Zum Hauptinhalt springen
🇩🇪DSGVO konform
Bewährte

Grafana Loki Experten in Deutschland

dank KI in wenigen Minuten aus über 15.000 Lebensläufen finden

Beauftragen Sie Experten, die Anwendungs- und Infrastrukturprotokolle zentralisieren, Loki mit Grafana-Dashboards und Alarmen verbinden und skalierbare Observability-Workflows betreiben. FRATCH vermittelt Sie schnell und präzise mit geprüften, verfügbaren Freelancern.

Lerne FRATCH Experten in Deutschland kennen, die kürzlich Grafana Loki eingesetzt haben

Verifizierter Experte

Erkan Y.

Profil ansehen

DevOps-Experte

Frankfurt am Main
Erkan Y.

Letzte Position:

DevOps-Experte bei Datev

Aufgabe: Operator-Entwicklung und Observability

Technologien und Kenntnisse: Kubernetes, Valkey-Operator, Crossplane, Backstage, OpenPortal, OTEL, Grafana Cloud, Azure DevOps, Artifactory, Flux, Alloy, Prometheus, Grafana, Loki, OCF, Copilot

Tätigkeiten:

  • Evaluierung/Entwicklung des Valkey-Operators
  • Einrichtung von OpenTelemetry
  • Integration in OpenPortal/Backstage/CrossPlane
Verifizierter Experte

Ajay M.

Profil ansehen

Architekt für Plattform-Engineering · Senior Cloud Engineer

Berlin
Ajay M.

Letzte Position:

Architekt für Plattform-Engineering bei Hundertserver GmbH

  • Entwurf verwalteter Kubernetes-Plattformen für mehr als 150 Unternehmenskunden aus den Bereichen Energie, Logistik, Automobil und öffentlicher Sektor.
  • OCaaS entworfen: Kubernetes-native, mandantenfähige SaaS für KI-Assistenten mit Isolierung pro Mandant und Namespace, zweistufiger LLM-Inferenz und automatisierter Verwaltung des Mandantenlebenszyklus.
  • Chronos entworfen, Kafka as a Service auf Strimzi mit hybrider Mandantenstruktur (gemeinsam genutzte und dedizierte Stufen); den Plattform-RFC verfasst.
  • Multi-Cluster-GitOps aufgebaut (Flux CD, Helm, Kustomize); Änderungen werden auf kurzlebigen k3d-Clustern mit Renovate + GitLab CI und automatischem Merge validiert.
  • Argus konzipiert: korrelierte OTeI-Traces, Logs und Metriken (LGTM-Stack).
  • Geheimnisse von HashiCorp Vault zu OpenBao migriert; Kyverno-Policy-Framework für RBAC-Automatisierung und die Synchronisierung von Geheimnissen über Namespaces hinweg.
  • Salar aufgebaut: Node-Patching und Cluster-Upgrades mit Uyuni + SaltStack.
  • Plattform-Storage mit Ceph und SeaweedFS; Objektspeicher von MinIO migriert.
  • Kundenprojekte: OTeI-Observability und Datadog SAML für ein globales Kulturinstitut; Reaktion auf Galera/PXC-Vorfälle bei einem SaaS-Anbieter.
Verifizierter Experte

Aleksei R.

Profil ansehen

QA-Automatisierungsingenieur

Düsseldorf
Aleksei R.

Letzte Position:

QA Engineer bei Cybus GmbH

  • Leitete QA und Testautomatisierung für eine verteilte industrielle IoT- und Datenintegrationsplattform, die Shopfloor-Systeme mit Unternehmensanwendungen verbindet.
  • Entwarf und pflegte automatisierte API- und UI-Tests mit Playwright, TypeScript und Python für REST-APIs, Authentifizierung, Ressourcenverwaltung, Integrationen, Berechtigungen und End-to-End-Workflows.
  • Testete verteilte Dienste, Datenpipelines, Messaging-Infrastruktur, containerisierte Anwendungen und Integrationen in Kubernetes-, OpenShift-, Docker- und Docker-Compose-Umgebungen.
  • Führte Funktions-, Integrations-, Regressions-, Dauerlauf-, Resilienz-, Last-, Chaos- und explorative Tests in komplexen verteilten Systemen durch.
  • Setzte Chaos Mesh und Toxiproxy für die Simulation von Netzwerkausfällen, Latenz, Paketverlust und Netzwerkpartitionen ein, um die Resilienz und Fehlerbehandlung des Systems zu überprüfen.
  • Automatisierte die Bereitstellung der Infrastruktur, Konfiguration und Einrichtung von Umgebungen mit Ansible und verwaltete Deployments mit Kubernetes und Helm.
  • Testete Integrationen mit Industrieprotokollen, Messaging-Systemen, Datenbanken, HTTP/REST-APIs und externen Unternehmenssystemen mithilfe von Simulatoren, Emulatoren und dedizierten Testumgebungen.
  • Arbeitete mit MQTT, Kafka, SQL-Datenbanken, InfluxDB, REST-APIs, OAuth 2.0, JWT, LDAP, Active Directory, OpenLDAP, mTLS, TLS, MFA, SSO und RBAC.
  • Analysierte und behob über 40 Fehler in Backend-Diensten, Integrationen, verteilten Komponenten und Webanwendungen und nutzte KI-gestützte Analysen mit Claude, um Debugging, Testdesign und Ursachenanalysen zu beschleunigen.
  • Verbesserte die Zuverlässigkeit von Deployments durch die Feinabstimmung von Kubernetes-/OpenShift-Konfigurationen und Health Checks und überwachte verteilte Systeme mit Grafana, Prometheus und Loki.
  • Arbeitete mit Entwickler- und Produktteams an Sprintplanung, technischer Ausarbeitung, Qualitätsstrategie, Release-Tests und kontinuierlicher Verbesserung.
  • Setzte KI-gestützte und agentische Testansätze ein, um die automatisierte Testabdeckung zu erweitern und komplexe Sonderfälle zu erkennen.
Verifizierter Experte

Caleb C.

