
Data Lake Experten in Berlin
eine stärkere Datengrundlage – in wenigen Minuten mit geprüften und verfügbaren Freelancern zusammengebrachtBeauftragen Sie Experten, die skalierbaren Speicher entwerfen, zuverlässige Ingestion-Pipelines entwickeln und Analytics-, Machine-Learning- und Governance-Workflows verbinden. FRATCH findet durch schnelles, präzises KI-Matching den richtigen geprüften und verfügbaren Freelancer.
Lerne FRATCH Experten in Berlin kennen, die kürzlich Data Lake eingesetzt haben
Alexander Z.
Letzte Position:
Senior Data Solutions Engineer bei VMware Inc.
- Private Cloud-Datenplattform auf VMware vSphere entworfen und implementiert, Greenplum MPP, Apache Kafka, Kubernetes und Apache Solr integriert und Echtzeit-Ingestion-Pipelines mit Kafka Connect und Schema Registry entwickelt.
- Migration von Oracle Exadata zu Greenplum geleitet, Datenmodelle neu architektonisch aufgebaut, Speicher optimiert, RabbitMQ mit Debezium für CDC implementiert und VectorDB für Generative AI eingeführt.
- PoC für Multi-Cloud-Migration über AWS, Azure und GCP entworfen und umgesetzt, KPIs für Durchsatz, Latenz und Kosteneffizienz definiert, Bulk-Datentransfers durchgeführt, Analytics- und Streaming-Workloads validiert und Architektur-Empfehlungen im großen Maßstab geliefert.
- Legacy-On-Premises-Infrastruktur bewertet und moderne cloud-native Datenplattformen mit Greenplum und containerisierten Microservices entworfen, mit Beratung zu Skalierbarkeit, Disaster Recovery und High Availability.
Nisanthan S.
Letzte Position:
Business-Intelligence-Consultant (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 Reports, Automatisierung wiederkehrender Standard- und Managementberichte, Aufbau von Cashflow-Modellen
Angebots- und Machbarkeitsbewertungen für BI- und Reporting-Projekte
Einsatz von KI-gestützter Entwicklung (Claude Code), um Automatisierung, Tooling sowie Web-/App-Entwicklung zu beschleunigen
Individuelles ERP-System
Problem: Die Kernprozesse eines Kunden liefen über verstreute, voneinander getrennte Excel-Dateien ohne zentrale Datenspeicherung – fehleranfällig, schwer skalierbar und nicht durchgängig auswertbar.
Vorgehen: Geschäftsprozesse und Anforderungen aufgenommen, Daten modelliert und iterativ gemeinsam mit dem Fachteam entwickelt.
Umsetzung: Ein maßgeschneidertes, webbasiertes ERP-System mit zentraler Datenbank, rollenbasierten Modulen und automatisiertem Reporting aufgebaut – umgesetzt mit KI-gestützter Entwicklung in Claude Code.
Zeiterfassungs-App
Ausgangssituation: Zeiterfassung auf Basis einer überladenen, makrolastigen Excel-Vorlage – wartungsintensiv, nur für einen Nutzer und fehleranfällig.
Umsetzung: Alle Funktionen und VBA-Makros in eine eigenständige Web-App mit zentraler Datenspeicherung, Mehrbenutzerfähigkeit und automatisiertem Reporting überführt.
Cashflow-Modellierung
Ausgangssituation: Das bestehende Cashflow-Modell deckte nur Bestandsinvestitionen ab; Projektentwicklungen fehlten in der Steuerung.
Umsetzung: Das CF-Modell aufgebaut und erweitert, um Cashflows aus Projektentwicklungen einzubeziehen.
Optimierung: Bestehende CF-Modelle geprüft und optimiert sowie die KPI-Ausgaben für Reporting und Steuerung erweitert.
Giovanni L.
