Cloud Computing Experten in Deutschland

Als einziges großes integriertes Energieunternehmen in Deutschland deckt EnBW die gesamte Wertschöpfungskette ab – von der Energieerzeugung über die Verteilung bis hin zu den Kunden. Das Unternehmen baut seine erneuerbaren Energiequellen aus, setzt sich für einen sozialverträglichen Kohleausstieg ein und treibt Schlüsseltechnologien wie die Nutzung von grünem Wasserstoff voran. Eine schnelle Energiewende und das Erreichen der Klimaneutralität bis 2035 haben für EnBW Priorität.  Entwicklung und Implementierung einer ganzheitlichen Prozesssicht, die sowohl technische als auch organisatorische Aspekte berücksichtigt  Sicherstellung der E2E-Steuerung aller IAM-bezogenen technischen Services  Etablierung klarer Verantwortlichkeiten und Zuständigkeiten innerhalb der IAM-Landschaft  Zusammenarbeit mit verschiedenen Abteilungen zur Ermittlung und Optimierung einer ganzheitlichen Architektur sowie als Single Point of Contact (SPoC) für die Informationssicherheit  Einführung und Überwachung von Governance-Richtlinien zur Sicherstellung von Compliance und Sicherheit  Kontinuierliche Verbesserung der IAM-Prozesse und -Systeme durch regelmäßige Audits und Bewertungen der Services  Teilnahme an externen Audits zu Prozessen im Rahmen der offiziellen Audits nach ISO-Normen  Weiterentwicklung der Richtlinie zur Festlegung administrativer Vorgaben und Abläufe sowie deren Abstimmung mit den Verwaltungsbereichen  Konzeptionelle Weiterentwicklung des KPI-Systems zur Messung der Prozessqualität

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

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

• Projekt: ESU Windows und SQL-Server Konsolidierung / Configuration Management in ServiceNow
• Erstellung einer Ist-Analyse aller Server weltweit
• Erstellung einer Ist-Analyse aller SQL-Server weltweit
• Erstellung von Anforderungsanalysen für die SQL- und Servermigrationen
• Abstimmung der Anforderungen mit den Partnern für Migrationen auf Hyper-V (on-premises) oder Azure Cloud
• Moderation von Jour-fixe-Meetings
• Erstellung von Fahrplänen und Lösungsmodellen für Servermigrationen
• Aufbau von Testszenarien
• Moderation von Workshops für die Einführung eines Global-Admin-Teams
• Erstellung von Datenmodellen (CMDB) in ServiceNow
• Durchführung von Workshops für das Datenmodell der CMDB
• Erstellung von Lösungsmodellen für die CMDB
• Erstellung einer lückenlosen Konfigurationsdokumentation und Arbeitsdokumentation der CMDB
• Erstellung von Reports für das Lizenzmanagement
• Erstellung von KPIs zur Datenqualität in ServiceNow
• Erstellung eines Servicekatalogs
• Moderation von Workshops zur Erstellung der Service Requests
• Schnittstelle zwischen Bedarfsanalyse und ServiceNow-Development-Team
• Eingesetzte Systeme: Windows 7, Windows 10, Microsoft Office 365/2010, Windows Server 20xx, SQL Server 20xx, SharePoint, Azure Cloud, Hyper-V, ServiceNow, diverse Tools

Projekt: Defekterzeugung auf Prüfstandsbildern von Metalloberflächen Umfeld: Automatisierte Sichtprüfung (AVI), Metallurgie & Fertigung

• Ziel & Umsetzung: Konzeption, Architektur und Training Generativer Adversarial Networks (Pix2PixHD / SPADE) zur Bild-zu-Bild-Transformation. Gezielte Generierung synthetischer Materialfehler (z. B. Risse, Einschlüsse, Zunder) auf rauen Metalloberflächen unter realen Prüfstands-Lichtverhältnissen zur datenschutzkonformen und effizienten Datensatz-Erweiterung (Data Augmentation).
• Technisches Design: Implementierung robuster Generative-AI- und Computer-Vision-Pipelines in Python und PyTorch. Nutzung von Semantic-Segmentation-Ansätzen zur maskengesteuerten Defektsynthese und nachgelagerter Evaluierung mittels EfficientDet-Objekterkennungs-Modellen.
• Business Impact: Massives Dataset-Upscaling (Faktor 10x) ohne zeit- und kostenintensive physische Prüfstandsläufe bei gleichzeitig drastisch gesteigerter Erkennungsleistung automatisierter Inspektionssysteme.

