Docker Experten in Deutschland

Ich habe eine Self-Service-AWS-Plattform für Data-Science-Teams mit wenig oder keiner Erfahrung mit Infrastructure as Code entworfen und entwickelt. Ein Team schreibt etwa 10 Zeilen Python und erhält einen bereitstellbaren Stack mit vollständigem SDLC-Release-Zyklus, der bereits den Governance-Regeln folgt. Netzwerk, Verschlüsselung, IAM und Tagging werden von der Plattform festgelegt, nicht von jedem einzelnen Team.

Neue Teams oder AWS-Konten werden mit einem Pull Request eingebunden. Die Vermeidung von Verschwendung und die Kostenkontrolle sind standardmäßig integriert: Data Scientists benötigen keine Infrastrukturkenntnisse.

• Construct-Bibliothek (AWS CDK, Python). Aufbau eines versionierten Katalogs mit etwa 20 gehärteten Constructs für den Einsatz in Data-Science-Projekten mit ML-Kontext
• Governance as Code
• Multi-Account, Multi-Tenant
• Scaffolding für den Golden Path
• CI/CD und Supply Chain. Erstellung wiederverwendbarer GitHub-Actions-Workflows
• Release Engineering
• Qualitätssicherung mit E2E-, Contract- und Unit-Tests bei jedem Release Candidate

• Erweiterung einer Swing-basierten UI zur Erfassung von Security Restricted Articles bei der Gepäckkontrolle.
• Einführung eines neuen Workflows zur Erfassung von Deboarding Events.
• Erweiterung des Berichtssystems für Security Restricted Articles und Deboarding Events.
• Implementierung erfolgt unter Einsatz von JBoss Wildfly, PostgreSQL, spring-boot 3.x, Java 8/21, Swing, JSF, JAX-RS/Resteasy, Docker, Maven, Kiro.

Projekt – Evaluierung und Aufbau von Datenbanken für eine neue Produktlinie für einen Messgeräte Hersteller

• Ist Analyse
• Anforderungsanalyse der Datenhaltungsschicht
• Schreiben von Benchmark Tests
• Design der neuen Datenbankschema
• Datenbankmigrationen
• Aufbau eines Audit-Logging und Part11
• Erstellen der Backup- und Recovery-Konzepte
• Design der API der Persistenzschicht
• Schreiben von Unit-Tests
• Erstellen von Requirements Azure

Tools: C#, Visual Studio 2022, Azure DevOps, SonarQube, Git, RestSharp, WebServer, PostgreSQL, MS SQL, SQLite, MinIO, Podman, Docker, DataGrip, SQL Management Studio, HeidiDB, pgAdmin

• Browserbasierte Plattform für die codefreie Bereitstellung und Verwaltung von Kubernetes-Clustern entwickelt
• CLI in Typescript entwickelt, um Ressourcen im Cluster bereitzustellen, ohne die Browser-Oberfläche zu verlassen.
• DevSecOps-Pipelines implementiert: Image-Scanning, SBOM, Richtliniendurchsetzung und Supply-Chain-Sicherheit sowie Kyverno eingesetzt. IAM-Integration für das Befehlszeilen-Tool implementiert.
• Rollen- und Berechtigungsmodelle für Keycloak, oAuth/OIDC und Social-Login-Abläufe entworfen.
• LLM verwendet, um Benutzerabsichten in Diagramme umzuwandeln.
• An der Integration mehrerer Sovereign-Clouds wie stackIt, Hetzner, CIVO und UpCloud sowie öffentlicher Clouds wie AWS, GCP und Azure gearbeitet
• Der Technologie-Stack umfasst Java, SpringBoot, Kubernetes, OpenAI, Kubernetes-Multi-Tenancy mit vCluster, Karpenter, RBAC für CLI, Helm und React

AI Readiness - Part 3: Erstellung eines E-Books zum Einsatz von KI im Softwaretest

• Konzeption und Erstellung eines E-Books zum sinnvollen und sicheren Einsatz von KI im Softwaretest aus Sicht eines erfahrenen Testexperten.
• Einsatz generativer KI (ChatGPT, Perplexity Pro) als Sparringspartner für Strukturierung, Formulierungsvorschläge und Variantenbildung; abschließende fachliche Bewertung und Freigabe aller Inhalte durch eigene Expertise.
• Ausarbeitung praxisnaher Chancen und Risiken von KI im Test, mit besonderem Fokus auf die Zusammenarbeit zwischen Testern und KI statt „Tester vs. KI“.
• Titel: „11 starke Gründe: Dream-Team statt Rivalen - Tester und KI sind gemeinsam unschlagbar“
• Untertitel: „Wie Mensch und Maschine im Softwaretest das perfekte Team bilden – und warum reines KI-Testing riskant ist.“
• Geplante Nutzung des E-Books als Grundlage für Workshops, Kundengespräche oder interne Schulungen.
• Technik: Generative KI, ChatGPT, Perplexity Pro, Microsoft Word, Adobe Acrobat, langjährige Praxiserfahrung im professionellen Testing, gesunder Menschenverstand.

