AWS Glue Experten in München
aus über 15.000 Lebensläufen mit der Kraft von KIBeauftrage Experten, die Glue ETL-Jobs entwerfen, Data Catalogs und Crawler aufbauen und serverlose Datenpipelines für Analytics und Lakehouse-Arbeiten orchestrieren. Finde geprüfte, verfügbare Freelancer schnell und präzise.
Lerne FRATCH Experten in München kennen, die kürzlich AWS Glue eingesetzt haben
Hardeep Bhutter
Letzte Position:
Sr. Data Engineer bei Charles Schwab Bank
- End-to-end-Datenpipelines (Batch & Streaming) mit Python, SQL und Apache Spark sowie Databricks auf AWS entworfen und umgesetzt und dabei die ETL-Latenz um 40 % reduziert.
- Serverless, ereignisgesteuerte Ingestion-Pipelines mit AWS Lambda und SQS entwickelt und so die Echtzeitverfügbarkeit der Daten für nachgelagerte Analysen sichergestellt.
- Google Cloud Platform (GCP)-Services wie BigQuery und Dataflow genutzt, um Cloud-übergreifende Data-Warehousing- und Analytics-Integrationen zu steuern.
- Erfahrung mit DMS (CDC, Full Load) und Airflow für skalierbare Automatisierung und Orchestrierung von Datenpipelines.
- Datenpipelines mit Databricks und Airflow verwaltet und angepasst. Automatisierung mit Docker, Kubernetes und Terraform.
- Datenqualitätsprüfungen mit dbt automatisiert, um Transformationen zu modularisieren und eine produktionsreife Data Lineage sicherzustellen, wodurch die Zuverlässigkeit um 30 % verbessert wurde.
- Mit Compliance-Teams zusammengearbeitet, um die Einhaltung von GDPR und SOC2 sicherzustellen. Junior Engineers betreut und bei der Refaktorierung der Architektur für mehr Skalierbarkeit mitgewirkt.
- Dashboards in Power BI erstellt und gepflegt, um umsetzbare Einblicke zu liefern.
Vitaliy Ryumshyn
Letzte Position:
DevOps GitOps (ANÜ) bei Signal Iduna
- Verantwortlich für die Administration von OpenShift/Kubernetes On-Prem und den Entwickler-Support.
- Automatisierte die URP-Infrastruktur mit Python, Ansible, Kustomize sowie dem ArgoCD- und Argo Workflow/Events-Stack.
- Schrieb Smoke- und Lasttests für die URP-Infrastruktur mit Python, Kustomize und ApplicationSets.
- Unterstützte beim Aufbau und der Bereitstellung der URP-Infrastruktur in Google Cloud (GKE).
- Implementierte Monitoring für die URP- und ArgoCD-Umgebung mit Splunk Cloud.
- Führte Systemadministrationsaufgaben auf RedHat Linux, Kubernetes/OpenShift, ArgoCD, GitLab, Bitbucket Enterprise, Kafka und MongoDB durch.
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.
Maziyar Khorrami
Letzte Position:
Data Engineer bei MSD Germany
- Lead-Architekt für die Gestaltung und Umsetzung des Data Lake und der ETL-Pipeline mit dem AWS-Stack
- Leistungsoptimierung der Datenaufnahme der ETL-Pipeline
- Entwicklung der Datenvalidierung mit Great Expectations
- Leitung der Datenmigration für zwei Quellsysteme
- Datenmodellierung in AWS Redshift
MLOps
- Implementierung der Modell-Inferenz mit mlflow und AWS SageMaker
- Feature Engineering für die laufenden ML-Modelle (Recommender Engineer, Clustering)
- Implementierung von Model Registry und Artifactory mit mlflow
- Historisierung und Profiling der Eingabedaten mit AWS Glue Crawler und AWS Data Catalog
- Feature Importance mit mlflow
Tech. Stack: Python 3, AWS Glue, AWS Step Function, AWS Lambda, AWS EventBridge, AWS IAM Role, AWS SageMaker, AWS EC2, AWS Glue Crawler, AWS CloudWatch, MLFlow, ETL, Data Lake, GitHub Action, Terraform, Jenkins, Ansible Playbooks (Infrastructure as Code), CI/CD, GitLab, SQL, PySpark, Scrum, Agile, Jira, Big Data, VSCode, DBeaver, MSSQL, MySQL, Grafana, Docker, Linux, Bash, MapReduce, Datenmodellierung (ORM), Pandas, YAML, SQL-Alchemy
Max Wolke
Letzte Position:
Fractional-Wachstumsleiter bei wolke.studio
wolke.studio ist mein neues Outfit —> dein Wachstums-Plugin, passend fürs KI-Zeitalter. Ich arbeite mit Seed- bis Series-B-Startups daran, skalierbare Wachstums-Engines aufzubauen, und mit Scaleups, um komplexe Wachstumsfunktionen zu orchestrieren, die Marketing und Vertrieb umfassen.