Eingesetzte Technologien & Skills: Python | PyTorch | SPADE | Pix2PixHD | EfficientDet | Machine Learning | Semantic Segmentation | Computer Vision

• Administration und Weiterentwicklung der M365-Umgebung inkl. Teams, Exchange Online, Intune und SharePoint Online
• Entwicklung von Dashboards zur Performance-Überwachung mit Microsoft Power BI
• Umsetzung von Benutzeranforderungen und Prozessen mit Low-Code-/No-Code-Technologien (Power Apps, Power Automate)
• Nutzung von Jira und Azure DevOps zur Planung und Umsetzung von User Stories im agilen Projektkontext
• Teilnahme an Daily Stand-ups, Sprint Planning, Sprint Reviews und Retrospektiven als technischer Ansprechpartner
• Planung und Implementierung von Sicherheitsrichtlinien mittels Azure Conditional Access und Multi-Faktor-Authentifizierung
• Konfiguration und Deployment von Clients und Anwendungen über MECM (SCCM) und Baramundi

• Projekt: Thermomix Online Mock
• Manuelle Durchführung funktionaler Tests
• Umsetzung automatisierter End-to-End-Tests
• Durchführung von Regressionstests und Analyse der Ergebnisse
• Weiterentwicklung der QA-Webseite vom Server unter Verwendung von Express.js, Handlebars und Node.js
• Weiterentwicklung der Testumgebung
• Technologien: Agile Softwareentwicklung Scrum, Robot Framework, Python, JavaScript, Git (GitLab), VS Code, Jira, Confluence, Express.js, Handlebars, Phoenix/Elixir

Tools: Fabric, AWS, dbt, Power BI, SQL, DWH, R, Python

• Unterstützte Kunden bei der Umsetzung eines Architekturdesigns zur Extraktion und Aufbereitung von Daten
• Verantwortete die Konzeption und Implementierung der BI- und DWH-Plattform
• Sicherte die Skalierbarkeit und Performance der Datenplattform

• Von Experten betreute KI-Systeme für wissenschaftliches Schlussfolgern, Modellevaluation und Forschungs-Workflows.
• Entwickelte den IAS Problem Solver, ein orchestriertes System für schwieriges mathematisches Schlussfolgern; es erreichte 84 % in einem eingereichten Antwortsatz auf dem Leipziger Mathematik-Benchmark.
• Entwickelte eine fortsetzbare State-Machine-Pipeline für die Generierung von Benchmarks in der Forschungsmathematik: Quellenauswahl, LLM-Agent-basierte Phänomenfindung, Aufgabensynthese, Gold-Antwort- und Zertifikatsgenerierung sowie Validierung, Probe, Reparatur, menschliches Feedback und Quality Gates, mit Fokus auf Aufgaben, die schwierig, natürlich, verifizierbar und kosteneffizient sind.
• Die aktuelle Arbeit erweitert dies zu budgetbewussten KI-Forschungs-Workflows für reale wissenschaftliche Probleme mit Expertenprüfung.

Tech-Stack: Python, OpenAI/OpenRouter-kompatible APIs, Embeddings, RAG, SQLite.

IOG (IOHK) ist eines der weltweit führenden Unternehmen für Forschung und Engineering im Bereich Blockchain-Infrastruktur.

• Ein langwieriges F&E-Projekt in ein zusammenhängendes, produktionsreifes Testnet überführt; das 35-köpfige Engineering-Team (Core, QA, SRE) aufgebaut und skaliert, um dieses Ziel zu erreichen.
• Die strategische Ausrichtung definiert und als wichtiges Mitglied des Führungsteams die Technologieentwicklung an den Geschäftszielen ausgerichtet.
• Softwareentwicklungsprozesse optimiert und agile Methoden eingeführt, wodurch die betriebliche Effizienz und Codesicherheit verbessert wurden.
• Projekte in einem dynamischen Startup-Umfeld durch effektives Projektmanagement und eine gezielte Ressourcenverteilung umgesetzt.