Profil ansehen

Senior Python-Backend-Engineer

Berlin
Caleb C.

Letzte Position:

Senior Python-Backend-Engineer bei Simon-Kucher

Übertragungsnetzbetreiber – Plattform zur Netzwerkbereitstellung (Teamleitung)

  • Entwarf den Saga-Orchestrator in Python, der Netzwerkstrukturen mit Rollback bereitstellt.
  • Gliederte IP, Identität und Ressourcenverteilung in Bounded Contexts mit eigenen Datenbanken und typisierten Clients auf.
  • Implementierte den Datenzugriff mit DDD-Repositories und Units of Work, ohne SQL im Domänencode.
  • Führte Integrationstests mit echten PostgreSQL- und RabbitMQ-Containern sowie API-Fuzzing für jeden Service ein.
  • Führte einen Agenten-Workflow ein, bei dem jede Änderung mit einer Spezifikation beginnt und ein Mensch jeden Merge freigibt.
  • Rollte die automatische OpenTelemetry-Instrumentierung per GitOps über achtzehn Kubernetes-Cluster aus.
  • Leitete die Reaktion auf Vorfälle bei festgefahrener Bereitstellung und hielt jeden Ausfall in einem Post-Mortem fest.

Verwendete Sprachen und Software: Python, FastAPI, Pydantic v2, SQLAlchemy async, PostgreSQL, RabbitMQ, Celery, pytest, testcontainers, schemathesis, Helm, Flux CD, GitLab CI, OpenTelemetry, pi coding agent.

Softwareproduktunternehmen – SaaS für Rechenzentrumssimulation (Backend-Entwicklung)

  • Entwickelte als zweitgrößter von mehr als zwanzig Mitwirkenden die asynchrone Simulationspipeline.
  • Kennzeichnete jedes Image in den GitHub-Actions-Deploy-Workflows mit Commit-SHA und SemVer.
  • Diagnostizierte den RabbitMQ-Speicheralarm, der alle Simulationen zum Stillstand brachte, und korrigierte die Limits im Helm-Chart.
  • Stellte die Testsuite auf pytest im Function-Style um und ließ die Testabdeckung in jeder Pipeline ausweisen.

Verwendete Sprachen und Software: Python, FastAPI, SQLAlchemy, Alembic, Celery, RabbitMQ, Redis, PostgreSQL, S3, EKS, Helm, Keycloak, GitHub Actions, pytest, mypy, ruff, SonarQube.

Interne KI-Plattform – Modellbereitstellung und Telemetrie

  • Entwickelte den FastAPI-Service, der Open-Weight-Modelle auf GPU-Tiers als OpenAI-kompatible Endpunkte bereitstellt.
  • Aktualisierte das EKS-Produktionssystem um zwei Kubernetes-Minor-Versionen und behob zonengebundene Speicherfehler.
  • Erfasste jeden Modellaufruf mit Tokenanzahl, Kosten und Latenz über den OpenTelemetry-Operator.

Verwendete Sprachen und Software: Python, FastAPI, vLLM, LangGraph, pydantic-ai, OpenAI- und Anthropic-APIs, EKS, Helm, Flux CD, Terraform, GitLab CI, OpenTelemetry, Grafana.

Verifizierter Experte

Lasse B.

Profil ansehen

Experte für Plattform-Engineering mit 20 Jahren wirkungsvoller Lösungen für Ihr Unternehmen

Lasse B.

Letzte Position:

Infrastructure Engineer bei YC Infra AI Startup

Aufbau und Betrieb der gesamten Infrastruktur- und Observability-Plattform für eine Plattform zur Bewertung von KI-Agenten auf AWS/Kubernetes. Leitung der Weiterentwicklung einer Cloud-nativen Plattform mit KI-Fokus durch den Aufbau einer durchgängigen Observability, die Automatisierung von Infrastruktur und CI/CD, die Verbesserung von Zuverlässigkeit und Skalierbarkeit, die Optimierung der Leistung durch datengestützte Entwicklung sowie die Arbeit in einem KI-nativen Entwicklungsprozess mit Fokus auf schnelle Iteration, Code-Reviews und Automatisierung. Der Technologie-Stack umfasste Terraform, AWS, Kubernetes, Grafana, Github Actions, Python und Cursor.

Verifizierter Experte

Stefan R.

Profil ansehen

Informationssicherheitsberater | ISMS · ISO 27001 · KRITIS · DORA/NIS-2

Würselen
Stefan R.

