
Data Lake Experten in Berlin
aufbauen, die in wenigen Minuten aus über 15.000 Lebensläufen vermittelt werdenBeauftragen Sie Experten, die skalierbare Ingestion-Pipelines entwerfen, in Cloud-Objektspeichern abgelegte Daten verwalten und Analytics-, Machine-Learning- und Reporting-Workloads verbinden. FRATCH findet schnell und präzise geprüfte, verfügbare Freelancer, deren Fähigkeiten zu Ihrem Data-Lake-Projekt passen.
Lerne FRATCH Experten in Berlin kennen, die kürzlich Data Lake eingesetzt haben
Vili D.
Letzte Position:
Technischer Leiter, Data Engineer bei Mercedes-Benz Consulting
Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte und bessere Transparenz und Reproduzierbarkeit
Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
Pipeline-Orchestrierung mit Azure Data Factory
Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS Sharepoint, Mural
Alexander Z.
Letzte Position:
Senior Data Solutions Engineer bei VMware Inc.
- Architektur und Bereitstellung einer privaten Cloud-Datenplattform auf VMware vSphere mit Integration von Greenplum MPP, Apache Kafka, Kubernetes und Apache Solr sowie Entwicklung von Echtzeit-Ingestion-Pipelines mit Kafka Connect und Schema Registry.
- Leitung der Migration von Oracle Exadata zu Greenplum, Neugestaltung von Datenmodellen, Optimierung der Speicherung, Implementierung von RabbitMQ mit Debezium für CDC und Bereitstellung einer VectorDB für Generative AI.
- Entwicklung und Durchführung eines Multi-Cloud-Migrations-PoC über AWS, Azure und GCP, Definition von KPIs für Durchsatz, Latenz und Kosteneffizienz, Durchführung umfangreicher Datentransfers, Validierung von Analyse- und Streaming-Workloads sowie Erstellung umfassender Architektur-Empfehlungen.
- Bewertung bestehender On-Premises-Infrastrukturen und Entwicklung moderner cloudnativer Datenplattformen mit Greenplum und containerisierten Microservices sowie Beratung zu Skalierbarkeit, Disaster Recovery und Hochverfügbarkeit.
Nisanthan S.
Letzte Position:
Business-Intelligence-Berater (freiberuflich) bei NBIC – Nisanthan BI Consulting
Beratung von Unternehmen beim Aufbau, bei der Migration und Optimierung von BI- und Reporting-Landschaften (Power BI, SQL, Python, ETL)
5 Kundenprojekte in Immobilien und Finanzen seit 05/2025: Übernahme und Stabilisierung bestehender Berichte, Automatisierung wiederkehrender Standard- und Managementberichte, Aufbau von Cashflow-Modellen
Erstellung von Angeboten und Durchführbarkeitsbewertungen für BI- und Reporting-Projekte
Einsatz KI-gestützter Entwicklung (Claude Code) zur Beschleunigung von Automatisierung, Tooling sowie Web- und App-Entwicklung
Individuelles ERP-System
Problem: Die Kernprozesse eines Kunden liefen über verstreute, voneinander getrennte Excel-Dateien ohne zentrale Datenspeicherung – fehleranfällig, schwer skalierbar und nicht durchgängig analysierbar.
Vorgehen: Erfassung der Geschäftsprozesse und Anforderungen, Modellierung der Daten und iterative Entwicklung gemeinsam mit dem Fachteam.
Umsetzung: Entwicklung eines maßgeschneiderten, webbasierten ERP-Systems mit zentraler Datenbank, rollenbasierten Modulen und automatisiertem Reporting – umgesetzt mit KI-gestützter Entwicklung in Claude Code.
Zeiterfassungs-App
Ausgangspunkt: Die Zeiterfassung basierte auf einer übergroßen, makrolastigen Excel-Vorlage – wartungsintensiv, nur für einen Benutzer geeignet und fehleranfällig.
Umsetzung: Migration sämtlicher Funktionen und VBA-Makros in eine eigenständige Web-App mit zentraler Datenspeicherung, Unterstützung mehrerer Benutzer und automatisiertem Reporting.
Cashflow-Modellierung
Ausgangspunkt: Das bestehende Cashflow-Modell umfasste nur Bestandsinvestitionen; Projektentwicklungen wurden bei der Steuerung nicht berücksichtigt.
Umsetzung: Aufbau und Erweiterung des CF-Modells um Cashflows aus Projektentwicklungen.
Optimierung: Prüfung und Optimierung bestehender CF-Modelle sowie Erweiterung der KPI-Ausgaben für Reporting und Steuerung.
Jan K.
Letzte Position:
Datenexperte bei Fertigung
Bertrand R.
Letzte Position:
Interim IAM Product Owner (Identitätsmanagement) bei REWE digital GmbH
- Etablierung von Identity- & Directory-Management als neues (ausgelagertes) Team und Produkt im IAM-Cluster.
