AWS IAM Experten in Deutschland

Konversationeller KI-Assistent für Fragen zu Cloud-Infrastruktur und Sicherheit

• FastAPI-Backend mit Multi-Turn-Conversation-Handler, Token-Budgeting und Kontextfenster-Management entworfen.
• Amazon Bedrock (Claude 3 Sonnet/Haiku) integriert; RAG-Pipeline mit MongoDB-Chatverlauf und semantischer Suche aufgebaut.
• Factory Pattern für modulares Wechseln zwischen LLM-Anbietern implementiert; der Aufwand für das Onboarding neuer Modelle um 60% reduziert.
• Die LLM-Inferenzkosten um 35% gesenkt durch Modell-Tiering (Haiku vs. Sonnet) und Konsolidierung von Prompts/Entitäten.

Tech: Python, FastAPI, Amazon Bedrock, MongoDB, Streamlit, Pydantic.

• Backend-Features für Modern RIS entwickelt, ein webbasiertes Radiologie-Informationssystem, das über WebView mit dem bestehenden Classic RIS integriert ist.
• An einem modularen Spring-Boot-Backend gearbeitet, das klinische Abläufe wie Termine, Untersuchungen, Patienten, Aufträge, Berichte, Abrechnung und Lagerbestand abdeckt.
• Zur ereignisgesteuerten Architektur beigetragen, indem Domänenereignisse genutzt wurden, um Workflows zwischen Backend-Modulen zu entkoppeln.
• REST/OpenAPI-Endpunkte, Business-Logik in der Service-Schicht, DTO-Mapping, Validierung und Integrationspunkte für das React-Frontend implementiert.
• Mit PostgreSQL-basierten Domänenmodellen, Liquibase-Datenbankänderungen, Trennung von Read-/Write-Modellen und alten RIS-Datenbankstrukturen gearbeitet.
• Authentifizierungs- und Autorisierungsflüsse mit Keycloak und OAuth2 integriert.
• Unit-/Integrationstests mit JUnit, Rest Assured, Testcontainers und projektspezifischen Test-Utilities hinzugefügt und gepflegt.
• CI/CD- und lokale Entwicklungs-Workflows mit Maven, Docker Compose, Jenkins und generierten OpenAPI-Clients unterstützt.

Tech-Stack: Java 21, Spring Boot 3.5, Maven, PostgreSQL, Liquibase, Keycloak, OAuth2, REST, OpenAPI/Springdoc, MapStruct, Lombok, Docker, Testcontainers, Jenkins.

• 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).

• Technische Leitung und Architektur für Enterprise-Kunden (u.a. LR Health & Beauty, Deutsche Bahn, Trusted Shops)
• Cloud-Migration, Microservices-Architekturen, CI/CD-Optimierung

• Analyse
• Beratung
• Software-Design
• Entwicklung
• Automatisierung
• Testen
• Deployment
• Architektur, Entwicklung und Bereitstellung verschiedener Proof-of-Concept-Anwendungen rund um die Integration aktueller KI-Schnittstellen, inklusive Gespräch, Echtzeit-Voice, Bilder und Videos
• Best Practices für die Arbeit mit agentischen Systemen und KI in der Praxis entwickelt
• Code-Vorlagen erstellt