Letzte Position:

Informationssicherheitsberater bei TÜV TRUST IT GmbH

  • Durchführung von Schutzbedarfsfeststellungs Risikomanagement- und Dienstleister-Workshops
  • Einführung eines kundenspezifischen Informationssicherheits-Mindeststandards (angelehnt an TISAX und ISO 27001) seit Apr. 2026; Umsetzung desselben Standards parallel bei einem zweiten Kunden
  • ISMS-Aufbau nach ISO 27001 bei einem Logistikunternehmen (ca. 160–200 MA)
  • Stadtwerke (KRITIS, ca. 450 MA): GRC-Tool CRISAM eigenständig eingeführt und aktuell um NIS-2-Bereiche erweitert, Teile des ISB-Unterstützungsmandats übernommen, Audit-Findings nachbereitet und abgearbeitet
  • Begleitung von Kunden bei der Umsetzung von DORA und NIS-2, u. a. Dokumentation für ein Finanzinstitut
  • Durchführung und Unterstützung von Audits für Systeme zur Angriffserkennung (SzA) nach § 8a BSIG (heute §§ 31, 39 BSIG);
  • Erstellung von Netzstrukturplänen nach IT-SiKat
  • Erstellung technischer Sicherheitskonzepte (Protokollierung, IAM, Angriffserkennung)
Verifizierter Experte

Semir A.

Profil ansehen

Engineering Manager

Hamburg
Semir A.

Letzte Position:

Engineering Manager bei Grafana Labs

  • Ich leite ein Team aus 10 Ingenieuren in der EMEA-Region, aufgeteilt in 2 Squads (Ingest und Query), mit dem Fokus auf die Entwicklung der nächsten Generation von Logging-Systemen.
  • Ich leite das Loki-Team in Europa und trage die Verantwortung für die Logging-Lösungen bei Grafana. Ich manage ein vielfältiges Team von Ingenieuren – von der mittleren Ebene bis zum Principal-Level – und stelle sicher, dass wir erstklassige Ergebnisse liefern.
  • Eine unserer wichtigsten Errungenschaften war die erfolgreiche Entwicklung und Einführung von ExploreLogs und AdaptiveLogs.
Verifizierter Experte

Kersten L.

Profil ansehen

Senior Consultant · Full-Stack-Entwickler · Coding-Architekt · KI-Ingenieur · Coach

Dortmund
Kersten L.

Letzte Position:

Leitender Architekt / Leitender Entwickler bei Bettles: Sportwettenplattform

  • Vollständiger Greenfield-Neuaufbau über den gesamten Stack — AI-native umgesetzt: Backend in Go und NestJS, PostgreSQL (CNPG) auf K3s mit GitOps/Terraform; Frontend mit Angular 22, zonenlos.
  • Coding-Agenten (z. B. Claude Code, Cursor) über den gesamten Lifecycle orchestriert — Architektur, Implementierung, Tests, Reviews und Dokumentation — auf Basis von Specification-Driven Development (SDD).
  • „Bruno“ — LLM-Kommentator-Persona mit RAG und MCP für eine konsistente Persönlichkeit über alle Generierungen hinweg (Vorberichte, Nachberichte, eigene virtuelle Wetten).

Angular 22 (zoneless, ohne Zone.js), Claude Code, Claude Code Skills, CNPG, Cursor, Design Tokens (Spec for Code), Docker, Gherkin, Git, GitLab, GitOps, Go, Google Gemini, Grafana, Hetzner Cloud, K3s, Keycloak, Kubernetes, Lighthouse, LLM-Integration, Model Context Protocol (MCP), NestJS, Node.js, NPM, Playwright, PostgreSQL, Prometheus, RAG, REST, Specification-Driven Development (SDD), Structured Outputs, Terraform, TypeScript, Vitest

Verifizierter Experte

Maximilian B.

Profil ansehen

Freiberuflicher KI-System- und Plattformarchitekt

Burglengenfeld
Maximilian B.

Letzte Position:

Mitentwickler bei Nikan AI Solutions GmbH

Multi-Agenten-Plattform zur Dokumentenerstellung

Problem:

Aus einem einzelnen Prompt ein gut recherchiertes, strukturiertes und mit Quellen belegtes Dokument erstellen und dabei die Kontrolle beim Nutzer belassen: Jeder Schritt kann geprüft, korrigiert oder erneut aufgerufen werden, bevor das System fortfährt.

Architektur:

Ein Multi-Agenten-System, das von einer zentralen Steuerung koordiniert wird. Mehr als 20 spezialisierte pydantic-ai-Subagenten (Verstehen, Strukturieren, Planen, Recherchieren, Schreiben, Zusammenstellen, Querverweise prüfen, Glossar, Zitate, Referenztabelle und mehr) geben Ergebnisse anhand eines gemeinsamen, in Postgres gespeicherten Plans (asyncpg) weiter. Eine Runner-Schicht weist jede Aufgabe anhand ihres Namens einem Agenten zu. Mechanische Schritte wie Formatierung, Inhaltsverzeichnis und Abbildungsverzeichnis werden durch deterministischen Code statt durch LLM-Aufrufe erledigt. Der Anbieter (Anthropic oder OpenAI) wird über eine Konfiguration festgelegt, und Antworten werden über Server-Sent Events gestreamt.

