Zum Hauptinhalt springen
🇩🇪DSGVO konform
Finden Sie die richtigen

Azure Data Factory Experten in Deutschland

für zuverlässige Datenpipelines, in wenigen Minuten mit geprüften Fachleuten vermittelt

Beauftragen Sie Experten, die Azure Data Factory-Pipelines entwerfen, Cloud- und On-Premises-Quellen verbinden und Analyse-Workloads über Microsoft Fabric und Azure Synapse orchestrieren. Erhalten Sie präzise Matches mit geprüften, verfügbaren Freelancern, die schnell in Ihr Projekt einsteigen können.

Lerne FRATCH Experten in Deutschland kennen, die kürzlich Azure Data Factory eingesetzt haben

Verifizierter Experte

Ali B.

Profil ansehen

Domänenarchitekt Daten/IT & KI

Hartha
Ali B.

Letzte Position:

Domänenarchitekt Daten & IT/OT bei Tata-steel

Projekte: Bewertung, Migration, Modernisierung, Strategie, Prinzipien

  • Leitung der Bewertung der aktuellen Datenbanklandschaft verschiedener Fabriken in der IT/OT von Tata-steel
  • Erarbeitung von Datenprinzipien in Abstimmung mit der Strategie, die unternehmensweit von allen Fabriken zur Verbesserung der Qualität verwendet werden sollen
  • Vereinfachung der Datenlandschaft durch Verringerung der Anzahl der Tools für Extraktion, Transformation und Analyse
  • Leitung der Überprüfung der aktuellen Data-Governance-Tools und Auswahl der Data-Governance-Tools
  • Vorschlag einer passenden Lösung für den Drohnen-Anwendungsfall zur lokalen Speicherung und Integration von Daten für OT sowie für KI in der Cloud
  • Brainstorming mit den OT-Abteilungen zur Positionierung von Historian-Systemen als zweckmäßige Lösung innerhalb von OT und IT
  • Prüfung der Oracle UELA mit dem Einkauf und Beratung der Führungskräfte bei der Entscheidungsfindung
  • Leitung der Bewertung der Dimensionierung und Kosten für Oracle ExaCC für die kommenden Jahre gemeinsam mit dem Einkauf
  • Erstellung einer Roadmap für den Bereich Daten & IT für die nächsten zwei bis fünf Jahre zur unternehmensweiten Präsentation
  • Festlegung der Migrationsstrategie und Ermittlung der Oracle-Datenbanken, die für die Migration zu Oracle Exacc infrage kommen
  • Beratung von Lösungsarchitekten zu einer Lösung anhand der erstellten Prinzipien für die TATA DNA Platform
  • Entwicklung der Strategie für Backup und Archivierung vor Ort und in der Cloud mit IBM Prospect, Azure und OCI
  • Erstellung einer standardisierten Referenzarchitektur für Datenumgebungen und Tools für ETL und Reporting für Advanced Analytics

Schlüsseltechnologien: Oracle, Sequel Server, IBM DB2, Github, SAP, Databricks, Azure, Beaver, Oracle ExaCC, Spotfire, Azure Purview, ETL Tools, PowerBI, Tibco DataVirtualization, TIBCO spotfire, DataBricks, Azure Edge Apache Airflow, Sql server, Azure Data factory, Azure Blob Storage, logic apps, power-apps, Azure File Synch

Verifizierter Experte

Ravindra K.

Profil ansehen

Senior Data Engineer | Azure · Databricks · PySpark · Delta Lake

Cologne
Ravindra K.

Letzte Position:

Data Engineer (Team Lead) bei OPTUM – UnitedHealth Group

  • Aufbau des Lakehouse: Entwurf und Aufbau der Mitglieder- und Anspruchsberechtigungsdomäne eines Azure-Databricks-Healthcare-Lakehouses. Erfassung von Daten aus SQL Server sowie Datei- und REST/SFTP-Quellen (JSON, CSV, XML, Parquet) über Azure Data Factory in ADLS Gen2.
  • Medallion-Pipelines: Transformation von Daten durch die Bronze-, Silber- und Gold-Schichten von Delta Lake mit PySpark und Spark SQL; Einsatz von Delta Live Tables / Lakeflow mit integrierten Erwartungen für deklarative Pipelines mit Qualitätsprüfungen.
  • Modernisierung der Plattform: Bereitstellung einer Plattform für den Wechsel von SQL Server in die Cloud: ADF → ADLS Gen2 → Databricks → dbt Core-Modelle → Snowflake → Power BI. Ablösung älterer Berichte durch kontrollierte Analysen.
  • Robustes ETL: Aufbau metadatengesteuerter, idempotenter vollständiger und inkrementeller Ladevorgänge sowie Watermark-gesteuerter Ladevorgänge mit Schema-Evolution und Fehlerstatusbehandlung. Verbesserung der Zuverlässigkeit und erneuten Ausführbarkeit.
  • Datenmodellierung: Entwurf von Kimball-Sternschemata mit SCD Type 1 & 2-Dimensionen; Optimierung langsamer Abfragen und Pipelines mithilfe von Ausführungsplänen.
  • Governance & Sicherheit: Einsatz von Unity Catalog RBAC, Lineage und Audit-Logging sowie Azure Key Vault-Secrets und verwalteten Identitäten zur Erfüllung der HIPAA- und GDPR-Anforderungen.
  • Führung & Mentoring: Leitung eines 6-köpfigen Teams (2 Data Engineers, 2 Analysts, BI-Entwickler, QA); Mentoring von Engineers, Festlegung von Lieferstandards und Abstimmung mit internationalen Stakeholdern.
  • Bereitstellung & KI-gestützte Arbeit: Durchführung von CI/CD und Aufgabenverfolgung in Azure DevOps; Aufbau von Power-BI-Semantikmodellen mit DAX und RLS; Einsatz von Genie Code, Claude und Copilot zur schnelleren Entwicklung von PySpark/SQL, DAX und Dokumentation.
Verifizierter Experte