• Einrichtung und Betrieb einer Multi-Cluster AWS EKS-Plattform für Bank-Workloads mit einheitlicher Netzwerk- und Sicherheitsarchitektur über 45 AWS-Konten.
• Entwicklung und Standardisierung einer einheitlichen AWS-Netzwerk- und Sicherheitsarchitektur für 45 AWS-Konten, um konsistente Governance, Konnektivität und Compliance für Enterprise-Kundenumgebungen zu ermöglichen.
• Entwicklung und Betrieb einer Multi-Cluster AWS EKS-Plattform zur Unterstützung von Produktions-Workloads, was die Skalierbarkeit, Verfügbarkeit und Betriebssicherheit deutlich verbessert hat.
• Implementierung eines GitOps-Bereitstellungsmodells mit ArgoCD und Helm, das vollständig automatisierte, prüfbare Deployments ermöglicht und manuelle Release-Fehler reduziert.
• Automatisierung der Infrastrukturprovisionierung im großen Maßstab mit Terraform und Terragrunt, wodurch die Einrichtungszeit für Umgebungen um bis zu 70 % verkürzt und Konfigurationsabweichungen eliminiert wurden.
• Etablierung von unternehmensgerechten Backup- und Disaster-Recovery-Strategien mit Velero und AWS Backup, um zuverlässige Multi-Cluster-Wiederherstellung und Geschäftskontinuität zu gewährleisten.
• Einführung von Rancher als Self-Service-Kubernetes-Plattform, die das Onboarding von Entwicklern beschleunigt und gleichzeitig zentrale Sicherheit und Governance beibehält.
• Entwurf und Implementierung detaillierter AWS-IAM-Konzepte (Rollen, Richtlinien, Vertrauensstellungen) zur Durchsetzung des Prinzips der geringsten Privilegien für den Zugriff auf Konten, Workloads und CI/CD-Pipelines.
• Entwicklung von AWS-Lambda-basierten Pre-Provisioning-Workflows für Datenbanken, die Initialisierung, Konfiguration und Zugriffs-Setup automatisieren und so eine sichere und konsistente Anwendungsintegration unterstützen.
• Lieferung konsistenter, hochwertiger Ergebnisse als Teil eines 5-köpfigen AWS-Solutions-Architecture-Teams, was zu drei aufeinanderfolgenden Vertragsverlängerungen führte.

• 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

• Entwicklung eines umfassenden Geschäftskonzepts für ein medizinisches Sturzerkennungsgerät basierend auf einem in Deutschland eingetragenen Verfahrenspatent
• Identifizierung und Erfassung von Anwendungsfällen für den Einsatz von medizinischen Geräten in Wohngebäuden sowie in Einrichtungen von Gesundheitsdienstleistern
• Erweiterung des Produktumfangs auf Industriestandards wie HL7/FHIR sowie Entwicklung eines Produktdesigns basierend auf modernen Kommunikationsprotokollen für IIOT
• Förderung der Offshoring-Aktivitäten, Definition von SLA- und Scope-of-Work-Dokumenten für Entwicklungsteams nach Auswahl verschiedener Anbieter
• Identifizierung und Auswahl von Hardwarekomponenten (Terrabee, E-Con Systems) für LIDAR-/TDOA-Funktionen
• Definition integrierter KI-Funktionen und LLM-Modelle für Patientensturzerkennung sowie KI-basierte Audio-Trigger
• Begleitung der Implementierung von Algorithmen für Objekterkennung, Sturzerkennung und Identifizierung von Fehlalarmen

• 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)

• 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

• Erweiterung des Dokumenten-Management-Systems um eine standardisierte CMIS-Schnittstelle (Content Management Interoperability Services)
• Implementierung von CMIS-Basisdiensten wie Navigation, Zugriffsrechten, Suche, CRUD-Operationen und Versionierung in Java
• Umsetzung basierend auf RESTful/OpenAPI-Services
• Bereitstellung als Fat-JAR und natives Container-Image
• Deployment On-Premises und serverlos als Azure Container Application mit Terraform
• Steigerung der Team-Autonomie durch Infrastruktur-Engineering und kurze Feedback-Schleifen
• Observability mit OpenTelemetry, Azure Monitor und Azure Logic Apps
• Einführung von Terraform- und Trunk-Based-Development-Prozessen
• Qualitätssicherung mit BDD-Tests in C# mit SpecFlow und Testcontainers
• Azure DevOps Pipeline Integrationstests
• Etablierung von Cloud-Deployment-Prozessen
• Schulung der Mitarbeiter in Cloud und Terraform