Hosting & Infrastruktur:

Ein zustandsloser Container läuft als Scaleway Serverless Container in einem privaten Netzwerk mit verwaltetem PostgreSQL, Objektspeicher für fertige Dokumente und Assets sowie zentraler Protokollübertragung (Loki / Scaleway Cockpit). Bereitstellung mit OpenTofu-Modulen und Deployment über GitLab CI; die Nutzung wird pro API-Schlüssel abgerechnet.

Mein Beitrag und wichtige Entscheidungen:

  • Zentrale Entscheidungssteuerung: Ein Zufriedenheitsklassifikator wandelt die Freitext-Rückmeldung des Nutzers in eine Entscheidung um (weiterarbeiten, fortfahren, abbrechen oder eine frühere Aufgabe überarbeiten). Eine Middleware wendet sie auf den Plan an. Der Plan kann zu früheren Aufgaben zurückspringen und die darauffolgenden Schritte erneut ausführen.
  • Parallele Recherche und Texterstellung: Die Planung erstellt einen Plan, aus dem ein Recherche-Design-Agent einzelne Rechercheaufgaben und ein Schreib-Design-Agent einzelne Schreibaufgaben erstellt, die jeweils mit der benötigten Recherche verknüpft sind. Jede Aufgabe wird in einem eigenen Agenten mit eigenem Gesprächsverlauf ausgeführt.
  • Selbstprüfung und Einbindung des Menschen: Nach jedem Schritt prüft ein Agent für kritisches Denken das Ergebnis. Bevor der Plan fortgesetzt wird, kann der Nutzer eine Kritik annehmen, überarbeiten oder Fragen dazu stellen.
  • MCP-Integrationen: Zwei entfernte MCP-Server für die Websuche und die interne Dokumentensuche sind über pydantic-ai angebunden, mit Wiederholungsversuchen und Timeouts für lang laufende Tool-Aufrufe. Klassifikator-Agenten entscheiden für jede Aufgabe, ob eine Websuche nötig ist. Ein kleines Modell fasst rohe Suchergebnisse zu strukturierten Erkenntnissen zusammen, bevor sie die Schreibagenten erreichen.

Nutzungsabrechnung:

Kunden authentifizieren sich mit einem API-Schlüssel, der über einen Schlüsselverwaltungsdienst geprüft wird. Der Verbrauch wird in Credits abgerechnet, berechnet anhand der Token-Nutzung pro Modell zuzüglich eines Aufschlags. Bei ausgeschöpftem Kontingent wird HTTP 429 zurückgegeben.

Verifizierter Experte

Kevin F.

Profil ansehen

Senior-Consultant und Platform-Engineer

Frankfurt
Kevin F.

Letzte Position:

DevOps- und Platform-Engineer bei DB Systel GmbH

  • Fehleranalyse und -bereinigung inkl. Performance-Optimierung der eigenentwickelten Plattform API
  • Change- und Incidentmanagement im Tagesbetrieb
  • Verantwortlich für Einhaltung Security- und Compliancevorgaben
  • Dienstleistersteuerung für Software-Entwicklung und -Wartung
  • Planung und Durchführung Migration Legacy Services auf Cloud Native Plattform

Rolle im Projekt: Projektmitarbeiter Umsetzungsteam

Eingesetzte Skills: Anforderungsanalyse, IT-Service- und Anwendungsmanagement, IT-Betrieb, Fehleranalyse und Performance-Optimierung, Software-Wartung und Lifecyclemanagement

Projektumgebung: Cloud Native Platform (Kubernetes, Crossplane, AWS, ArgoCD, Grafana)

Verifizierter Experte

Ali A.

Profil ansehen

Enterprise-Software-Architekt | Zahlungsverkehr, Cloud- & KI-Plattformen

Frankfurt
Ali A.

Letzte Position:

Gründer & Architekt bei Independent AI R&D

  • Vollständig On-Premises betriebene LLM-Plattform zur Dokumentenprüfung für einen Compliance-kritischen Bankbereich: agentenbasierte LangGraph-Pipeline mit deterministischer Verifizierung, jedes KI-Urteil strukturiert und an die Quelle gebunden; ~960 automatisierte Tests, kein Datenabfluss
  • GPU-Durchsatzoptimierung (quantized serving, speculative decoding, prefix caching): 9.5-fache Beschleunigung der Extraktion, 500+ Fallakten mit mehreren Dokumenten pro Tag auf einer einzelnen A100
  • KI-native EDI/EDIFACT-Integrationsplattform (~116k LOC Java 25 / Spring Boot 4, 1,900+ Tests): Von LLM erstellte Partnermappings werden vor dem Go-live maschinell verifiziert (DFDL-Konformität, Feldabdeckungsprüfungen, Testläufe), ~99.5% Byte-Übereinstimmung bei echten Kundendateien – ersetzt wochenlange manuelle Zuordnung pro Partner
Verifizierter Experte

Enrique G.

Profil ansehen

Datensicherheit

Hamburg
Enrique G.