Murad K.

Profil ansehen

Senior AI/ML-Ingenieur

Düsseldorf
Murad K.

Letzte Position:

Senior AI/ML-Ingenieur bei Quantistry GmbH

  • Leitete die ganzheitliche Umsetzung von ML-/KI-Anwendungen für die QuantistryLab-Simulationsplattform – von der Anforderungsdefinition und Lösungsplanung über Entwicklung, Tests und Bereitstellung bis zur Unterstützung im Produktivbetrieb. Dabei koordinierte ich die Zusammenarbeit der Back-End-, DevOps- und ML-Teams.
  • Entwarf und implementierte ein System zur Suche nach Verbindungen mit einem LLM mit offenen Gewichten, dem Agenten-Framework Pydantic AI und dem Model Context Protocol (MCP) und stellte es über FastAPI-Endpunkte bereit.
  • Stellte den LLM-Service auf Basis von vLLM auf Kubernetes bereit und konfigurierte ihn.
  • Entwickelte CI/CD-Pipelines und Helm-Charts, um Bereitstellungen in Staging- und Produktionsumgebungen zu automatisieren.
  • Ergänzte das Suchsystem um OpenTelemetry-Spans und -Traces und integrierte es in die Observability-Plattform Honeycomb, um die Latenz einzelner Komponenten und Funktionsfehler zu überwachen.
  • Entwickelte einen benutzerdefinierten Evaluierungsdatensatz und setzte Auswertungen für die Relevanz der Suchergebnisse, die Richtigkeit der Antworten, die Genauigkeit von Tool-Aufrufen und den Erfolg der Aufgaben von Anfang bis Ende um.
  • Verkürzte die Vorhersagezeit für Infrarotspektren um 83 % (von 60 auf 10 Minuten), indem ich ein quantenmechanisches Modell durch ein vortrainiertes graph-neuronales Netzwerk ersetzte. Ich trainierte das Modell mit PyTorch weiter, entwickelte und containerisierte die Inferenzpipeline mit Docker und integrierte sie in die Plattform.
  • Implementierte eine MLflow-Modellregistrierung mit MinIO-gestützter Artefaktspeicherung.
  • Beriet Vertriebs- und Wissenschaftsteams zu ML-/KI-Anwendungen für potenzielle Kundenprojekte und brachte technisches Fachwissen in die Entwicklung vorgeschlagener Lösungen und Prototypen ein.

Technologien: AWS, Hetzner, Kubernetes, Helm, Docker, vLLM, Pydantic AI, MCP, Qwen, Llama 3, MLflow, MinIO, GitHub Actions, Python, FastAPI, OpenTelemetry, Honeycomb, PyTorch, Polars, pytest

Verifizierter Experte

Abdulhasib M.

Profil ansehen

Microsoft Fabric- & Power BI-Berater

Mülheim an der Ruhr
Abdulhasib M.

Letzte Position:

Power BI Entwickler / BI Consultant bei Telair International GmbH

  • Entwicklung von Power-BI-Reports, Measures und KPIs für Vertrieb, Einkauf, Materialwirtschaft, Lager und Produktion
  • Analyse der proALPHA-Datenbank (Progress OpenEdge) und performante SQL-Abfragen für Extraktion und Transformation
  • Datenmodelle, ETL-Prozesse und Pipelines inkl. automatisierter Aktualisierung über Power BI Service und Data Gateway
  • Anforderungsaufnahme und Umsetzung in enger Abstimmung mit den Fachabteilungen

Ausgewählte Projekte:

  • Vertriebsreport: Umsatz, Auftragseingang und Auftragsstatus
  • Einkaufsreport mit automatisierten Bestellvorschlägen (Power Automate)
  • Fehlteileüberwachung für Produktion und Materialwirtschaft
  • Produktionsstücklisten auf Microsoft Fabric inkl. Deployment-Pipeline (Dev → Prod)
  • Forecast-Vergleichsreport
  • Zentrale Power-BI-Apps, die alle Reports je Abteilung bündeln

Technologien: Power BI, DAX, Power Query (M), SQL, proALPHA, Progress OpenEdge, Microsoft Fabric, Power Automate, Python

Verifizierter Experte

Mahboobeh S.