- Leitung des Produkts „Identity & Directory Management“ (8 Personen) als Product Owner.
- Konzept für „Digitale Identitäten“, d. h. IDs mit beliebig vielen Nutzern/Konten und Strategie für ein modernisiertes Produktangebot.
- Modernisierung der APIs, Migration zu containerisierter Infrastruktur, Rollout in internationale Märkte und standardisierte Lösungen im gesamten REWE-Konzern.
- Tech: OpenText™ (NetIQ) eDirectory & Identity Manager, LDAP, SAP HR/HCM, Docker/Kubernetes/Podman, REST-APIs, Microsoft Active Directory & Entra ID, PostgresDB, Keycloak, Ansible, Cyberark (PAM), Apache Kafka, Jira, Confluence, Miro.
Viktoria B.
Letzte Position:
Freiberufliche globale Recruiterin IT & Engineering bei Freelance Global Recruiter IT & Engineering
- Active Sourcing (Europa & Asien)
- End-to-End-Recruiting (Europa & Asien): Koordination der Recruitingprozesse; Beratung zur Recruitingstrategie
- Zusammenarbeit mit Hiring Managern inkl. C-Level und Global Vice President
- Vertragsvorbereitung und Besprechung aller Fragen mit den Bewerbern
- Schulungen und Mentoring zu den Themen Interviewführung, Active Sourcing, Selbstorganisation, Aufbau der Pipeline
- Langjährige umfassende Berufserfahrung mit Personaldienstleistungsunternehmen
- Zusammenarbeit mit globalen HR-Abteilungen inkl. Betriebsrat
- Sehr gute Anwenderkenntnisse in MS Office 2011 (Word, PowerPoint, Excel)
- Sehr gute Anwenderkenntnisse in CRM-/ATS-Systemen (Salesforce, Personio, iCIMS, HCL Notes)
Amogha S.
Letzte Position:
Senior Product Manager - OS, Plattform, IAM bei Aleph Alpha GmbH
- Verantwortlich für den Produktlebenszyklus der souveränen KI-Plattform und Betriebssystem-Teams für Enterprise- und Regierungskunden sowie interne Stakeholder (Infra, Lösungslieferung, Support, Umsatz)
- Plattform von einer 200-Nutzer-Beta auf einen vollständigen Rollout mit über 70.000 Mitgliedern bei der Bundesagentur für Arbeit (BA) aufgebaut und dabei ISO 42001- und EU-KI-Verordnungskonformität sichergestellt
- Die Umstellung auf eine mandantenfähige Shared Inference-Architektur entworfen, wodurch die GPU-Cluster-Auslastung von 20 % auf 85 % stieg und die Infrastrukturkosten pro Kunde für SaaS um 40 % sanken
- Modellquantisierung eingeführt, sodass Kunden fortschrittliche LLMs auf älterer Hardware (A100-GPUs) statt auf H100 ausführen können, wodurch über 70 % der Kosten pro Abfrage eingespart werden
- Komplexe Helm-Konfigurationen in einen dynamischen Modellmanager überführt, wodurch sich die Zeit für Installation oder Austausch von Modellen um rund 80 % verkürzte
- Eine teure Eigenentwicklung eines Dashboard-Services gestoppt, stattdessen auf eine API-first-Datenstrategie umgeschwenkt, die Kunden direkt nutzen können, und so €100.000+ an Opex und Capex eingespart
- Ein sicherheitsorientiertes Agenten-Marktplatz- und Control-Plane-Leuchtturmprojekt für eine Tier-1-Bank aufgebaut, das internen Teams die Bereitstellung autonomer Agenten innerhalb strenger regulatorischer Vorgaben ermöglicht
Mohamed G.
Letzte Position:
Lead / Principal Cloud-, KI- & Sicherheitsarchitekt bei Freiberufler / CC Conceptualise GmbH
Durchgeführte Projekte:
Projekt: RWE – Aufbau einer konzernweiten Zero-Trust-Cybersecurity-Architektur (CITADEL) Rolle: Senior Enterprise Cybersecurity-Architekt / Zero-Trust-Architekt Unternehmen: RWE AG Beschreibung: Konzeption und Umsetzung der strategischen Cybersecurity-Zielarchitektur CITADEL bei RWE, basierend auf dem Zero-Trust-Architekturprinzip und ausgerichtet an regulatorischen Anforderungen wie NIS2, ISO 27001 und konzernweiten Security-Governance-Vorgaben. Ziel war der Aufbau einer messbaren, auditierbaren und skalierbaren Sicherheitsarchitektur mit starkem Fokus auf Identity Governance, Compliance-Transparenz und operative Steuerbarkeit. Aufgaben & Erfolge:
- Zero-Trust-Architekturdesign: Entwicklung einer unternehmensweiten Zero-Trust-Referenzarchitektur (Identity, Device, Network, Application, Data) inkl. Trust-Zonen, Kontrollpunkten und Durchsetzungsmechanismen gemäß NIS2.