Letzte Position:

Security Architect bei Capgemini

Ich implementierte eine Zero-Trust-Architektur fuer robuste, militaertaugliche maritime Container-Mini-Rechenraeume auf Basis von VMware & Tanzu zur Unterstuetzung containerisierter GIS-Workloads fuer Bodentruppen. Der besondere Fokus lag auf der Absicherung der Kommunikation, dem Workload-Schutz und dem Datenzugriff in umkaempften elektronischen Gefechtsumgebungen, die durch Jamming, Abfangen, Signalmanipulation und staendig wechselnde Einsatzbedingungen beeinflusst werden. Ich habe Use Cases so entworfen und architektonisch umgesetzt, dass jedes Element von Workload, Identitaet und System auch in degradierten oder gestoerten Szenarien weiterhin unabhaengig und sicher funktionieren konnte. Parallel dazu definierte ich die Enterprise- und Solution-Security-Architektur mit LeanIX, Bizzdesign und HOPEX als Enterprise-Architecture-, Repository- und Governance-Plattformen, um Architekturinventar, Beziehungen, Nachverfolgbarkeit, Zielbilder und Security Governance in komplexen Umgebungen zu pflegen. Fuer die architektonischen Designs nutzte ich Sparx Enterprise Architect, um formale Architekturperspektiven, Schnittstellen, Vertrauensgrenzen und Systemarchitektur sowohl in IT- als auch OT-Umgebungen zu beschreiben. Das Tool IriusRisk wurde fuer das Threat Modeling der Loesung eingesetzt, um architekturgetriebene Risiken zu identifizieren, Sicherheitsanforderungen abzuleiten und Gegenmassnahmen sowie Designluecken direkt aus den Loesungsmodellen zu erkennen. Das Risiko- und Compliance-Management wurde mit Archer unterstuetzt. Architekturentscheidungen, Kontrollluecken und operative Risiken wurden in gesteuerte Governance- und auditierbare Compliance-Massnahmen ueberfuehrt. Fuer Dokumentation, Zusammenarbeit und visuelles Design nutzte ich Confluence zur Pflege von Architecture Decision Records, Security Blueprints und Workflows. Lucidchart und draw.io verwendete ich zur Erstellung stakeholdergerechter Design-Artefakte. Ich habe ausserdem OT-Sicherheitskonzepte mit Unterstuetzung von Elektro- und Maschinenbauingenieuren in den Bereichen Oel, Fahrzeug-Bordsysteme, Bahn, Kraftwerke, Pharma, Gasturbinen und Nukleartechnik definiert. Ich erstellte die End-to-End-OT-Sicherheitsstrategie, beginnend bei der globalen Policy, weiterentwickelt zu Standards und Verfahren und schliesslich korreliert mit Bell-LaPadula, Purdue Model, SABSA, TOGAF ADM, CENELEC 50701, IEC 62443 und NIST-Standards. Zudem arbeitete ich mit Engineering-Teamleads zusammen, um kritische KBP-Assets zu identifizieren und sie unter Schutzmassnahmen zu stellen, mit denen SCADA-, PLC- und HMI-Assets segmentiert wurden. Ich trieb die Zusammenarbeit zwischen Security-, IT- und OT-Teams voran, um standardisierte Workflows und Use Cases fuer den OT-Security-Loesungskatalog zu erstellen, waehrend Defense-in-Depth- und Zero-Trust-Prinzipien in operative Umgebungen integriert wurden. Entscheidend war die Integration multidisziplinaerer Engineering-, Security- und Operations-Akteure in eine einheitliche Security-Blueprinting-Strategie und die Sicherstellung, dass Architektur, Threat Modeling, Governance und Dokumentation technisch robust und operativ praktikabel waren.

Verifizierter Experte

Ljubomir O.

Profil ansehen

Senior Testautomatisierungsingenieur | QA-Ingenieur

München
Ljubomir O.

Letzte Position:

Senior Software Test Ingenieur bei Keil KTM GmbH

Arbeitnehmerüberlassung

  • System-Black-Box-Integrationstests (BBIT, IVVQ): Durchführung von Regressions-, Freigabe-, Bestätigungs- und Konformitätstests für sicherheitskritische Bremssteuergeräte in Bahnindustrie
  • Softwaretest-Applikation & Integration: Runtime-Konfiguration von Software-Komponenten und Bibliotheken, Validierung von Schnittstellen, Konfigurationsabhängigkeiten und Komponenteninteraktionen
  • Testautomatisierung (FEAT-Framework): Mitentwicklung und Weiterentwicklung eines automatisierten Testframeworks für Testausführung, Reporting und Ergebnisanalyse
  • Funktionale Sicherheit (SiL4, FuSi): Sicherstellung der Einhaltung von Sicherheitsanforderungen, Traceability und Coverage sowie Normkonformität gemäß EN50126/28/29
  • Testautomatisierung für Kommunikationskomponenten: Konfiguration und Validierung der Feldbus-(CAN) und Ethernet-basierten TCMS Datenkommunikation-Schnittstellen (TRDP und CIP)
  • Anforderungsanalyse & Shift-Left (PTC Windchill ALM): Analyse von Software- und Systemartefakten zur Identifikation von Lücken, Mehrdeutigkeiten und Redundanzen im frühen SDLC
  • Testdesign & Testfallentwicklung: Ableitung von Testbedingungen, Abdeckungsstrategien und Implementierung datengetriebener Testfälle (DDT) inkl. wiederverwendbarer Testdaten-Fixtures
  • CI/CD & Automatisierung (Python, PowerShell, Jenkins, SVN): Automatisierung von Build-, Test- und HIL-Deployment-Prozessen sowie Integration in CI/CD-Pipelines
  • Testdaten & Konfigurationsmanagement (XML): Pflege und Anpassung von XML-Testvektoren und Systemkonfigurationen mit automatisierter Integration in Testumgebungen
  • Nicht-funktionales Testen: Durchführung von Performance- und Lasttests zur Bewertung von Stabilität und Systemverhalten
  • Agile Entwicklung & Defect Management (JIRA, Confluence): Mitarbeit in Scrum-Teams, Testkoordination, Review von Testartefakten sowie Defect Tracking und Root-Cause-Analyse
  • Fehleranalyse & Debugging (CANoe, CANalyzer): Analyse von Fehlern und Nachrichtenflüssen über mehrere Systemebenen (Applikation bis Bus)
  • Modellbasierte Analyse (UML, Enterprise Architect): Spezifikation von SUT/SOW und Unterstützung der systematischen Teststeuerung
  • Prozess- & Testdokumentation: Erstellung von Integrations- und Testdokumentation gemäß internen Qualitäts- und Zertifizierungsanforderungen
Verifizierter Experte