Profil ansehen

Senior Business-Intelligence-Entwickler | Analytics Engineer

Berlin
Mahboobeh S.

Letzte Position:

Senior Analytics Engineer bei Jadoosoft

Als unabhängiger BI-Berater für eine FinTech-SaaS-Plattform tätig, Aufbau und Wartung des gesamten Microsoft-Azure- und Fabric-Analytics-Stacks hinter einem mandantenfähigen Buchhaltungsprodukt, mit dem Geschäftsinhaber ihre eigene finanzielle Entwicklung verfolgen.

  • Zusammenarbeit mit Finanz-Stakeholdern, um komplexe Buchhaltungsabläufe in Echtzeit-BI-Dashboards (P&L, Cash Flow, Balance Sheet) zu übersetzen und 2000+ Geschäftsinhabern zu ermöglichen, Cashflow und finanzielle Gesamtsituation einfach zu verfolgen.
  • Entwicklung von 10+ interaktiven Dashboards, die jedem Geschäftsinhaber eine personalisierte Echtzeitübersicht über die eigene Vertriebsleistung, die Überfälligkeit von Forderungen und die Betriebskosten bieten.
  • Sicherstellung einer strengen Data Governance durch die Implementierung dynamischer Row-Level Security (RLS) mit DAX, um die Daten jedes Geschäftsinhabers innerhalb des gemeinsamen mandantenfähigen Modells zu isolieren.
  • Wartung und Erweiterung einer Azure-ELT-Pipeline (Azure Data Factory, Azure SQL Database, Azure Synapse) zur automatisierten Datenaufnahme und -transformation.
  • Mitwirkung an der teamweiten Plattformmigration von Azure zu Microsoft Fabric zur Optimierung der Lizenzkosten für die Kapazität.
  • Konzeption und Implementierung einer Microsoft-Fabric-ELT-Pipeline (Lakehouse, Pipelines, PySpark) zur automatisierten Datenaufnahme und -transformation als Ersatz für die vorherige Azure-Pipeline.
  • Modellierung der bereinigten Daten in einem Star Schema innerhalb des Data Warehouse mit T-SQL als Grundlage für das Power BI Semantic Model.
  • Einsatz von KI-Tools, einschließlich Copilot und Claude, als Entwicklungspartner entlang der gesamten ELT-Pipeline, von der Datenaufnahme bis zu KPI-Reporting und Visualisierung.
  • Unterstützung agiler Bereitstellungsprozesse mit Jira zur Nachverfolgung von Entwicklungsaufgaben und Confluence zur Pflege technischer und projektbezogener Dokumentation.
Verifizierter Experte

Hachem S.

Profil ansehen

Dozent für Machine Learning & BI

Munich
Hachem S.

Letzte Position:

Dozent für Machine Learning & BI bei EU Business School

  • Machine Learning, BI und Big Data für Master-Studierende unterrichtet.

Technologien: Python, Power BI, SQL, ML, SnowflakeDB, databricks, MS Fabric, MongoDB, LLM

Verifizierter Experte

Robert L.

Profil ansehen

Senior IT-Projekt- & Programmmanager | Cloud, Daten, KI

Munich
Robert L.

Letzte Position:

Senior Projektleiter KI & Daten bei Großer deutscher Energieversorger

KI-Assistenz und Zielbild für teilautonome Energieportfolio-Steuerung

Aufbau einer KI-Steuerungsschicht direkt auf dem tagesaktuellen Live-Portfolio eines großen Energieversorgers — nicht als isolierter Pilot, sondern als operative Erweiterung der bestehenden DB1- und Portfolio-Steuerung. Ziel ist die schrittweise Entwicklung von Assistenz über Monitoring/Alerting bis zu Analyse-Agenten mit Human-in-the-Loop-Freigaben, ergänzt um ein rollenspezifisches System of Engagement neben dem BI-System of Record. Parallel werden Business Case, Zielbild und Management-Pitch gegenüber statischem Monatsreporting erarbeitet.