Letzte Position:
Solution Architect bei Nordea Bank
Solution Architect für Consumer Cards
- Übernahm die Architekturverantwortung im Bereich Consumer Cards, führte Best Practices ein und verbesserte die architektonische Transparenz und Wartbarkeit durch die Entwicklung eines strukturierten Dokumentationsrahmens für das Reverse Engineering von Legacy-Kartensystemen.
- Standardisierte Architektur-Artefakte wie BIAN Business Capabilities, UML-Diagramme im draw.io-Format (Use Case, Component, Sequence), Namenskonventionen, Dokumentenablage, Designvorlagen und Blueprints, Microservices.
- Erstellte High-Level- und Low-Level-Designs, abgestimmt auf Enterprise-Architecture-Governance-Prozesse und Artefaktstandards.
- Unterstützte architektonisch das Strategic Card Simplification Programme mit Fokus auf Kartenprodukt-Migrationen und die Außerbetriebnahme von Anwendungen in allen Ländern. Agile Umgebungen (Scrum/SAFe).
- Analysierte und entwarf KI-Use-Cases im Architekturumfeld.
Projekt: Payment Card Industry Data Security Standards (PCI DSS) Strategic Programme
- Analysierte und dokumentierte bestehende Datenflüsse über Kartenprodukte und geografische Regionen hinweg, um die PCI-DSS-Compliance zu prüfen.
- Identifizierte Bereiche mit sensiblen Daten im Ruhezustand und Daten in Bewegung, die Verschlüsselung oder Maskierung erfordern, und stellte die Einhaltung der PCI-DSS-Anforderungen sicher.
- Arbeitete mit Security-, Infrastruktur- und Applikationsteams zusammen, um Verschlüsselungsstrategien mit regulatorischen und organisatorischen Vorgaben abzustimmen.
- Gab strategische Beratung zu Datenstrategie, Data Governance, Datenmanagement, Datenqualität, Datenarchitektur, Data Mesh, MEGA HOPEX, DAMA-DMBOK, ereignisgetriebener Architektur, End-to-End-Datenflüssen und Harmonisierung von Kartenproduktmodellen.
- Stellte sicher, dass das Lösungsdesign mit regulatorischen Anforderungen (BCBS 239, DORA, GDPR) und internen Richtlinien übereinstimmt.
Projekt: Denmark ATM Outsourcing Project
Ziel: Auslagerung von Betrieb und Wartung der Geldautomaten an einen Drittanbieter bei gleichzeitiger Erweiterung des ATM-Bestands in Dänemark, wobei Nordea Eigentümer der Geldautomaten und des Bargelds für die bestehende und erweiterte Infrastruktur bleibt.
- Leitete ein cross-funktionales Delivery-Team (Projektmanagement, Business Analysis und Architektur) und dokumentierte die aktuelle ATM-Systemlandschaft, einschließlich End-to-End-Datenflüssen, Integrationen und internen/externen Anwendungsschnittstellen.
- Entwarf End-to-End-Prozesse für Autorisierung, Abstimmung und Settlement und stimmte Betriebsmodell, Kontrollen und Compliance-Anforderungen zwischen Nordea und dem ausgelagerten Dienstleister ab.
- Erstellte High-Level- und Low-Level-Lösungsdesigns mit standardisierten UML-Artefakten (Use-Case-, Component- und Sequence-Diagramme) zur Unterstützung von Vendor-Onboarding, Integrationsplanung und Umsetzung.
- Stellte die architektonische Abstimmung und Entscheidungsfindung zwischen Enterprise-Stakeholdern und Drittanbietern sicher und managte Abhängigkeiten und Schnittstellen im Rahmen der Auslagerungsinitiative.
Jan K.
Letzte Position:
Datenexperte bei Fertigung
Vili D.