- Identity & Access Governance (IGA): Design und Einführung von IGA-Governance-Strukturen inkl. Rollenmodellen, Rezertifizierungsprozessen, Segregation of Duties (SoD) und Lifecycle-Management für Identitäten und Zugriffe.
- Security Governance & KPIs: Definition und Implementierung von Security-KPIs und Metriken zur Steuerung von Zero-Trust-Reifegrad, Identitätsrisiken und Compliance-Erfüllung auf Management-Ebene.
- Compliance & Reporting: Aufbau standardisierter Compliance-Reports und Dashboards zur Unterstützung interner Audits, externer Prüfungen und regulatorischer Nachweispflichten (u. a. NIS2).
- Architektur- & Stakeholder-Alignment: Enge Abstimmung mit Enterprise Architecture, IT-Betrieb und Fachbereichen zur Integration der CITADEL-Architektur in bestehende IT- und Security-Landschaften.
- Strategische Sicherheitsberatung: Beratung von Programmen und Projekten hinsichtlich Zero-Trust-Konformität, Identity-Zentrierung und regulatorischer Anforderungen im Energie- und KRITIS-Umfeld. Technologien & Methoden: Zero Trust Architecture, NIS2, Identity Governance & Administration (IGA), IAM, RBAC, SoD, Entra ID, Sailpoint, Zscaler, Terraform / IaC, Policy as Code, Security KPIs, Compliance Reporting, NIS2, NIST 2.0, ISO 27001, Enterprise Security Architecture, Governance Frameworks, Risk & Control Management
Projekt: Aufbau einer skalierbaren AI Workbench Plattform auf Microsoft Azure Rolle: Cloud-Architekt und -Ingenieur Unternehmen: Siemens Energy Beschreibung: Konzeption, Entwicklung und Betrieb einer sicheren, modularen Cloud-Infrastruktur zur Unterstützung von Data Science, Machine Learning und KI-Anwendungen für verschiedene Engineering-Teams bei Siemens Energy. Aufgaben & Erfolge:
- Cloud-Architektur: Entwurf und Implementierung einer Infrastructure-as-Code-Lösung (Terraform) zur automatisierten Bereitstellung von Azure-Ressourcen (Resource Groups, Storage Accounts, Cosmos DB, Application Insights, Netzwerk, PostgreSQL Flexible Server, Azure Container Apps, Azure Container Registry).
- Developer Portal: Um Self-Service und die Befähigung von Entwicklern, Data Scientists und KI/ML-Ingenieuren zu ermöglichen, wurde Backstage mit benutzerdefinierten Frontend- und Backend-Plugins (Node.js, TypeScript, React.js, PostgreSQL, Container-Apps) verwendet.
- Rollenbasierte Zugriffskontrolle: Umsetzung von Azure RBAC, um Engineering-Gruppen (z. B. AI Engineers) gezielten Zugriff (z. B. Storage Blob Data Contributor, Reader) auf relevante Ressourcen zu ermöglichen.
- Datenplattform-Engineering: Aufbau und Konfiguration einer mehrstufigen Storage-Landschaft (Raw, Curated, Vektordaten) inkl. automatisierter Container-Erstellung und Zugriffssteuerung für fortgeschrittene Analyse- und KI-Workloads.
- DevOps-Integration: Anbindung von Azure DevOps für CI/CD-Pipelines zur automatisierten Bereitstellung, Überwachung und Einhaltung von Sicherheitsstandards.
- Sicherheit & Compliance: Implementierung von Private Endpoints, Netzwerkrichtlinien und Managed Identities zur Sicherstellung von Datenschutz und regulatorischer Konformität.
- Zusammenarbeit: Enge Abstimmung mit interdisziplinären Teams zur Ausrichtung der Cloud-Infrastruktur an geschäftlichen und technischen Anforderungen und zur Förderung der digitalen Transformation bei Siemens Energy. Technologien: Azure, Terraform, Azure DevOps, Cosmos DB, Application Insights, Azure Storage, Private Endpoints, Azure Synapse, Azure Machine Learning, Azure Entra ID, RBAC, Backstage, Node.js, React.js, PostgreSQL, Python (Automatisierung), Git
Projekt: Aufbau einer skalierbaren Data Plattform POC auf Azure Kubernetes Service (AKS) Rolle: Cloud-Architekt und -Ingenieur Unternehmen: Hannover Rück SE Beschreibung: Entwicklung und Bereitstellung einer modularen, containerisierten KI-Plattform auf Microsoft Azure zur Unterstützung von Data Engineering und Data Science Teams bei der Hannover Rück SE. Die Plattform basiert auf AKS und integriert JupyterHub, Spark, Kafka, Airflow sowie eine zentrale Benutzeroberfläche zur Verwaltung. Ziel war es, eine wiederverwendbare, sichere Umgebung für datengetriebene Anwendungen und Experimente bereitzustellen. Aufgaben & Erfolge:
- Cloud- und Plattformarchitektur: Aufbau einer Kubernetes-basierten Infrastruktur mittels Terraform und Helm, unterstützt durch Azure Container Registry (ACR) für die Bereitstellung containerisierter Komponenten.