• Übernahm die technische Leitung eines 4-köpfigen Teams, das innerhalb von 12 Monaten 3 wichtige Kundenplattformen mit Microservices-Architektur und Lösungen für Skalierbarkeit bereitstellte — 100% der geplanten Hauptfunktionen wurden vor dem Zeitplan und den geplanten Meilensteinen ausgeliefert (Ausgangslage: Frühere Releases verzögerten sich häufig um 1–2 Sprints).
• Führte Evaluierungen von KI-Modellen und Modellausgaben für LLM-/KI-Anbieter-APIs durch: Sicherheit, Vollständigkeit, Befolgung von Anweisungen und Prüfung der inhaltlichen Fundierung vor dem Go-live; reduzierte fehlerhafte Ausgaben in den KI-integrierten Release-Checklisten von wiederkehrenden UAT-Ergebnissen auf nahezu null bei der finalen Freigabe.
• Entwickelte die API-Entwicklung und Performance-Optimierung für Zahlungs-, Börsen- und KI-Dienste voran; strikt geschlossene Fehlerbehandlung und Payload-Validierung reduzierten die Überarbeitung von Integrationen im Vergleich zum ersten KI-Integrationsdurchlauf um ~35%.
• Setzte Softwaretests, Test-Frameworks, Qualitätssicherung von Code und Code-Refactoring mit Gates für die kontinuierliche Integration ein; die Akzeptanz von Pull Requests im ersten Durchlauf verbesserte sich im gesamten Team, und Hotfixes in der Produktion für KI-Adapter gingen nach Einführung der Review-Standards spürbar zurück.
• Verantwortete DevOps-Praktiken: Docker, GitHub Actions, Jenkins-kompatible Pipelines und Versionskontroll-Workflows — reduzierte die Bereitstellungszeit gegenüber der Ausgangslage vor der Automatisierung um ~50% und stabilisierte Releases in 3 Kundenumgebungen.
• Implementierte Verifier-/Oracle-artige Bestanden-Nicht-bestanden-Prüfungen in Container-Sandboxes (an Harbor/Terminal-Bench ausgerichtet); erstellte technische Dokumentation, sodass Fehler in einem Review-Zyklus behoben werden konnten.
• Leitete die funktionsübergreifende Zusammenarbeit mit Produkt- und Kundenstakeholdern; übersetzte KI-Evaluierungswerte und Risikobefunde in verständliche Kurzberichte für nichttechnische Partner und ermöglichte Go-/No-Go-Entscheidungen ohne zusätzliche Engineering-Meetings.
• Setzte agile Methoden für Sprintplanung und Backlog-Verantwortung ein; unterstützte Engineers dabei, dass Entwickler auf mittlerem Niveau bereits zur Hälfte des Projekts KI-Adapter-Module eigenständig verantworteten.

• Linux-Server-Migrationen: Planung und Umsetzung der Migration mit SLES Linux Deployment von VMs in VMware 8.0
• Anleitung der Kollegen zur Konfiguration der Linux-VMs in vSphere Auto Deploy
• Anwendungsbetrieb: Sicherstellung des reibungslosen Betriebs der Anwendungen auf den migrierten Servern
• Betriebshandbücher: Überarbeitung bestehender Betriebshandbücher, Ergänzung und Neuanlage bei Bedarf
• Überprüfung von Dienstleistungsangeboten: Anpassung und Optimierung des Serviceangebots externer Dienstleister
• Logistik SW, RedHat Linux, Ansible, Confluence / Jira

• PRISMA-Projekt
• Ansible-Automatisierung
• Windows Third Level Support für Windows NT, Windows 2000, Windows 2013, Windows 2016, Windows 2019

• Migration vorhandener Data-Jobs von Cognos Data Manager zu Tibco/IBI Datamigrator
• Parametrisierung der Data-Jobs für dynamische Abläufe
• Optimierung und Reduzierung
• Regressionstests
• Wissensvermittlung und Dokumentation

• Verantwortlich für die Steuerung der digitalen Transformation und die Ausrichtung der Landesorganisationen am Rhenus-Plattformmodell

• Die Roadmap für die digitale Transformation in fünf Ländern initiiert und dabei die Abstimmung mit der globalen Gruppenstrategie sichergestellt

• Ein leistungsstarkes Team für digitale Transformationsberatung aufgebaut und geführt, die Delivery-Kapazität von einem auf drei Value Streams erweitert und damit die Roadmap von 3 auf 2 Jahre beschleunigt

• Als strategischer Ansprechpartner für 5 Landesorganisationen agiert und eine gruppenweite, funktionsübergreifende Abstimmung sichergestellt

• Business Analysis in einen agilen Ansatz neu definiert und die Time-to-Value für die Plattformharmonisierung um 50 % reduziert