  • KI-Steuerungsschicht: Konzeption und Aufbau auf dem bestehenden Live-Portfolio-Datenprodukt (mehrere Mio. Verträge) — Ausbaustufen Assistenz → Monitoring/Alerting → Agenten mit Human-in-the-Loop-Freigaben.
  • LLM-gestützte Datenanalyse: Semantische Abfragen, SQL-/Tool-Anbindung und ergänzende RAG-Komponenten auf Portfolio-, Plan-Ist- und Datenqualitätsdaten (Azure OpenAI, Snowflake) mit Drill-downs bis auf Einzelvertragsebene.
  • Analyse-Agenten: Mehrstufige Agenten für Abweichungs- und Treiberanalysen zu Churn, Preisanpassungen, Mengen und Beschaffungskosten.
  • Sichtenkonzept: Rollenspezifische Oberflächen für Fachbereich, Management und C-Level als System of Engagement neben dem BI-System of Record.
  • Business Case & Pitch: Zielbild und Kosten-Nutzen-Argumentation gegenüber statischem Monatsreporting.
  • LLM-Setup (Datenschutz & Security): Abstimmung mit IT-Security und Datenschutz — EU-Region, Datentrennung, Freigabeprozesse.
  • Agenten-Architektur: Mehrstufige Agenten-Pipelines (Analyse → Validierung → Zusammenfassung) mit dokumentierten Datenquellen, Tool-Aufrufen, Prüfschritten und Quellenbezug je Aussage.
  • Datenfundament: Aufsatz auf dem tagesaktuellen DB1-Datenprodukt (Snowflake, dbt) — Portfolio-, Plan-Ist- und Datenqualitätskennzahlen als gemeinsame Basis aller KI-Analysen.
  • Guardrails & Evaluation: Evaluations- und Freigabeprozesse für LLM-Antworten bei steuerungsrelevanten Aussagen — Testsets, Metriken, Human-Review.
  • Prototyping & Validierung: Iterative Validierung der Agenten-Antworten mit dem Fachbereich — Testfragen-Katalog, Feedback-Schleifen, Antwortqualität je Release.
  • Roadmap & Ausbaustufen: Detaillierung der Stufen Assistenz → Monitoring/Alerting → teilautonome Steuerung inkl. Übergangskriterien und Governance je Stufe.
  • Integration: Einbettung in die bestehende BI- und Datenlandschaft — BI bleibt System of Record, die KI-Schicht liefert interaktive Drill-down-Pfade als System of Engagement.
  • Enablement: Befähigung der Anwender im Fachbereich — Prompting-Leitfäden, Schulungen und Betriebsmodell für den laufenden Einsatz.
  • Steuerung: Koordination Fachbereich, Data Engineering, IT-Security & Datenschutz.
  • Change Management: Kommunikation und Erwartungsmanagement gegenüber Fachbereich und Management entlang der Ausbaustufen.

Ergebnisse:

  • Auf bestehendes tagesaktuelles Datenprodukt mit mehreren Millionen Verträgen aufgesetzt
  • Mit Datenschutz und IT-Security abgestimmtes LLM-Setup in EU-Region mit Datentrennung und Freigaben etabliert
  • Drei Ausbaustufen bis zur teilautonomen Steuerung definiert
  • Rollenspezifische Sichten für Fachbereich, Management und C-Level konzipiert
  • Business Case und Management-Pitch für die Ausbaustufen erarbeitet
  • Iterativer Validierungsprozess für Antwortqualität mit dem Fachbereich etabliert
  • Betriebsmodell für den Assistenzbetrieb konzipiert und in Validierung

Stack: Azure OpenAI, Azure AI Foundry, Snowflake, dbt, React, TypeScript, Entra ID, RAG, Agentic AI, Analyse-Agenten, Human-in-the-Loop, Prompt Engineering, LLM Evaluation, LLMOps, DSGVO / EU-Region, Azure DevOps, Python, SQL, Change Management

Verifizierter Experte

Varsha P.

Profil ansehen

Senior BI-Ingenieur und Datenanalyst mit Schwerpunkt auf SQL, Power BI und Microsoft Fabric

Ingolstadt
Varsha P.

Letzte Position:

Senior Data Analyst bei Infosys

Modernisierung der Enterprise-Analytics – In Deutschland ansässige Enterprise-Reporting-Plattform für Betriebs- und Managementanalysen, die von 1,000+ internen Nutzern aus mehreren Abteilungen genutzt wird.

  • Leitung von Power-BI- und Microsoft-Fabric-Reporting-Initiativen von Anfang bis Ende; Bereitstellung skalierbarer Dashboards und semantischer Modelle zur Unterstützung täglicher operativer und strategischer Entscheidungen, wodurch die Geschwindigkeit von Entscheidungen um 30% und die Effizienz der Berichterstattung um 25% verbessert wurden.
  • Entwicklung einheitlicher Unternehmensdatensätze mit Microsoft Fabric Lakehouse und OneLake, Automatisierung der Verarbeitung historischer Daten und Reduzierung des manuellen Reporting-Aufwands um 40%.
  • Aufbau und Pflege automatisierter Datenaufnahmepipelines mit Fabric Dataflows Gen2 und Data Pipelines, Verbesserung der Zuverlässigkeit der Datenaktualisierung auf 99.8% Verfügbarkeit und Sicherstellung einer gleichbleibenden Datenqualität.
  • Umsetzung einer unternehmensweiten Reporting-Governance einschließlich Row-Level Security (RLS), Workspace-Strategie, Deployment-Pipelines und Dokumentation; dadurch Steigerung der Dashboard-Nutzung um 35%.