- Workbench-Design: Integration von JupyterHub (Bitnami Helm Chart), Spark-Cluster, Kafka-Streaming, Apache Airflow und Redpanda in ein konsistentes System mit rollenbasierter Steuerung.
- DevOps-Automatisierung: Entwicklung von PowerShell-Skripten und CI/CD-Prozessen für Image-Vorbereitung, Chart-Deployment und Secrets-Management mit Helm.
- Self-Service & Skalierbarkeit: Ermöglichung einer standardisierten, reproduzierbaren Bereitstellung für Data Science Umgebungen auf Mandantenbasis. Katalog und Entwicklerportal wurden über Backstage mit einer benutzerdefinierten Integration mit Azure DevOps bereitgestellt, um Pipelines auszulösen und zu überwachen (Node.js, TypeScript, React.js, Spotify Backstage mit Custom Plugins, gehostet auf AKS).
- Netzwerk & Sicherheit: Einsatz privater Endpunkte, Netzwerkrichtlinien, Key Vault und RBAC zur Sicherstellung von Sicherheit und Governance-Vorgaben im Versicherungskontext.
- Interdisziplinäre Zusammenarbeit: Enge Abstimmung mit Data Scientists, DevOps-Teams und Security Offices zur Integration von Anforderungen in Design und Betrieb. Technologien: Azure, AKS, Helm, Terraform, Azure Container Registry, PowerShell, Apache Spark, JupyterHub, Airflow, Kafka, Redpanda, Azure Key Vault, Azure Monitor, RBAC, Kubernetes Secrets, Backstage, Node.js, React.js, PostgreSQL
Projekt: Data & AI Plattform Engineer Unternehmen: Allianz Technology Beschreibung:
- Befähigung und Unterstützung der Nutzer der Allianz Data Platform (ADP) – insbesondere Data Engineers, Data Scientists und Machine Learning Engineers – zur optimalen Nutzung der Plattform auf Basis von Azure Synapse und Azure Machine Learning, um ihre geschäftlichen Ziele effizient zu erreichen.
- Beratung zu Architektur, Best Practices und effizientem Einsatz der ADP für End-to-End-Anwendungsfall-Pipelines – von der Datenaufnahme über Datenverarbeitung bis hin zu Softwarebereitstellung und Feedbackschleifen.
- Erklärung von Vor- und Nachteilen vorgeschlagener Plattformlösungen gegenüber internen und externen Stakeholdern, um fundierte Entscheidungen zu ermöglichen.
- Definition und Implementierung von Best Practices (insbesondere in PySpark) sowie kontinuierliche Verbesserung des ADP-Stacks und der finalen Produktionsumgebung.
- Identifikation und Umsetzung von Optimierungsmöglichkeiten zur Steigerung von Leistung, Zuverlässigkeit und Automatisierung der Plattform.
- Erstellung technischer Dokumentation sowie interner Ankündigungen und Blogbeiträge, um Neuerungen, Funktionen und Best Practices der ADP zu kommunizieren.
Projekt: OneTenant – Post-Merger Azure & M365 Consolidation Rolle: Projektleiter / Azure Workstream Lead Unternehmen: Alliance Healthcare Deutschland / GEHE
- Post-Merger Tenant-Konsolidierung: Migration und Zusammenführung von zwei bestehenden Microsoft-Tenants in einen neuen Ziel-Tenant im Rahmen eines M&A-Projekts, inkl. Azure, Entra ID (Azure AD) und Microsoft 365.
- End-to-End-Migrationssteuerung: Planung, Koordination und Durchführung von Cloud-to-Cloud- und On-Prem-to-Cloud-Migrationen unter Berücksichtigung von Business Continuity, regulatorischen Anforderungen (u. a. Datenschutz, IT-Compliance) und Cutover-Strategien.
- Azure Plattform-Setup: Design, Aufbau und Härtung der neuen Azure-Landing-Zone inkl. Subscription-Struktur, Netzwerk-Topologie, Identity-Architektur, Security-Baseline und Governance-Framework (RBAC, Policies, Blueprints).
- IAM & Security-Integration: Konsolidierung und Neustrukturierung von Entra ID (Azure AD), Rollenmodellen, Conditional Access, Privileged Identity Management (PIM) und Identity-Governance für eine sichere Post-Merger-Zielarchitektur.
- Microsoft 365 Migration: Durchführung der mandantenübergreifenden M365-Migration (Exchange Online, OneDrive, SharePoint, Teams) mit AvePoint Fly, inkl. Benutzer-, Daten- und Berechtigungsübernahme.