Thorsten Gutermuth
Letzte Position:
Leiter Immobilienprodukte | Technischer Programmleiter
- Programmleiter für eine mehrjährige strategische Partnerschaft (~9 Mio. € Gerätevolumen), Bericht an den CTO (später CEO) und primärer Ansprechpartner für die Partnerführung.
- Verantwortung für die bereichsübergreifende Lieferung von Firmware, Hardware, Cloud-Backend, Fertigung und Partner-Engineering-Teams für zwei IoT-Produkte; verbesserte Systemstabilität und Beobachtbarkeit zur Unterstützung eines zuverlässigen großflächigen Feldbetriebs (125 000+ Geräte).
- Verhandlung der Programm-Roadmap und des Umfangs mit der Partnerführung, Abstimmung der Lieferzusagen für Hardware, Firmware und Cloud.
- Stabilisierung einer angespannten Führungspartnerschaft durch Wiederherstellung der Lieferzuverlässigkeit und Etablierung klarer Governance- und Abgrenzungsregeln.
- Bereitstellung eines Telemetrie-Analysesystems (Python, AWS), das laut Partnervertrag erforderlich war, um defekte Heizsysteme und Betriebsprobleme bei eingesetzten Geräten zu erkennen.
Jiri Sostok
Letzte Position:
Qualitätsmanager/Testmanagement bei Noriba GmbH
- Erstellung von Testkonzepten
- Erstellung von Testprozessen
- Koordination der Testfall-Entwicklung: Stresstests, Funktionstests, Leistungstests, Tests mit hoher Datenrate, Integrationstests usw.
- Hardware-Tests: FPGA, RF
- Testautomatisierung und Regressionstests
- Sicherstellung des 24/7-Betriebs des Testsystems
- Analyse und Berichterstattung
- Regelmäßige Koordination des Testteams, Abstimmungen mit anderen Stakeholdern
- Kommunikation und Abstimmung mit Stakeholdern und Projektleitung
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)
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die AWS Glue einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
18 Jahre (Deutschland: 15 Jahre)
Positionsdauer
2,8 Jahre (Deutschland: 2,1 Jahre)
Positionen pro Freelancer
9
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Einzelhandel
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Betrieb
Bachelor-Abschluss oder höher
89% (Deutschland: 93%)
Master-Abschluss oder höher
67% (Deutschland: 64%)
Doktortitel
11% (Deutschland: 18%)
Zertifizierungen pro Freelancer
3 (Deutschland: 4)
Häufigste Sprachen
Englisch, Deutsch, Spanisch
Sprechen zwei oder mehr Sprachen
90% (Deutschland: 94%)
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 Glue 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
ETL auf AWS
AWS Glue ist ein serverloser Dienst zum Aufbau von Datenintegrations-Workflows auf AWS. Er wird genutzt, um Daten aus Datenbanken, Dateien und Streams in Warehouses, Lakes und Analyse-Tools zu extrahieren, zu transformieren und zu laden. Gute Fachleute halten Pipelines übersichtlich, zuverlässig und leicht zu betreiben.
Typische Leistungen
- Glue ETL-Jobs in Python oder Scala
- Crawler und der Glue Data Catalog
- Job-Planung und Workflow-Orchestrierung
- Umgang mit Schemas und partitionierten Datenlayouts
- Monitoring, Wiederholungen und Fehlerbehandlung
Tools und Ökosystem
AWS Glue steht oft neben Amazon S3, Athena, Redshift, Lake Formation, IAM und CloudWatch. Es verbindet sich auch mit Spark-basierten Transformationen und Datenquellen innerhalb von AWS und aus externen Systemen. Gute Spezialisten wissen, wie diese Teile zusammenpassen, ohne fragile Pipelines zu erzeugen.
Wann externe Hilfe sinnvoll ist
Unternehmen brauchen freiberufliche Expertise meist dann, wenn eine Datenplattform wächst, der Katalog uneinheitlich ist oder ETL-Jobs langsam und schwer zu betreiben sind. AWS Glue Spezialisten helfen auch bei Migrationen von alten Batch-Skripten oder verwalteten ETL-Tools. In München ist das oft wichtig für Teams, die in den Bereichen Produktion, Mobilität, Finanzen und SaaS-Datenstacks arbeiten.
Was starke Experten tun
Starke Fachleute entwerfen Jobs, die leicht zu testen und zu warten sind. Sie achten auf Schema-Änderungen, Partitionsstrategie, Zugriffskontrolle und kostenschonende Laufzeitentscheidungen. Außerdem dokumentieren sie den Ablauf so, dass andere Experten ihn sicher erweitern können.