• Konzeption und Entwicklung einer produktionsreifen Data Platform auf Basis von Microsoft Fabric für ein E Commerce Unternehmen
• Aufbau einer skalierbaren Medallion Architektur (Bronze, Silver, Gold) mit Lakehouse und Delta Lake als Grundlage für Analytics und AI Anwendungen
• Entwicklung einer metadata driven ETL Plattform mit PySpark sowie eines generischen Incremental Loading Frameworks (SQL Server → Bronze → Silver → Gold)
• Entwicklung wiederverwendbarer Komponenten für Microsoft Fabric Notebooks zur Standardisierung von Datenintegration, Transformation und Validierung
• Implementierung automatisierter Data Pipelines inklusive Monitoring, Logging, Fehlerbehandlung und Delta MERGE Strategien für einen stabilen produktiven Betrieb
• Aufbau einer Business Layer Architektur für Reporting, Data Warehouse und wiederverwendbare Datenprodukte
• Integration heterogener Datenquellen über SQL Server, REST APIs, Amazon SP API und Google Analytics 4
• Enge Zusammenarbeit mit Fachbereichen zur Analyse fachlicher Anforderungen und Übersetzung in skalierbare Datenarchitekturen

Technologien: Microsoft Fabric, PySpark, Python, SQL Server, Delta Lake, Lakehouse, OneLake, Data Factory, Data Warehouse, REST APIs, Amazon SP-API, Google Analytics 4

• Erstellung und Leitung von Roadmap-Prognosen für Support-Möglichkeiten, einschließlich der Schulung von Kollegen, Prozessdesign und -verbesserung sowie des Onboardings neuer Mitarbeiter.
• Nahtlose Zusammenarbeit mit funktionsübergreifenden Teams, darunter Professional Services, Support, Product, Sales und Solution Engineering.
• Verwaltung geschäftlicher und finanzieller KPIs im Einklang mit den übergeordneten Unternehmenszielen.
• Industrielle IT- & Datenintegration: Implementierung, Konfiguration und Integration von OT/IT-Systemen und Datenflüssen, wobei Quellen aus der Steuerungsebene (DCS, PLC, SCADA) über APIs und Standardschnittstellen mit Historian-, Datenplattform- und Unternehmenssystemen verbunden werden.
• AVEVA PI & Historian: Konfiguration, Wartung und Erweiterung von AVEVA PI (PI Data Archive, Asset Framework, Schnittstellen/Konnektoren) zur Erfassung, Kontextualisierung und Bereitstellung von Echtzeit- und historischen Betriebsdaten.
• Alarmmanagement: Unterstützung und Optimierung von Alarmmanagementsystemen – z. B. Honeywell Alarm Management – einschließlich Alarmrationalisierung, Klassifizierung und Analyse der Alarmleistung, kritischer Alarme und Alarmfluten.
• Konnektivität & Protokolle: Einrichtung und Fehlerbehebung industrieller Konnektivität mit OPC UA und OPC A&E, einschließlich der Konfiguration von Tunnellösungen / Wrappern zur sicheren und zuverlässigen Verbindung von OT-Datenquellen.
• Produktionsdatenfluss: Sicherstellung eines nahtlosen, sicheren und strukturierten Datenflusses in der industriellen IT-Landschaft sowie Umwandlung unverarbeiteter Betriebsdaten in aussagekräftige Informationen für Betrieb und Entscheidungsfindung.
• Systemsupport & Fehlerbehebung: Laufender Support für OT/IT-Anwendungen sowie Fehlerbehebung in Netzwerken, Software und Datenintegrationen, damit die Systeme effizient betrieben werden können.
• Wissensmanagement & Best Practices: Mitwirkung an interner Dokumentation, Best Practices und Leitfäden zur Fehlerbehebung sowie kontinuierliche Verbesserung der Bereitstellung industrieller IT- und Datenlösungen.