• Aufbau des Unternehmens mit Fokus auf Connectivity für IIoT und Industrie 4.0, iRPA/Prozessautomatisierung, Advanced Robotics und Smart Systems, Sensors and Services
• Projektleitung und Software-Architektur für IoT-Gateway-Entwicklung (seit 2020) mit Protokollübersetzung, IT/OT-Konvergenz und GRC
• Entwicklung von RPA-Bots zur Automatisierung und Überwachung industrieller Prozesse mit agentischem AI-Ansatz (seit 2020)
• Implementierung von Unsupervised Clustering und Anomalieanalyse für Zeitreihendaten in BigData-Streaming-Pipelines (seit 2021)
• Einführung eines Docker-basierten Release-Trains für OTA-Updates mit DevSecOps und CI/CD (seit 2018)

• Konzeption und Entwicklung eines domänenbasierten Need-to-Know-Identity- und Zugriffsmanagements in einer hochsicheren Umgebung
• Backend-Entwicklung (Python): API- & Microservice-Entwicklung

• Leitete ein Team von 6 Softwareentwicklern zur Entwicklung und Wartung einer KI-gesteuerten Gesundheitsplattform, die automatisierte Diagnosen und Verschreibungen auf Basis von Echtzeit-EKG-Datenanalysen ermöglicht
• Entwarf und entwickelte ein robustes Revenue-Cycle-Management-(RCM)-System, das HL7- und FHIR-APIs integriert, um nahtlose Interoperabilität, Echtzeit-Datenaustausch und HIPAA-konforme Datenverarbeitung zu ermöglichen, wodurch die Abrechnungseffizienz, die Anspruchsbearbeitung und die Einhaltung gesetzlicher Vorgaben im Gesundheitswesen verbessert wurden
• Migrierte eine veraltete monolithische Anwendung zu einer skalierbaren Microservices-Architektur, steigerte die Systemmodularität, Skalierbarkeit und Wartbarkeit und setzte dabei wichtige Designmuster wie Strangler, Database-per-Service, API-Gateway, Saga und CQRS für eine effiziente Service-Kommunikation und Transaktionsverwaltung um
• Konzipierte und leitete ein C# 9/.NET 6 Microservices-Ökosystem für Hotelreservierungen, Zahlungen und Treueprogramme, das eine Verfügbarkeit von 99,99 % über mehr als 10 Dienste ermöglicht
• Definierte OpenAPI-/Swagger-Verträge und generierte automatisch Client-SDKs, wodurch die Integrationszeit zwischen Frontend und Backend um 50 % reduziert wurde
• Containerisierte jeden Service mit Docker und orchestrierte Bereitstellungen mit Kubernetes, wodurch die Release-Zeit von Tagen auf Stunden verkürzt wurde
• Entwarf PostgreSQL-Schemata, optimiert für hochvolumige Transaktionslasten, und implementierte Redis-Caching-Schichten, um leseintensive Endpunkte um 80 % zu beschleunigen
• Erstellte Kafka-Streaming-Pipelines für Echtzeit-Verfügbarkeitsupdates und Audit-Logs, verarbeitete über 2 Millionen Ereignisse pro Stunde mit Ende-zu-Ende-Zustellungsgarantie
• Implementierte Unit- und Integrationstests für React-Anwendungen mit Jest und React Testing Library, erreichte über 80 % Testabdeckung, verbesserte die Zuverlässigkeit der Komponenten und verhinderte Regressionen
• Definierte und implementierte AWS-Cloud-Infrastruktur mit Terraform, containerisierte und orchestrierte Microservices mit Docker und Kubernetes und verbesserte so die Automatisierung und Skalierbarkeit des Systems
• Entwickelte eine skalierbare Full-Stack-Buchungsanwendung mit React 18 und Django REST Framework, integrierte Celery und Redis für asynchrone Task-Verarbeitung und setzte die Anwendung auf GCP mit Cloud Run und Firestore ein, um Echtzeit-Planung, Zahlungsabwicklung und automatisierte Benachrichtigungen zu ermöglichen
• Betreute Junior-Entwickler durch Code-Reviews, Pair Programming und Wissensaustausch-Sessions, steigerte die Team-Effizienz um 30 % und pflegte gleichzeitig umfassende API-Dokumentation mit Swagger/OpenAPI