- Problem- & Cutover-Management: Identifikation, Priorisierung und Lösung technischer und organisatorischer Risiken während der Migrationswellen, inkl. Go-Live-Vorbereitung und Hypercare-Phase.
- Stakeholder- & Programmsteuerung: Enge Abstimmung mit IT, Security, Compliance, Business Units und externen Migrationspartnern zur Sicherstellung einer stabilen und revisionssicheren Post-Merger-IT-Plattform.
- Service Transition: Überführung von Applikationen, Plattformen und Betriebsmodellen in eine konsolidierte Zielorganisation.
- Kommunikation: Steuerung internationaler Projektteams in Deutsch und Englisch in einem unternehmenskritischen Post-Merger-Transformationsprogramm.
- Technologien: Azure Cloud: Aufbau und Betrieb einer M&A-fähigen Cloud-Plattform mit Azure Networking, Compute, Storage, Entra ID, Security Center und Governance-Services; Microsoft 365 & AvePoint Fly: Tenant-to-Tenant Migration von Collaboration-, Mail- und Identitätsdaten.
Projekt: Aufbau einer Azure KI & Analytics Plattform für Single Risk Reporting Unternehmen: Hannover Rück SE
- Entwickelte eine skalierbare und leistungsstarke Azure Data & AI Analytics Plattform für das Single Risk Reporting.
- Implementierte die Infrastruktur automatisiert mit Infrastructure as Code (IaC) mittels Tools wie PowerShell/Bicep.
- Entwickelte und optimierte Datenpipelines für die Verarbeitung und Validierung großer Datenmengen.
- Setzte eine Self-Hosted Integration Runtime auf, um eine sichere Verbindung zu SAP-Systemen zu gewährleisten.
- Integrierte die aufbereiteten Daten in MicroStrategy und erstellte interaktive Dashboards und Berichte für datenbasierte Entscheidungen.
- Sicherstellte Datenschutzkonformität und Sicherheitsanforderungen durch rollenbasierte Zugriffskontrolle und Compliance-Maßnahmen. Technologien: Azure Synapse Analytics, Azure Machine Learning, RAG, LLMs, Infrastructure as Code (IaC), Azure Data Pipelines, Self-Hosted Integration Runtime, SAP, MicroStrategy
Integrations-Engineering Azure / CI/CD Unternehmen: Mercedes-Benz Tech Innovation Tätigkeiten & Verantwortlichkeiten:
- Systemanalyse & Anforderungsdefinition: Bewertung geplanter Systemlandschaften zur Identifikation von Integrations- und Sicherheitsanforderungen.
- Integrationsarchitektur & Design: Definition und Umsetzung von Anforderungen zur Integration von Microsoft Dynamics 365 in bestehende Azure-basierte Infrastrukturen.
- Architektur & Infrastruktur: Aufbau sicherer, skalierbarer Azure Landing Zones, Design von Cloud-Architekturen und Implementierung von Infrastructure-as-Code (IaC) mittels Bicep, YAML und PowerShell.
- Entwicklung von KI-Lösungen: Design & Implementierung einer RAG-Lösung (Retrieval Augmented Generation) auf Basis von Azure OpenAI, Azure AI Search, Cosmos DB, Data Lake und Azure Machine Learning Workspace.
- Programmierung & Services: Entwicklung und Integration von Lösungen mit C#, TypeScript, PowerShell und X++ sowie Einsatz von Azure Functions, Azure Logic Apps, Power Platform und weiteren Services.
- API-Management: Verwaltung und Sicherstellung des sicheren Datenflusses durch Azure API Management und Implementierung von RESTful APIs.
- DevSecOps: Aufbau und Betrieb sicherer DevSecOps-Pipelines in Azure DevOps und GitHub, inklusive automatisierter Security- und Compliance-Checks.
- Fehlerbehebung & Optimierung: Identifizierung, Analyse und Behebung von Integrationsproblemen in Echtzeit sowie kontinuierliche Optimierung von Prozessen für Performance und Effizienz.
- Dokumentation & Wissenstransfer: Erstellung umfassender technischer Dokumentation (inkl. IaC) sowie Schulung von Teammitgliedern und Endanwendern. Eingesetzte Technologien & Tools: Microsoft Azure (Landing Zones, Data Lake, API Management, Logic Apps, Functions, Cosmos DB, Machine Learning Workspace), Microsoft Dynamics 365 Finance & Operations (ERP in der Public Cloud), C#, TypeScript, PowerShell, YAML, Bicep, Azure DevOps, GitHub Actions, Security- und Compliance-Tools.
Projekt: Sirius: Weiterentwicklung von Single Risk Solution Unternehmen: Hannover Rück SE
- Weiterentwicklung des Systems: Verbesserung der bestehenden Module für die Erfassung, Verarbeitung und Administration von Policydaten.