Ariel L.

Profil ansehen

Engineering Manager · KI-Plattformarchitekt · Cloud-Native Infrastruktur

Ingolstadt
Ariel L.

Letzte Position:

Sr. Principal Engineer bei Slalom

  • Hatte direkte Linienverantwortung für ein Team von 4 Platform Engineers — inklusive Hiring, Performance Reviews und Karriereentwicklung — und habe dabei einen gemeinsamen Rahmen für Engineering-Standards sowie eine Coaching-Kultur aufgebaut, die die Delivery über Kundenprojekte hinweg beschleunigt hat.
  • Habe ein Team von Engineers geführt, um ein cloud-natives Voice-AI-System für einen großen Inspektionskunden zu entwerfen. Damit konnten 2.500 Außendienst-Inspektoren ihre Arbeit komplett freihändig per Echtzeit-Transkription und AI Agents dokumentieren — manuelle Dateneingabe über 440.000 Inspektionen pro Monat wurde eliminiert und die Kosten pro Nutzer von 9 $ auf 1 $ gesenkt. Stack: AWS (DynamoDB, S3, Transcribe, CloudFront, API Gateway, Bedrock), ElevenLabs, Claude.
  • Habe ein Team von Engineers geführt, um das Management von Kubernetes-Clustern über mehrere Regionen für einen globalen SaaS-Marktführer zu automatisieren. Dadurch sank die Bereitstellungszeit von 3 Wochen auf unter einen Tag und 90 % der Konfigurationsfehler wurden eliminiert. Stack: EKS, Terragrunt, Python, Bash, ArgoCD.
  • Accelerator - Cloud-agnostische KI-Plattform: Ich habe eine cloud-agnostische, Kubernetes-native Plattform als Accelerator entworfen und ausgeliefert. Damit wurde das Multi-Tenant-Management von selbst gehosteten LLMs im Enterprise-Maßstab ermöglicht, inklusive gleichzeitiger Bereitstellung mehrerer Basismodelle und dynamischem Serving von LoRA-Adaptoren. Ich habe die Produktionsinfrastruktur mit Open-Source-Tools (ArgoCD, Karpenter, vLLM, SGLang) entworfen, inklusive automatisiertem Modell-Lifecycle-Management, API-Security (Keycloak + LiteLLM) und kostenoptimierter GPU-Bereitstellung.

Entdecke mehr als 15.000 Top-Freelancer

Statistiken von Experten, die Grafana Loki einsetzen

Aggregiert aus den beruflichen Profilen passender Freelancer.

Berufserfahrung

18 Jahre

Grafana Loki Experten in Deutschland verfügen im Durchschnitt über 18 Jahre Berufserfahrung.

Positionsdauer

2 Jahre

Grafana Loki Experten in Deutschland bleiben im Durchschnitt 2 Jahre in einer Position.

Positionen pro Freelancer

12

Grafana Loki Experten in Deutschland haben im Laufe ihrer Karriere durchschnittlich 12 Positionen abgeschlossen.

Häufigste Fachbereiche

Informationstechnologie (IT), Produktentwicklung, Qualitätssicherung

Grafana Loki Experten in Deutschland haben den Großteil ihrer praktischen Projekterfahrung in den Bereichen Informationstechnologie (IT), Produktentwicklung und Qualitätssicherung gesammelt.

Häufigste Branchen

Informationstechnologie (IT), Bank- und Finanzwesen, Fertigung

Grafana Loki Experten in Deutschland sind in den Branchen Informationstechnologie (IT), Bank- und Finanzwesen und Fertigung am stärksten gefragt.

Fokus der Zertifizierungen

Informationstechnologie (IT), Projektmanagement, Produktentwicklung

Grafana Loki Experten in Deutschland erwerben ihre Zertifizierungen am häufigsten in den Bereichen Informationstechnologie (IT), Projektmanagement und Produktentwicklung.

Bachelor-Abschluss oder höher

88%

88% der Grafana Loki Experten in Deutschland haben mindestens einen Bachelor-Abschluss.

Master-Abschluss oder höher

62%

62% der Grafana Loki Experten in Deutschland haben mindestens einen Master-Abschluss.