Verwendete Technologien: Power BI, Microsoft Fabric, DAX, Power Query, SQL, Azure Data Fundamentals, Semantic Modeling, RLS, Agile

Verifizierter Experte

Carlbandro E.

Profil ansehen

Menschen und Unternehmen dabei zu helfen, in Cloud, Big Data Visualisierung, Python und agilen Methoden erfolgreich zu sein

Frankfurt am Main
Carlbandro E.

Letzte Position:

IT-Lehrkraft / Coach bei Freiberuflich

Als freiberufliche IT-Lehrkraft und IT-Coach habe ich mich darauf spezialisiert, Menschen Themen wie Cloud Computing, Business Intelligence, Python-Programmierung und agile Frameworks zu vermitteln. Mein Ziel ist es, komplexe technische Inhalte in praktisches, umsetzbares Wissen zu übersetzen. Durch meine umfangreiche Erfahrung als IT-Berater in verschiedenen Branchen und Rollen weiß ich, wie wichtig IT-Schulungen sind - sowohl für Unternehmen als auch für Mitarbeitende.

Verifizierter Experte

Hardeep B.

Profil ansehen

Sr. Data Engineer

Munich
Hardeep B.

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.
Verifizierter Experte

Maziyar K.

Profil ansehen

Senior Data Engineer

Taufkirchen
Maziyar K.

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

Verifizierter Experte

Jorge M.

Profil ansehen

Datenexperte

Würzburg
Jorge M.

Letzte Position:

Technical Lead / Fractional CTO bei Würth GmbH

Ich habe eine KI-gestützte Multi-Tenant-Plattform auf Azure entworfen und entwickelt, die SAP-Prozessaufzeichnungen in technische Dokumentation, Präsentationen und automatisierte Tests umwandelt und dabei über 15.000 Prozessaufzeichnungen für Unternehmenskunden wie Würth verarbeitet. Ich war verantwortlich für die Architektur, die produktiven Releases und das DevOps-Setup. Außerdem habe ich ein Multi-Tenant-System mit SSO und rollenbasierter Zugriffskontrolle auf Azure entworfen. MCP Server mit dynamischer OAuth-Authentifizierung implementiert.

Hauptaufgaben:

  • Sprint-Planung und Feature-Vorbereitung
  • Design der Multi-Tenant-Plattform-Architektur (FastAPI, SQLAlchemy, PostgreSQL Row-Level Security für Tenant-Isolation)
  • Entwicklung von KI-Pipelines mit Prefect für Transkription (Azure Speech API), Dokumentengenerierung und SAP-Screen-Recording-Analyse (Claude, gpt-4-mini)
  • Design und Implementierung eines MCP-Servers, um Tenant-Wissen für LLM-Clients (Claude) bereitzustellen, mit asynchronem Retrieval und Reranking
  • Implementierung von LLM-Kosten-Tracking, Rate Limiting und Client-Pooling für Anthropic/OpenAI/Azure-OpenAI-Endpunkte
  • Einrichtung von CI/CD: Docker-Images in Azure Container Registry, GitHub Actions, Azure Static Web Apps, Alembic-Migrationen in Containern
  • Verwaltung von Produktions-Deployments und Durchführung von Live-Datenmigrationen für Unternehmenskunden
  • Definition von Engineering-Standards und Architekturmustern für das Team

Umgebung: Azure / Azure Foundry / Python / FastAPI / Prefect / React / PostgreSQL

Verifizierter Experte

Suyash S.

Profil ansehen

Datenanalyst/Business Intelligence

Suyash S.

Letzte Position:

Datenanalyst – Reporting & Analytics bei SIXT SE

  • Entwicklung und Pflege analytischer Kundenreporting-Lösungen zur Identifizierung von Umsatztrends, Leistungstreibern, Risiken und Optimierungsmöglichkeiten, um datengestützte Entscheidungen in den Bereichen Vertrieb, Finanzen, Produkt, Data Engineering und Controlling sicherzustellen.
  • Definition und Analyse von Kundentrends und Leistungskennzahlen zur Identifizierung von Ursachen für Abweichungen, Anomalien und aufkommende Risiken in verschiedenen Geschäftsbereichen, um umsetzbare Empfehlungen zu liefern.
  • Entwicklung und Verantwortung für analytische Datenmodelle und Reporting-Schichten, um Skalierbarkeit, Leistung und analytische Belastbarkeit sicherzustellen und Management- sowie operatives Reporting in verschiedenen Geschäftsbereichen zu unterstützen.
  • Planung, Nachverfolgung und Durchführung von Projekten unter Sicherstellung der Einhaltung von Zeitplänen, Datengenauigkeit, Konsistenz, Liefergegenständen, Zuverlässigkeit und Datenqualitätsstandards durch gründliche Validierungs- und Abstimmungsprozesse.
  • Steigerung der analytischen Reife durch die Formalisierung analytischer Arbeitsabläufe, Dokumentation von Datenprozessen und Standardarbeitsanweisungen (SOPs) sowie Durchführung von Schulungen, um die Nutzung von Self-Service-Analytics zu fördern und eine datengestützte Kultur in operativen und geschäftlichen Teams zu verankern.
  • Verantwortung für die End-to-End-Roadmap von der Anforderungserhebung, Datensammlung und Transformation über die Entwicklung robuster Geschäftslogiken bis hin zu Data Storytelling und der Präsentation vor Stakeholdern.
  • Komplexität in strukturierte Klarheit übersetzt, indem Anforderungen und Geschäftsprozesse in analytische Empfehlungen überführt wurden, um die Abstimmung zwischen nichttechnischen und technischen Stakeholdern sicherzustellen.
  • Durchführung fortgeschrittener SQL-basierter Analysen komplexer Geschäftsdaten zur Aufdeckung von Trends, Zusammenhängen und Möglichkeiten zur Leistungsverbesserung.
  • Vorantreiben von Prozessautomatisierung und Effizienzsteigerungen durch den Einsatz von Python, SQL-Optimierung und KI-gestützten Tools, um die Verarbeitungszeit zu reduzieren und die Zuverlässigkeit in analytischen und operativen Arbeitsabläufen zu erhöhen.
  • Standardisierung von KPI-Definitionen und Reporting-Logik, um Konsistenz und Vertrauen in allen Reporting-Lösungen sicherzustellen.
  • Entwicklung von Dashboards und Analysen zur Prozessüberwachung, um Ineffizienzen, Engpässe und Compliance-Abweichungen in ganzheitlichen Geschäftsprozessen zu identifizieren und umsetzbare Empfehlungen für Prozessverbesserung und Automatisierung abzuleiten.
Verifizierter Experte

Tobias L.

Profil ansehen

Dateningenieur

Berlin
Tobias L.

Letzte Position:

Dateningenieur bei unitb consulting GmbH

Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlags- und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.

Tätigkeiten:

  • Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
  • Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
  • Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
  • Aufbau von Monitoring- und Alerting-Systemen für Echtzeit-Plattformüberwachung
  • Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
  • Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket

Erfolge:

  • 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
  • 3.000 Zeilen manuelle Konfiguration durch wiederverwendbares Automatisierungsmodul für 7 Kunden-Domains ersetzt, Konfigurationsfehler auf 0
  • Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
  • 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
  • 100 % offenliegende Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
  • 3-Team-Integration in 1 Sprint geliefert

Entdecke mehr als 15.000 Top-Freelancer

Statistiken von Experten, die Azure Data Factory einsetzen

Aggregiert aus den beruflichen Profilen passender Freelancer.

Berufserfahrung

16 Jahre

Azure Data Factory Experten in Deutschland verfügen im Durchschnitt über 16 Jahre Berufserfahrung.

Positionsdauer

2,1 Jahre

Azure Data Factory Experten in Deutschland bleiben im Durchschnitt 2,1 Jahre in einer Position.

Positionen pro Freelancer

11

Azure Data Factory Experten in Deutschland haben im Laufe ihrer Karriere durchschnittlich 11 Positionen abgeschlossen.

Häufigste Fachbereiche

Informationstechnologie (IT), Business Intelligence, Produktentwicklung

Azure Data Factory Experten in Deutschland haben den Großteil ihrer praktischen Projekterfahrung in den Bereichen Informationstechnologie (IT), Business Intelligence und Produktentwicklung gesammelt.

Häufigste Branchen

Informationstechnologie (IT), Professionelle Dienstleistungen, Bank- und Finanzwesen

Azure Data Factory Experten in Deutschland sind in den Branchen Informationstechnologie (IT), Professionelle Dienstleistungen und Bank- und Finanzwesen am stärksten gefragt.

Fokus der Zertifizierungen

Informationstechnologie (IT), Business Intelligence, Projektmanagement

Azure Data Factory Experten in Deutschland erwerben ihre Zertifizierungen am häufigsten in den Bereichen Informationstechnologie (IT), Business Intelligence und Projektmanagement.

Bachelor-Abschluss oder höher

96%

96% der Azure Data Factory Experten in Deutschland haben mindestens einen Bachelor-Abschluss.

Master-Abschluss oder höher

62%

62% der Azure Data Factory Experten in Deutschland haben mindestens einen Master-Abschluss.

Doktortitel

8%

8% der Azure Data Factory Experten in Deutschland haben einen Doktortitel (PhD).

Zertifizierungen pro Freelancer

4

Azure Data Factory Experten in Deutschland besitzen im Durchschnitt 4 berufliche Zertifizierungen.

Häufigste Sprachen

Deutsch, Englisch, Französisch

Azure Data Factory Experten in Deutschland sprechen am häufigsten Deutsch, Englisch und Französisch.

Sprechen zwei oder mehr Sprachen

97%

97% der Azure Data Factory Experten in Deutschland sprechen zwei oder mehr Sprachen.

Basierend auf unserem Profilpool, Stand 18 Nov 2026.