- Integration neuer Features: Einführung neuer Funktionen, die den aktuellen geschäftlichen Anforderungen entsprechen.
- Optimierung der Benutzererfahrung: Verbesserung der Interaktion zwischen Benutzern und System, insbesondere durch Anpassungen in der UI/UX.
- Datenverwaltung: Entwicklung von Lösungen für die Verwaltung und Konsistenz von Single-Risk-Daten, inklusive automatisierter Validierung und Berichterstattung.
- Sicherstellung der Skalierbarkeit: Optimierung der Software-Architektur, um zukünftige Anforderungen und eine wachsende Datenmenge zu unterstützen.
- Technologien: Azure DevOps, C# und .NET Core, Angular, RabbitMQ
Projekt: Cloud Native Anwendung für Security und Compliance Management Unternehmen: Münchener Rückversicherungs-Gesellschaft AG
- Das Projekt entwickelt eine interne cloud-native Webanwendung für das Sicherheits- und Compliance-Management in der Azure Cloud.
- Architekturkonzeption, Prototyping, POC, MVP und vollständige Produktentwicklung. Bereitstellung der Azure-Infrastruktur.
- Aufbau von CI/CD-Pipelines mit Azure DevOps. Azure Cloud Verwaltung.
- Azure DevOps, Azure AD, App-Registrierung und Sicherheit. Entwicklung von Diensten in .NET Core.
- Selbstverwaltung und Onboarding von Anwendungen auf der Plattform über Spotify Backstage mit benutzerdefinierten Plugins zur Integration mit Azure DevOps und zur Automatisierung von Richtlinienbereitstellung und Überwachungstools.
- IaC mit YAML und Bicep / ARM-Vorlagen. SQL Server DB, App Services, Functions.
- Microsoft Graph API, Single Sign-On, Azure AD Services. Betrieb und Sicherheitsüberwachung der Dienste.
Projekt: Semis Rollout Unternehmen: GEA Gruppe
- OTSec - PSec Projektkombination aus Azure DevOps Pipeline, Terraform, Kubernetes, CAF.
Projekt: Entwicklung einer Cloud Native Data Platform Unternehmen: Carl Zeiss Digital Innovation GmbH Teil des Teams der Gesundheitsdatenplattform
- Konzeption, Prototyping, POC, MVP und Full-Product-Entwicklung. Bereitstellung von Azure-Infrastruktur, Sicherheit und Compliance, Serverless-Architektur, CI/CD und Qualitätssicherung.
- Terraform IaC und Bash-Scripting. TypeScript und Node.js für Azure Functions.
- Verwendung von Azure API Management, Azure Functions, Azure FHIR APIs, Azure Data Lake, DICOM, Azure Health Services, Azure Cosmos DB
Hai D.
Letzte Position:
Principal Systemarchitekt & Tech Lead bei IU International University of Applied Sciences
Leitung der Architektur und Bereitstellung einer KI-gestützten Plattform für Bildungsinhalte, Verantwortung für zwei Entwicklungsteams mit voller technischer Verantwortung.
Entwurf und Architektur der Content-Hub-Plattform als Ersatz für das Legacy-System SiteFusion, wodurch Dozenten KI-unterstützte Lernmaterialien erstellen können, um die Lernergebnisse der Studierenden zu verbessern.
Festlegung der technischen Strategie, Definition der Architektur-Anforderungen und Abstimmung von zwei funktionsübergreifenden Teams (AI Media Team, TEAQ Team) auf eine gemeinsame Roadmap.
Umsetzung der Clean-Architecture-Prinzipien und KI-agentenfreundlicher Dokumentationsstandards in der gesamten Engineering-Organisation.
Förderung moderner Entwicklungsabläufe einschließlich CI/CD-Automatisierung und MongoDB-basierter Content-Management-Lösungen.
Muskan V.
Letzte Position:
KI-Ingenieur bei Sagas IT Analytics
- Aufbau eines KI-Forschungsassistenten mit RAG, LangChain, LangGraph und OpenAI-LLMs in Kombination mit Vektorsuche; Forschungszeit um 30% reduziert.
- Entwicklung maßgeschneiderter Retrieval-Workflows mit LlamaIndex und einem ReAct-Style-Agenten für dynamisches Chunking; Abfragegenauigkeit um 18% verbessert.
- Untersuchung und Optimierung von Embedding-Strategien, wodurch die Abrufkosten pro Anfrage um 15% gesenkt wurden.
- Entwicklung von RAG-Bewertungsframeworks mit RAGAS und Langsmith anhand eigener Datensätze; Abdeckung um 40% gesteigert.
- Feintuning von LLMs (LLaMA 2 auf Vertex AI mit eigenen Inferenz-Containern, dynamischem Batching und Quantisierung); Latenz der Inferenz um 25% verringert.