Doktortitel

9%

9% der Grafana Loki Experten in Deutschland haben einen Doktortitel (PhD).

Zertifizierungen pro Freelancer

4

Grafana Loki Experten in Deutschland besitzen im Durchschnitt 4 berufliche Zertifizierungen.

Häufigste Sprachen

Deutsch, Englisch, Russisch

Grafana Loki Experten in Deutschland sprechen am häufigsten Deutsch, Englisch und Russisch.

Sprechen zwei oder mehr Sprachen

100%

100% der Grafana Loki Experten in Deutschland sprechen zwei oder mehr Sprachen.

Basierend auf unserem Profilpool, Stand 18 Nov 2026.

Tagessatzverteilung

0% 25% 50% 75% 100%
10 % der Grafana Loki Experten in Deutschland verlangen weniger als 640 € pro Tag.
33 % der Grafana Loki Experten in Deutschland verlangen zwischen 640 € und 800 € pro Tag.
31 % der Grafana Loki Experten in Deutschland verlangen zwischen 800 € und 960 € pro Tag.
24 % der Grafana Loki Experten in Deutschland verlangen zwischen 960 € und 1120 € pro Tag.
2 % der Grafana Loki Experten in Deutschland verlangen 1120 € oder mehr pro Tag.
<€640 €640-​800 €800-​960 €960-​1120 €1120+

Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Deutschland verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, welcher Anteil der Experten innerhalb dieser Spanne abrechnet.

Durchschnittssätze von Experten in Deutschland, die Grafana Loki einsetzen

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

1000
750
500
250
Stundensatzvergleich-Diagramm
Ø Tagessatz 824 €

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

1000
750
500
250
Stundensatzvergleich-Diagramm
Median-Tagessatz 800 €

Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.

Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.

Branchenfokus der Grafana Loki Experten

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

  • Informationstechnologie (IT) (98%)
  • Bank- und Finanzwesen (48%)
  • Fertigung (48%)
  • Automotive (41%)
  • Einzelhandel (41%)
  • Transport und Logistik (39%)
  • Regierung und öffentliche Verwaltung (39%)
  • Versicherung (34%)

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

Über die Technologie

Protokollaggregation

Grafana Loki ist ein horizontal skalierbares System zur Protokollaggregation, das für cloudnative Umgebungen entwickelt wurde. Es speichert komprimierte Protokolldaten und indiziert Labels statt des vollständigen Protokollinhalts. Dadurch bleibt die Suche effizient und der Speicherbedarf sinkt. Teams fragen Protokolle mit LogQL ab und untersuchen sie in Grafana.

Wo Loki eingesetzt wird

Loki unterstützt die Observability von Kubernetes-Clustern, Containern, virtuellen Maschinen und verteilten Anwendungen. Es hilft Teams bei der Untersuchung fehlgeschlagener Deployments, Servicefehler, Authentifizierungsereignisse und Infrastrukturvorfälle. In Deutschland kommt es in der Softwarebranche, im produzierenden Gewerbe, im Finanzsektor und in anderen Branchen mit komplexen digitalen Diensten zum Einsatz.

Ökosystem und Tools

Loki arbeitet häufig mit Grafana, Promtail, Grafana Alloy, OpenTelemetry und Kubernetes-Logging-Komponenten zusammen. Gute Spezialisten konfigurieren Ingestion-Pipelines, Label-Strategien, Aufbewahrungsfristen, Objektspeicher und Zugriffskontrollen. Sie verbinden Loki außerdem mit Grafana-Dashboards, Alarmregeln sowie umfassenderen Workflows für Metriken und Traces.

  • Labels entwerfen, die nützliche Abfragen ermöglichen, ohne eine übermäßige Kardinalität zu erzeugen
  • Protokolle aus Kubernetes, Containern und Hostsystemen sammeln
  • LogQL-Abfragen, Alarme und Dashboard-Panels konfigurieren
  • Daten in geeignetem Objektspeicher speichern und aufbewahren

Wann Fachwissen wichtig ist

Unternehmen greifen auf freiberufliche Expertise zurück, wenn vorhandene Protokolle fragmentiert sind, Suchen zu langsam laufen oder Teams Vorfälle nicht serviceübergreifend nachvollziehen können. Spezialisten können eine Migration von herkömmlichen Protokollsystemen planen, eine zuverlässige Sammlung etablieren und Loki für sich verändernde Workloads optimieren. Sie helfen auch dabei, den Betrieb zu dokumentieren, damit interne Teams die Umgebung selbst betreiben können.

  • Elasticsearch-basierte Protokollierung ersetzen oder ergänzen
  • Protokolle in Entwicklungs- und Produktionsumgebungen standardisieren
  • Untersuchung von Vorfällen und Reaktion auf Alarme verbessern
  • Einen Produktiv-Rollout vorbereiten oder betriebliche Engpässe lösen

Was gute Spezialisten liefern

Erfahrene Fachleute verstehen die Zielkonflikte zwischen Labels, Speicherkosten, Abfragegeschwindigkeit und Aufbewahrung. Sie entwickeln belastbare Pipelines, prüfen Parsing und Anreicherung und schützen sensible Protokolldaten. Sie verbinden technische Entscheidungen mit On-Call-Workflows, statt Loki als isolierten Speicherdienst zu behandeln.