Tagessatzverteilung

0% 25% 50% 75% 100%
47 % der Azure Data Factory Experten in Deutschland verlangen weniger als 800 € pro Tag.
49 % der Azure Data Factory Experten in Deutschland verlangen zwischen 800 € und 1200 € pro Tag.
2 % der Azure Data Factory Experten in Deutschland verlangen zwischen 1200 € und 1600 € pro Tag.
2 % der Azure Data Factory Experten in Deutschland verlangen 1600 € oder mehr pro Tag.
<€800 €800-​1200 €1200-​1600 €1600+

Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Deutschland 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.

Entdecke detaillierte Tagessatz-Benchmarks für Azure Data Factory:

Tagessatz-Einblicke entdecken

Durchschnittssätze von Experten in Deutschland, die Azure Data Factory einsetzen

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

1000
750
500
250
Stundensatzvergleich-Diagramm
Ø Tagessatz 750 €

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

1000
750
500
250
Stundensatzvergleich-Diagramm
Median-Tagessatz 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 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.

Branchenfokus der Azure Data Factory Experten

Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.

  • Informationstechnologie (IT) (90%)
  • Professionelle Dienstleistungen (58%)
  • Bank- und Finanzwesen (54%)
  • Automotive (42%)
  • Energie (41%)
  • Gesundheitswesen (36%)
  • Fertigung (34%)
  • Einzelhandel (34%)

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

Über die Technologie

Was es leistet

Azure Data Factory ist ein verwalteter Cloud-Dienst von Microsoft zur Integration und Transformation von Daten. Teams nutzen ihn, um Informationen zwischen Datenbanken, SaaS-Anwendungen, Dateispeichern und Data Lakes zu verschieben und anschließend für Reporting, Analysen oder maschinelles Lernen aufzubereiten. Die visuellen Erstellungstools und die Pipeline-Orchestrierung unterstützen wiederholbare und überwachte Daten-Workflows.

Zentrale Bausteine

ADF-Pipelines koordinieren Aktivitäten wie Kopieren, Nachschlagen, Filtern, Zuordnen sowie die Ausführung von Notebooks oder gespeicherten Prozeduren. Datasets beschreiben Quellstrukturen, verknüpfte Dienste verwalten Verbindungen und Integrationslaufzeiten stellen die Ausführungsebene bereit. Mapping Data Flows ermöglichen visuelle Transformationen, ohne für jeden Workload einen separaten Cluster zu benötigen.

Verbundenes Ökosystem

Starke Spezialisten arbeiten mit dem gesamten Microsoft-Daten-Stack und den Systemen, die ihn speisen:

  • Azure Data Lake Storage, Azure Synapse Analytics und Microsoft Fabric
  • Azure SQL, SQL Server, PostgreSQL und andere relationale Quellen
  • REST-APIs, SAP, Salesforce, SharePoint und dateibasierte Systeme
  • Azure Key Vault, Azure Monitor, Git und CI/CD-Workflows

Sie verstehen außerdem Authentifizierung, private Endpunkte, selbstgehostete Integrationslaufzeiten und die Konfiguration der Infrastruktur.

Typische Projektarbeit

Unternehmen beauftragen Azure Data Factory-Fachleute, um neue Ingestion-Frameworks zu erstellen, SSIS-Workloads zu modernisieren und fragmentierte Quellsysteme zu verbinden. Typische Ergebnisse umfassen parametrisierte Pipelines, inkrementelle Ladevorgänge, Change-Data-Capture-Flows, Transformationslogik, Deployment-Vorlagen und operative Dashboards. In Deutschland kann die Zusammenarbeit die Remote-Umsetzung mit Workshops vor Ort für Teams kombinieren, die regulierte oder geschäftskritische Daten verarbeiten.

Wann Fachwissen wichtig ist

Freelance-Unterstützung ist hilfreich, wenn interne Teams schnell eine Datenplattform bereitstellen müssen oder bestehende Pipelines langsam, instabil oder schwer zu betreiben sind. Anzeichen dafür sind wiederholte manuelle Exporte, unklare Datenverantwortung, fehlgeschlagene geplante Ausführungen und eine wachsende Nachfrage nach verlässlichem Reporting:

  • Aufbau einer gesteuerten Ingestion-Schicht für einen Lakehouse oder ein Data Warehouse
  • Ersetzen instabiler Skripte oder veralteter SSIS-Pakete
  • Skalieren von Pipelines über Umgebungen und Geschäftsbereiche hinweg
  • Verbessern von Monitoring, Alarmierung und Wiederherstellungsverfahren

Was starke Fachleute mitbringen

Die besten Spezialisten verbinden Kenntnisse in Azure Data Factory mit SQL, Datenmodellierung, Python oder Scala, DevOps und Sicherheitspraktiken. Sie klären das Verhalten der Quellen, definieren Datenqualitätsprüfungen und entwickeln mit Blick auf Wiederholungen, Idempotenz und Kostenkontrolle. Bei der Bewertung eines Fachmanns sollten Sie vergleichbare Pipeline-Designs, Deployment-Methoden, den Umgang mit Vorfällen und die Fähigkeit prüfen, Abwägungen technischen und geschäftlichen Stakeholdern klar zu erklären.