Tools & Software: Aveva PI, Salesforce, Active Directory, Microsoft Dynamics 365, Jira, Microsoft, Scrum, DevOps, Docker, CI/CD, Jenkins, GitHub.

Produkt:

• Eine produktionsreife KI-Plattform entwickelt, die anhand von Produktdaten, Nutzeranforderungen und hochgeladenen Medien markengerechte Marketingbilder und -videos erstellt.
• Verantwortlich für Plattformarchitektur, technische Roadmap, API-Design, Sicherheit, Deployment-Abläufe, betriebliche Zuverlässigkeit und Strategie für Modellanbieter.
• Die Kernplattform mit .NET entwickelt und unterstützende KI- und Workflow-Prototypen in Python erstellt. Dabei sprachunabhängige API-Verträge und strukturierte Schnittstellen zwischen Services und Modellanbietern eingesetzt.
• Zuverlässige Hintergrundverarbeitung mit RabbitMQ, gespeichertem Workflow-Zustand, idempotenter Verarbeitung, Wiederholungsversuchen, Fehlerbehebung, Logging, sicherer Speicherung, Autorisierung und Abrechnung von Credits umgesetzt.
• Pragmatische Entscheidungen zu Eigenentwicklung oder Zukauf sowie zum Routing von Modellen getroffen, basierend auf Zuverlässigkeit, Latenz, Kosten und Wartbarkeit statt auf Neuheit.

Agenten-Orchestrierung & RAG-Systeme

• Agenten-Workflows mit Microsoft Agent Framework, LangGraph und LangChain entwickelt und verglichen, darunter Tool-Nutzung, bedingte Weiterleitung, Klärungsschritte, Zustandsverwaltung und Übergaben zwischen Agenten.
• Wiederverwendbare .NET-Komponenten für Agenten, Prompts, Tools, Modellanbieter, strukturierte Antworten und Retrieval mit pyvector implementiert. So lassen sich KI-Anbieter einfacher wechseln, ohne den Kern-Workflow neu zu schreiben.

Weiterentwicklung der integrierten Kapazitätsmanagement–Plattform InKa

Schieneninfrastruktur

• Power BI Shared Datasets und Berichte per DirectQuery auf Amazon Redshift (Fahrplan-, Bau-, Kapazitätsdaten)
• Automatisierte Berichtstests mit Playwright in Docker-Containern, Versionierung mit GitLab
• Konzept und Umsetzung der Anwenderkommunikation (Infoseite, Changelog, Known Bugs)

Ausgangslage:

Die integrierte Kapazitätsmanagement-Plattform (InKa) ist eine Monitoring- und Analyseplattform für Daten aus Fahrplan und Kapazitätsmanagement: Kundenbestellungen, Infrastruktur, Fahrplanbetrieb, Bau sowie Streckenleistungsfähigkeit und -breite. Die Daten werden in einem strukturierten Data Warehouse abgelegt und miteinander verknüpft. So lassen sich komplexe Kennzahlen über verschiedene Quellsysteme hinweg bilden und die aktuelle und künftige Streckenauslastung sowie das netzweite Baugeschehen darstellen. Ziel ist, die strategische, mittelfristige und unterjährige Planung zu verbessern und den Nutzenden einen niederschwelligen Zugang zu den Auswertungen des Kapazitätsmanagements zu geben.

Maßnahmen:

• Enablement: Einführung von Power BI mit Trainings und Workshops für Entwicklerteams.
• Beratung & Konzeption: Problemanalysen, Konzepte und Lösungsberatung zu Reporting-Anforderungen; Umsetzung der Planungen für Reporting-Lösungen.
• Datenmodell: Entwicklung von Shared Datasets mit DirectQuery auf Amazon Redshift und Import-Tabellen; DAX-Measures für Auslastungs- und Kapazitätskennzahlen.
• Entwicklung: Datenanalyse, Datentransformation und Visualisierung in Power BI; Erweiterung und Migration von Geschäftsanwendungen nach Power BI; KI-gestützte Entwicklung in VS Code mit GitHub Copilot.
• Testautomatisierung: Automatisierte Tests der Power-BI-Berichte mit Playwright; Aufsetzen der Testumgebung in Docker-Containern.
• Anwenderkommunikation: Konzept und Umsetzung einer zentralen Informationsseite mit Hot News, Changelog und Known Bugs, Absprung aus den Berichten mit Berichtsfilter, Aktualisierung per Power Automate.
• Deployment: Verwalten der Power BI Deployment Pipelines über die Umgebungen DEV, TEST und PROD.
• Agile Arbeitsweise: Arbeit im agilen Team nach SAFe (Scaled Agile Framework); Refinement von User Stories und Features inklusive Aufwandsschätzung in Jira; Versionierung mit Git und GitLab.
• Qualität & Dokumentation: Reviews zur Qualitätssicherung, Fehleranalyse und -behebung, technische Dokumentation in AsciiDoc und Confluence.

