosen ETL-Pipeline auf Basis von Lambda, S3, SQS/SNS und DynamoDB
• Erstellte einen serverlosen Benachrichtigungsdienst (Lambda + SNS/SQS), der ereignisgesteuerte Workflows über Microservices hinweg ermöglicht
• Automatisierte die gesamte Infrastruktur mit AWS CDK v2 und wiederverwendbaren Konstrukten, was die Bereitstellungszeit deutlich verkürzte
• Implementierte Blue/Green- und Canary-Deployments über GitHub Actions und CodePipeline für sichere, reproduzierbare Releases
• Verbesserte die Beobachtbarkeit mittels CloudWatch- und OpenSearch-Dashboards, Alerts und standardisierter Laufzeitprüfungen
• Entwickelte Backend-Services in Java (Spring Boot) und TypeScript mit sauberen REST-APIs für moderne SPAs