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

Brauchst du Klarheit? Das sind die Fragen, die uns zu Azure Data Factory am häufigsten gestellt werden.

Azure Data Factory wird verwendet, um Datenintegrationspipelines zu erstellen und zu planen. Damit lassen sich Daten zwischen Cloud- und On-Premises-Systemen kopieren, Datasets transformieren, andere Azure-Dienste auslösen und wiederkehrende Workflows überwachen. Unternehmen nutzen es häufig, um Data Lakes, Data Warehouses und Analyseumgebungen zu versorgen.

Azure Data Factory bietet eine verwaltete, cloudorientierte Alternative zu SQL Server Integration Services. SSIS kann für etablierte Microsoft-Umgebungen weiterhin geeignet sein, während ADF besser für hybride Konnektivität, elastische Orchestrierung und die Integration mit Azure-Diensten geeignet ist. Die richtige Wahl hängt von bestehenden Paketen, Hosting-Anforderungen und Migrationszielen ab.

Ein guter Azure Data Factory-Spezialist verfügt normalerweise über Kenntnisse in SQL, Data Warehousing und Datenmodellierung. Erfahrung mit Azure Data Lake Storage, Azure Synapse Analytics, Microsoft Fabric, Azure DevOps, Python, APIs und Identitätsmanagement ist ebenfalls wertvoll. Kenntnisse in Monitoring und Datenqualität helfen dabei, Pipelines in zuverlässige Abläufe zu verwandeln.

Das richtige Niveau hängt vom Umfang und nicht von einer festen Jahreszahl ab. Für eine einfache Reihe von Kopierpipelines kann ein Fachmann ausreichen, der Verbindungen, Parameter und Monitoring konfigurieren kann, während eine Plattformmigration jemanden mit Erfahrung in Architektur, Sicherheit, CI/CD und Fehlerbehebung erfordert. Bitten Sie um Beispiele, die zu Ihren Quellen, Datenmengen und Ihrem Betriebsmodell passen.

Azure Data Factory kann über eine selbstgehostete Integrationslaufzeit Verbindungen zu On-Premises-Datenbanken und Dateisystemen herstellen. Der Spezialist muss Netzwerkzugriff, Zugangsdaten, Firewall-Regeln, Durchsatz und Wartungsverantwortlichkeiten planen. Das ist besonders wichtig, wenn Remote-Teams mit deutschen Organisationen zusammenarbeiten, die sensible Systeme vor Ort betreiben.

Die Arbeit mit Azure Data Factory eignet sich oft gut für die Remote-Zusammenarbeit, da Pipelines, Repositories und Monitoring über die Cloud zugänglich sind. Workshops können dennoch hilfreich sein, um Quellverantwortung, Sicherheitskontrollen und Geschäftsregeln abzustimmen. Klären Sie bei deutschen Projekten Arbeitszeiten, Dokumentationsstandards und ob Kommunikation auf Deutsch erforderlich ist.

Fragen Sie, wie der Azure Data Factory-Fachmann inkrementelles Laden, Wiederholungen, Parametrisierung, Geheimnisse und Deployments über mehrere Umgebungen hinweg handhabt. Bitten Sie um eine Vorstellung eines vergleichbaren Designs und besprechen Sie Monitoring, Datenvalidierung und die Wiederherstellung nach einem teilweisen Ausfall. Klare Erklärungen von Abwägungen sind genauso wichtig wie Toolkenntnisse.

Ein typisches Azure Data Factory-Projekt kann Pipline-Definitionen, verknüpfte Dienste, Datasets, Transformationslogik, Parameterdateien und die Deployment-Konfiguration umfassen. Es sollte außerdem Dokumentation, Zugriffsanforderungen, Monitoring-Alarme, Datenqualitätsprüfungen und Anleitungen zur Übergabe abdecken. Legen Sie frühzeitig fest, wer für Repositories, Umgebungen und laufenden Support verantwortlich ist.

Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, liegt bei 94 €, was einem Tagessatz von etwa 750 € bei einem 8-Stunden-Tag entspricht.

Von den Freelancern in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, haben 96% mindestens einen Bachelor-Abschluss, 62% mindestens einen Master-Abschluss und 8% einen Doktortitel.

Freelancer in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 16 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,1 Jahre.

Die häufigsten Sprachen unter Freelancern in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, sind Deutsch (98%), Englisch (98%) und Französisch (17%).

Die häufigsten Industrien unter Freelancern in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (90%), Professionelle Dienstleistungen (58%) und Bank- und Finanzwesen (54%).

Die häufigsten Bereiche unter Freelancern in Deutschland, die Azure Data Factory in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (97%), Business Intelligence (90%) und Produktentwicklung (68%).

Hauptstandorte der FRATCH Experten, die kürzlich Azure Data Factory 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