Technologien: Power BI, DAX, Power Query, DirectQuery, Amazon Redshift, Git / GitLab, Deployment Pipelines, Playwright, Docker, AsciiDoc, Power Automate, Jira, Confluence, VS Code mit GitHub Copilot, SAFe

Ergebnisse:

• Kennzahlen des Kapazitätsmanagements über mehrere Quellsysteme hinweg in einer Plattform
• Transparenz über aktuelle und künftige Streckenauslastung und netzweites Baugeschehen
• Niederschwelliger Zugang zu den Auswertungen für die Nutzenden
• Automatisierte Regressionstests der Power-BI-Berichte
• Umgesetzte Anwenderkommunikation: zentrale Infoseite mit Hot News, Changelog und Known Bugs, direkt aus den Berichten erreichbar

• 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

Remote-Freelance-Rolle mit Schwerpunkt auf Agentic-AI-Strategie, sicheren Anwendungsmustern und wiederverwendbaren agentischen Workflows für eine Behörde.

• Entwicklung und Umsetzung einer Open-Source-Strategie für Agentic AI für eine Behörde mit Schwerpunkt auf GDPR, Sicherheit und selbst gehosteten Lösungen
• Entwicklung wiederverwendbarer agentischer Workflows und Geschäftsanwendungen, mit denen nicht-technische Mitarbeitende Geschäftsprobleme selbstständig lösen können
• Umsetzung von neun Geschäftsanwendungen mit Single Sign-On (SSO) und Azure-PostgreSQL-Integration auf Hetzner-Linux-Servern

Techstack: Python, Streamlit, Anthropic SDK (Claude), Azure, Linux, PostgreSQL, MS SQL, Angular

• Analyse bestehender Microservice-Strukturen und Integration in die ereignisgesteuerte Architektur
• Konzeption und Implementierung von Prototypen
• Einführung strukturierter Workflows und Verankerung in einer soliden Teststrategie
• Team: Kleines spezialisiertes Team (3-5 Personen) von der Analyse bis zur Implementierungsreife
• Dokumentation von Architekturentscheidungen und Definition von Schnittstellen
• Integration der ereignisgesteuerten Pipeline in die bestehende Landschaft
• Technologien: Kafka, Docker, Microservices, ereignisgesteuerte Architektur, Java, Liquibase

Begleitung der agilen Skalierung nach SAFe und Stabilisierung der Lieferfähigkeit im internationalen Multiprojekt-Umfeld.

• Stabilisierung von Feature- und Integration-Teams im SAFe-Kontext
• Vorbereitung und Moderation komplexer, bereichsübergreifender PI Plannings
• Förderung der Zusammenarbeit mit internationalen Teams in Indien
• Prozessoptimierung und Stärkung der agilen Team-Eigenverantwortung

• Entwicklung skalierbarer Backend-Anwendungen mit C#/.NET und Java
• Konzeption und Umsetzung verteilter Microservice-Architekturen
• Entwicklung und Integration von REST-APIs für industrielle Anwendungen
• Entwicklung moderner Webanwendungen mit React, Angular und TypeScript
• Implementierung von MQTT-basierten Kommunikationslösungen
• Integration industrieller Protokolle wie OPC UA und Modbus TCP
• Entwicklung von Batch-, Prozesssteuerungs- und HMI-Komponenten
• Containerisierung und Deployment von Anwendungen mit Docker
• Durchführung von Code Reviews und Unterstützung bei Architekturentscheidungen
• Enge Zusammenarbeit mit Product Ownern, QA und interdisziplinären Teams
• Analyse fachlicher Anforderungen und Umsetzung technischer Lösungen
• Weiterentwicklung bestehender Softwarearchitekturen mit Fokus auf Wartbarkeit und Performance

Technologien: C#, .NET, ASP.NET Core, Java, C++, React, Angular, TypeScript, Vue.JS, MQTT, OPC UA, Modbus TCP, Docker, GitLab, MariaDB, MySQL, Linux