Arbeitsweise
AWS Glue-Arbeit ist oft remote, aber Vor-Ort-Termine helfen, wenn Datenverantwortung, Sicherheit oder alte Quellsysteme eine enge Abstimmung brauchen. Für Teams in München ist Englisch in der technischen Arbeit üblich, während Deutsch bei Stakeholdern und internen Reviews helfen kann. Die besten Ergebnisse entstehen mit klaren Quelllisten, Beispieldaten und sauber definierten Zieltables.
Häufig gestellte Fragen
Was Kunden uns zu AWS Glue am häufigsten fragen – kurz beantwortet.
AWS Glue wird genutzt, um Daten für Analytics, Reporting und Lakehouse-Pipelines zu bewegen und zu transformieren. Teams verwenden es, um aus Quellsystemen zu lesen, Datensätze zu bereinigen und umzubauen und Ergebnisse in Amazon S3, Redshift oder andere Ziele zu schreiben. Es passt oft gut, wenn die Arbeit serverlos bleiben und leicht planbar sein soll.
AWS Glue basiert auf Spark, ergänzt aber verwaltetes Crawling, Katalogisierung, Planung und AWS-Integration rund um die Compute-Schicht. Im Vergleich zu eigenen Skripten ist es leichter zu standardisieren und zu betreiben. Im Vergleich zu einer vollständigen Spark-Plattform kann es schneller eingeführt werden, wenn der Workflow hauptsächlich AWS-nativ ist.
Ein starker AWS Glue Spezialist kennt meist Python oder Scala, Spark-Konzepte, IAM, Amazon S3, Datenmodellierung und Logging. Er oder sie sollte auch Schema-Evolution, Partitionsdesign und das Troubleshooting von Jobs verstehen, die wegen schlechter Quelldaten fehlschlagen. Erfahrung mit dem Glue Data Catalog und Athena ist oft ebenfalls wichtig.
Unternehmen holen sich meist AWS Glue-Expertise, wenn sie eine Pipeline beschleunigen, wiederkehrende Fehler beheben oder mehr Systeme anbinden müssen, als das interne Team allein bewältigen kann. Das ist auch bei Cloud-Migrationen oder wenn bestehende Jobs schwer zu warten sind hilfreich. Ein Freelancer kann helfen, das Design zu stabilisieren, bevor die Last weiter wächst.
Ja, AWS Glue eignet sich oft gut für die Zusammenarbeit aus der Ferne, weil die meisten Aufgaben in Code, Konfiguration und AWS-Konsolen stattfinden. Vor-Ort-Zeit kann trotzdem helfen, wenn Teams schnelle Entscheidungen zu Quellsystemen, Sicherheitsgrenzen oder fachlichen Definitionen brauchen. Für Teams in München ist eine Mischung aus remote Umsetzung und Workshops vor Ort üblich.
Frage, welche Quellsysteme die Person bereits angebunden hat, wie Schema-Änderungen behandelt werden und wie Fehler in AWS Glue überwacht werden. Du solltest auch fragen, wie Partitions gestaltet werden, ob der Data Catalog sinnvoll genutzt wird und wie die Pipeline für die Übergabe dokumentiert wird. Klare Antworten trennen hier meist praxisnahe Spezialisten von allgemeinem AWS-Wissen.
Nein, AWS Glue ist eine starke Lösung für AWS-zentrierte Batch- und Orchestrierungsaufgaben, aber nicht jeder Fall braucht es. Sehr einfache Transformationen sind mit leichteren Tools oft einfacher, während hochgradig individuelles Data Engineering einen anderen Stack erfordern kann. Die beste Wahl hängt von den Quellsystemen, dem Datenvolumen und davon ab, wie viel verwaltete AWS-Integration du willst.
Gute AWS Glue-Arbeit ist leicht auszuführen, leicht nachzuvollziehen und leicht zu ändern. Achte auf klare Benennung, sinnvolle Fehlerbehandlung, stabile Katalognutzung und Ausgaben, die zum nachgelagerten Abfragemuster passen. Wenn der Freelancer außerdem Abwägungen erklärt und saubere Dokumentation hinterlässt, ist das ein starkes Qualitätszeichen.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, liegt bei 120 €, was einem Tagessatz von etwa 960 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, haben 89% mindestens einen Bachelor-Abschluss, 67% mindestens einen Master-Abschluss und 11% einen Doktortitel.
Freelancer in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 18 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,8 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (90%) und Spanisch (20%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Bank- und Finanzwesen (60%) und Einzelhandel (50%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die AWS Glue in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (90%), Produktentwicklung (80%) und Projektmanagement (80%).
Hauptstandorte der FRATCH Experten, die kürzlich AWS Glue 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 
Frankfurt 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