- Integration von KI-Agenten in LangGraph mit Kurz- und Langzeitspeicher (Mem0); Abschlussquote der Aufgaben um 20% erhöht.
- Erstellung schema-bewusster Generatoren für synthetische Daten; Feintuning nachgelagerter Modelle mit +12% F1-Score.
Germo G.
Letzte Position:
BI-Entwickler bei Rhenus Logistics
- Business-Intelligence-Entwicklung im Logistikbereich.
- Migration bestehender Reporting- und Analyse-Lösungen von Cognos auf Microsoft BI.
- Einsatz von Microsoft SQL Server, SSAS, Power BI und weiteren Komponenten der Microsoft-BI-Plattform.
Christian R.
Letzte Position:
Freiberuflicher Data Engineer bei Ingenieurbüro Christian Richter – Data, Cloud & Container
- Mitwirkung an über 20 erfolgreichen Projekten
Ilya I.
Letzte Position:
Daten/Plattform/Software-Ingenieur/SRE bei IT Consulting
- Entwickelte eine Plattform basierend auf IoT, Azure, Kubernetes und Postgres für eine bestehende Anwendung
- Migrierte von "Click-Ops" und UI-definierten CI/CD-Pipelines zu Infrastruktur als Code mit Terraform, wodurch eine vollständige Neubereitstellung mehrerer Umgebungen möglich wurde
- Technologien: Terraform, OpenTofu, Azure, Azure DevOps, Kafka, IoT, Kubernetes, Grafana, Prometheus, GitOps, relationale Datenbanken
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Data Lake einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
16 Jahre (Deutschland: 18 Jahre)

Positionsdauer
2,3 Jahre (Deutschland: 2,4 Jahre)

Positionen pro Freelancer
11 (Deutschland: 10)

Häufigste Fachbereiche
Informationstechnologie (IT), Business Intelligence, Produktentwicklung

Häufigste Branchen
Informationstechnologie (IT), Professionelle Dienstleistungen, Automotive

Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Produktentwicklung
Bachelor-Abschluss oder höher
91% (Deutschland: 97%)
Master-Abschluss oder höher
73% (Deutschland: 70%)
Doktortitel
18%

Zertifizierungen pro Freelancer
3 (Deutschland: 4)

Häufigste Sprachen
Deutsch, Englisch, Französisch

Sprechen zwei oder mehr Sprachen
100% (Deutschland: 96%)
Basierend auf unserem Profilpool, Stand 29 Okt 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Berlin 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.
Durchschnittssätze von Experten in Berlin, die Data Lake 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 29 Okt 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Data Lake Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (85%)
- Professionelle Dienstleistungen (54%)
- Automotive (46%)
- Einzelhandel (31%)
- Bildung (23%)
- Energie (23%)
- Bank- und Finanzwesen (23%)
- Gesundheitswesen (23%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was ein Data Lake bietet
Ein Data Lake speichert Rohdaten und verarbeitete Daten in ihrer ursprünglichen oder transformierten Form. Strukturierte Tabellen, JSON-Ereignisse, Dokumente, Protokolle und Medien können gemeinsam in Cloud-Objektspeichern oder verteilten Dateisystemen gespeichert werden. Teams nutzen ihn als zentrale Grundlage für Analytics, Reporting, Machine Learning und die langfristige Datenerkennung.
Kernarchitektur
Ein zuverlässiger Data Lake trennt Speicherung, Verarbeitung und Nutzung und gewährleistet gleichzeitig kontrollierten Zugriff. Experten definieren Ingestion-Zonen, Dateiformate, Partitionierung, Aufbewahrung und Metadatenstandards. Sie entwerfen außerdem Batch- und Streaming-Pfade, damit neue Daten konsistent ankommen, ohne nachgelagerte Workloads instabil zu machen.
Ökosystem und Tools
Typische Projekte kombinieren Cloud-Speicher wie Amazon S3, Azure Data Lake Storage oder Google Cloud Storage mit Engines und Governance-Tools. Relevante Expertise umfasst häufig:
- Apache Spark, Trino oder Presto für verteilte Verarbeitung
- Apache Kafka für Event-Streaming und Ingestion
- Delta Lake, Apache Iceberg oder Apache Hudi für Tabellenverwaltung
- Kataloge, Datenherkunft, Zugriffsrichtlinien und Datenqualitätsprüfungen
Wann Unternehmen Spezialisten benötigen
Unternehmen holen sich freiberufliche Expertise ins Haus, wenn ein Data Lake schwer zu vertrauen, zu durchsuchen oder zu betreiben ist. Typische Auslöser sind die Migration von einer reinen Data-Warehouse-Architektur, ein neuer Streaming-Anwendungsfall, fragmentierter Cloud-Speicher oder steigende Governance-Anforderungen. In Berlin ist die Remote-Zusammenarbeit üblich, während regulierte oder komplexe Programme weiterhin Workshops vor Ort erfordern können.