Letzte Position:
Technical Lead, Data Engineer bei Mercedes-Benz Consulting
- Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere 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
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
2,2 Jahre (Deutschland: 2,4 Jahre)

Positionen pro Freelancer
12 (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
92% (Deutschland: 95%)
Master-Abschluss oder höher
75% (Deutschland: 70%)
Doktortitel
17% (Deutschland: 18%)

Zertifizierungen pro Freelancer
3

Häufigste Sprachen
Englisch, Deutsch, Französisch

Sprechen zwei oder mehr Sprachen
100% (Deutschland: 97%)
Basierend auf unserem Profilpool, Stand 19 Sep 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in Berlin verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen.
Durchschnittssätze von Experten in 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 19 Sep 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) (86%)
- Professionelle Dienstleistungen (50%)
- Automotive (43%)
- Bank- und Finanzwesen (29%)
- Transport und Logistik (29%)
- Einzelhandel (29%)
- Bildung (21%)
- Energie (21%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was ein Data Lake leistet
Ein Data Lake speichert rohe strukturierte, semistrukturierte und unstrukturierte Daten in ihrer ursprünglichen Form. Unternehmen nutzen ihn als zentrale Grundlage für Analytics, Reporting, Machine Learning, Forschung und operative Erkenntnisse. Anders als ein herkömmliches Data Warehouse kann er unterschiedliche Daten aufnehmen, bevor ein festes Schema definiert ist.
Kernarchitektur
Ein zuverlässiger Data Lake trennt Speicherung, Verarbeitung, Katalogisierung und Zugriff. Gute Spezialisten wählen geeigneten Objektspeicher aus, definieren Zonen für rohe und kuratierte Daten und schaffen klare Verantwortlichkeiten. Außerdem konzipieren sie Partitionierung, Dateiformate, Metadaten, Aufbewahrung und Zugriffskontrollen, damit der Data Lake auch mit zunehmender Größe nutzbar bleibt.
Ökosystem und Tools
Typische Umgebungen kombinieren Cloud-Objektspeicher mit Verarbeitungs- und Orchestrierungsdiensten. Relevante Kenntnisse können Apache Spark, Apache Kafka, dbt, Trino, Databricks, Snowflake, Delta Lake, Apache Iceberg oder Apache Hudi umfassen. Fachkräfte arbeiten außerdem mit Python, SQL, Infrastrukturautomatisierung, Datenkatalogen, Observability und Identitätsmanagement.
Typische Projekte
- Daten aus Anwendungen, Geräten, APIs und Geschäftssystemen zusammenführen
- Batch- und Streaming-Ingestion-Pipelines entwickeln
- Kuratierte Datensätze für BI und Machine Learning erstellen
- On-Premise-Repositories in Cloud-Speicher migrieren
- Lakehouse-Muster mit zuverlässigem Tabellenmanagement einführen
Diese Projekte verbinden einen Data Lake häufig mit Data Warehouses, Dashboards, Feature Stores und Echtzeitdiensten. Das passende Design hängt von der Aktualität der Daten, den Abfragemustern, den Compliance-Anforderungen und den Teams ab, die die Informationen nutzen.
Wann Spezialisten hinzugezogen werden sollten
Unternehmen benötigen meist freiberufliche Expertise, wenn ein Data Lake schwer zu verwalten ist, Pipelines unbemerkt ausfallen oder Nutzer keine vertrauenswürdigen Datensätze finden. Ein Spezialist kann die bestehende Architektur bewerten, einen praktikablen Zielzustand definieren und Verbesserungen bei Ingestion, Migration, Qualität oder Zugriffskontrolle umsetzen. In Berlin ist die Remote-Zusammenarbeit üblich, während manche Projekte von Workshops vor Ort mit lokalen Produkt- und Datenteams profitieren.
Woran man gute Arbeit erkennt
Gute Fachkräfte machen Daten auffindbar, nachvollziehbar, sicher und kostenbewusst. Sie dokumentieren Entscheidungen, testen Transformationen, überwachen Aktualität und Ausfälle und trennen Experimente von vertrauenswürdigen Produktionsdaten. Sie können die Unterschiede zwischen Data Lake, Data Warehouse und Lakehouse in klaren Geschäftsprinzipien erklären und wartbare Pipelines sowie Betriebspraktiken hinterlassen.