Erwartbare Ergebnisse
Ein Spezialist kann einen Architekturentwurf, Ingestion-Pipelines, Speicherkonventionen und automatisierte Qualitätskontrollen erstellen. Weitere Ergebnisse umfassen Infrastructure as Code, Orchestrierungs-Workflows, Katalogintegration, Monitoring-Dashboards und Runbooks. Gute Arbeit verbindet technisches Design mit klarer Verantwortung, Kostenkontrolle und nützlichen Datenprodukten.
Merkmale starker Expertise
Achten Sie auf Fachleute, die die Kompromisse zwischen einem Data Lake, einem Data Warehouse und einem Lakehouse erklären können, statt automatisch ein bestimmtes Muster zu empfehlen. Sie sollten einen disziplinierten Umgang mit Schemaänderungen, sensiblen Daten, Fehlern und Zugriffsrechten zeigen. Praktische Nachweise sind reproduzierbare Deployments, messbare Datenqualitätsregeln und klare Dokumentation für die Teams, die die Daten nutzen.
Häufig gestellte Fragen
Die wichtigsten Details zu Data Lake, aus den Fragen, die uns am häufigsten erreichen.
Ein Data Lake wird verwendet, um große Mengen an Rohdaten und verarbeiteten Daten für Analytics, Machine Learning, Reporting und operative Analysen zu sammeln und aufzubewahren. Er unterstützt viele Formate und Datenquellen, ohne dass jede Struktur vor der Ingestion festgelegt werden muss.
Ein Data Lake akzeptiert in der Regel vielfältigere Datentypen und verschiebt einen Teil der Modellierung, während sich ein Data Warehouse auf kuratierte, strukturierte Daten für konsistentes Business-Reporting konzentriert. Viele Unternehmen nutzen beide: Der Data Lake unterstützt die Erkundung, während das Data Warehouse gesteuerte analytische Abfragen bedient.
Ein Data Lake beschreibt in erster Linie eine Speicher- und Verarbeitungsarchitektur, während ein Lakehouse eine tabellenähnliche Verwaltung, Transaktionen und Governance wie bei einem Data Warehouse auf dem Speicher des Data Lake ergänzt. Technologien wie Delta Lake, Apache Iceberg und Apache Hudi können diese Funktionen bereitstellen.
Ein starker Data-Lake-Spezialist arbeitet häufig mit Cloud-Objektspeichern, Apache Spark, SQL, Kafka, Orchestrierung und Infrastructure as Code. Kenntnisse in Metadatenkatalogen, Datenherkunft, Identitätsmanagement und Datenqualität sind für Produktionsumgebungen ebenfalls wichtig.
Das passende Niveau hängt vom Umfang, der Sensibilität der Daten und dem Betriebsmodell des Data Lake ab. Eine kleine Ingestion-Lösung benötigt möglicherweise gezielte Pipeline-Expertise, während eine Plattform für mehrere Teams nachweisbare Fähigkeiten in Architektur, Governance, Sicherheit und Incident Management erfordert.
Ja, ein großer Teil der Data-Lake-Arbeit kann remote über gemeinsame Repositories, Cloud-Umgebungen und strukturierte Dokumentation erledigt werden. Sitzungen vor Ort in Berlin können dennoch hilfreich sein, wenn Teams Architektur-Workshops, die Abstimmung mit Stakeholdern oder Zugriffsprüfungen benötigen.
Bitten Sie einen Data-Lake-Spezialisten zu erklären, wie er mit Schemaänderungen, fehlgeschlagenen Ladevorgängen, sensiblen Feldern, Partitionierung und Zugriffskontrollen umgeht. Gute Fachleute verbinden diese Entscheidungen mit Zuverlässigkeit, Auffindbarkeit, operativem Aufwand und den Anforderungen der Datennutzer.
Vor dem Start sollte ein Data-Lake-Freelancer Quellsysteme, Datenverantwortung, erwartete Workloads, Cloud-Services, Sicherheitsanforderungen und bestehende Qualitätsprobleme klären. Außerdem sollte festgelegt werden, wie Pipelines getestet, überwacht und an das interne Team übergeben werden.
Der durchschnittliche Stundensatz von Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, liegt bei 109 €, was einem Tagessatz von etwa 870 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, haben 91% mindestens einen Bachelor-Abschluss, 73% mindestens einen Master-Abschluss und 18% einen Doktortitel.
Freelancer in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 16 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,3 Jahre.
Die häufigsten Sprachen unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Französisch (15%).
Die häufigsten Industrien unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (85%), Professionelle Dienstleistungen (54%) und Automotive (46%).
Die häufigsten Bereiche unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (69%) und Produktentwicklung (69%).
Hauptstandorte der FRATCH Experten, die kürzlich Data Lake 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.
Länder:
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!

Hamburg
München
Frankfurt