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 roher Daten aus vielen Quellen zu speichern und zu verarbeiten. Unternehmen nutzen ihn für Analytics, Machine Learning, Reporting, Ereignisverarbeitung und zukünftige Anwendungsfälle, die zum Zeitpunkt der Datenerfassung möglicherweise noch nicht definiert waren.
Ein Data Lake speichert vielfältige Daten normalerweise in ihrer ursprünglichen Form, während ein Data Warehouse vor der Analyse typischerweise ein strukturiertes Schema anwendet. Ein Data Lake bietet Flexibilität für Exploration und Machine Learning; ein Data Warehouse ermöglicht häufig eine besser vorhersehbare Leistung für kontrolliertes Business-Reporting.
Ein Data Lake konzentriert sich auf flexible und kostengünstige Speicherung, während ein Lakehouse diese Speicherung um tabellenbasiertes Management nach Warehouse-Art, Transaktionen, Governance und zuverlässige Analytics ergänzt. Technologien wie Delta Lake, Apache Iceberg und Apache Hudi werden häufig eingesetzt, um diese Funktionen in Data-Lake-Architekturen zu integrieren.
Ein guter Data Lake-Spezialist verfügt normalerweise über Kenntnisse in SQL, Python, Cloud-Speicher, Datenmodellierung, Orchestrierung und verteilter Verarbeitung. Erfahrung mit Apache Spark, Kafka, Databricks, Katalogen, Sicherheit, Infrastrukturautomatisierung und Datenqualität ist ebenfalls wertvoll.
Das passende Maß an Data Lake-Erfahrung hängt eher vom Umfang, Risiko und der bestehenden Architektur ab als von einer festen Anzahl an Jahren. Ein kleines Ingestion-Projekt benötigt möglicherweise gezielte Pipeline-Expertise, während eine unternehmensweite Plattform nachweisbare Erfahrung mit Governance, Migration, Betrieb und der Abstimmung mit Stakeholdern erfordert.
Ein Data Lake-Projekt kann häufig remote aus Berlin umgesetzt werden, wenn Dokumentation, Zugänge und Kommunikationsroutinen klar geregelt sind. Vor-Ort-Termine können dennoch bei Architektur-Workshops, der Analyse von Quellsystemen und der Koordination zwischen Teams helfen, besonders wenn die Zusammenarbeit auf Deutsch wichtig ist.
Bitten Sie einen Data Lake-Experten, eine frühere Architektur zu erklären, einschließlich Entscheidungen zur Ingestion, Kontrollen der Datenqualität, Sicherheit, Monitoring und Wiederherstellung nach Ausfällen. Achten Sie auf klare Abwägungen und praxisnahe Dokumentation, nicht nur auf die Vertrautheit mit einem bestimmten Cloud-Service oder Verarbeitungstool.
Ein Data Lake kann zu einem unübersichtlichen Datenablageplatz werden, wenn Verantwortlichkeiten, Metadaten, Qualitätsregeln und Zugriffsrichtlinien fehlen. Gute Spezialisten verhindern dies mit klar definierten Zonen, Katalogisierung, Lifecycle-Kontrollen, überwachbaren Pipelines und eindeutigen Standards für die Überführung von Daten in vertrauenswürdige Datenprodukte.
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 872 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, haben 92% mindestens einen Bachelor-Abschluss, 75% mindestens einen Master-Abschluss und 17% 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 2,2 Jahre.
Die häufigsten Sprachen unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (93%) und Französisch (14%).
Die häufigsten Industrien unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (86%), Professionelle Dienstleistungen (50%) und Automotive (43%).
Die häufigsten Bereiche unter Freelancern in Berlin, Deutschland, die Data Lake in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Business Intelligence (71%) und Produktentwicklung (71%).
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