Zusammenarbeit in Deutschland

Grafana Loki-Projekte betreffen häufig Plattform-, Sicherheits- und Anwendungsteams, daher ist klare Kommunikation wichtig. Die Remote-Zusammenarbeit funktioniert gut, wenn Zugriffe, Runbooks und Eskalationswege definiert sind. Vor-Ort-Workshops können bei Architekturprüfungen oder in regulierten Umgebungen hilfreich sein. Je nach Beteiligten und Dokumentation können sowohl Deutsch- als auch Englischkenntnisse nützlich sein.

Veröffentlicht am:
FRATCH GPT

FRATCH GPT liefert in Minuten Freelancer-Vorschläge mit nachvollziehbarer Begründung und transparenten Preisen und hilft deiner Personalabteilung, schnell und regelkonform die besten Talente zu finden.

Probier es aus:

Teste FRATCH GPT

Häufig gestellte Fragen

Neugierig auf Grafana Loki? Hier sind die Antworten, die immer wieder gefragt sind.

Grafana Loki wird verwendet, um Protokolle aus Anwendungen, Containern, Kubernetes-Clustern und der Infrastruktur zu sammeln, zu speichern und abzufragen. Teams nutzen es zusammen mit Grafana, um Vorfälle zu untersuchen, Dashboards zu erstellen und anhand von Protokollmustern Alarme auszulösen.

Grafana Loki indiziert Protokoll-Labels, anstatt jedes Wort im Protokollinhalt zu indizieren. Das kann den Betrieb vereinfachen und den Speicherbedarf bei geeigneten Workloads reduzieren, während Elasticsearch eine umfassendere Volltextsuche und dokumentenorientierte Analyse bietet. Die richtige Wahl hängt von den Abfrageanforderungen, der Aufbewahrung und dem vorhandenen Observability-Stack ab.

Ein guter Grafana Loki-Spezialist kennt sich in der Regel mit Grafana-Dashboards, LogQL, Kubernetes, Container-Runtimes und Cloud-Speicher aus. Kenntnisse in Prometheus, OpenTelemetry, Grafana Alloy, Netzwerken und Incident Response sind ebenfalls wertvoll, um Protokolle mit Metriken und Traces zu integrieren.

Die erforderliche Erfahrung hängt vom Umfang ab. Eine einfache Konfiguration der Protokollsammlung kann gezielte Konfigurationskenntnisse erfordern, während eine Produktionsmigration oder ein Multi-Cluster-Design Erfahrung mit Label-Kardinalität, Aufbewahrung, Objektspeicher, Sicherheit und betrieblicher Fehlerbehebung voraussetzt. Fragen Sie nach Beispielen vergleichbarer Loki-Umgebungen, statt sich auf allgemeine Toolkenntnisse zu verlassen.

Ja, Grafana Loki eignet sich häufig für die Remote-Zusammenarbeit, da Konfigurationen, Abfragen und Dokumentation über gemeinsame Repositories und sicheren Zugriff geprüft werden können. Vor-Ort-Termine können bei Architektur-Workshops, Zugriffsbeschränkungen oder der Abstimmung mit Teams, die in Deutschland regulierte Systeme betreiben, dennoch hilfreich sein.

Bitten Sie den Spezialisten, Label-Design, Abfrageverhalten, Aufbewahrung und den Umgang mit Ausfällen praxisnah zu erklären. Ein fähiger Grafana Loki-Experte sollte zeigen können, wie Protokolle von der Sammlung bis zur Speicherung gelangen und wie ein Vorfall untersucht wird, ohne unnötige Indizierung oder betriebliche Komplexität zu erzeugen.

Nein, Grafana Loki konzentriert sich auf Protokolle und ergänzt Metriken sowie verteilte Traces. Grafana kann diese Signale zusammenführen, sodass Teams von einem Alarm zugehörige Protokolle und Trace-Daten untersuchen können. Ein Spezialist sollte wissen, wie die Signale verbunden werden, ohne ihre unterschiedlichen Aufgaben zu verwechseln.

Klären Sie vor der Arbeit mit Grafana Loki die Protokollquellen, das Bereitstellungsmodell, die Erwartungen an die Aufbewahrung, das Speicher-Backend, die Zugriffskontrollen und den Incident-Workflow. Wichtig ist außerdem zu wissen, ob das Projekt Promtail, Grafana Alloy oder OpenTelemetry verwendet und ob die Zusammenarbeit mit deutschsprachigen Beteiligten erforderlich ist.

Der durchschnittliche Stundensatz von Freelancern in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, liegt bei 103 €, was einem Tagessatz von etwa 824 € bei einem 8-Stunden-Tag entspricht.

Von den Freelancern in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, haben 88% mindestens einen Bachelor-Abschluss, 62% mindestens einen Master-Abschluss und 9% einen Doktortitel.

Freelancer in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 18 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2 Jahre.

Die häufigsten Sprachen unter Freelancern in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Russisch (18%).

Die häufigsten Industrien unter Freelancern in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (98%), Bank- und Finanzwesen (48%) und Fertigung (48%).

Die häufigsten Bereiche unter Freelancern in Deutschland, die Grafana Loki in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (82%) und Qualitätssicherung (57%).

Hauptstandorte der FRATCH Experten, die kürzlich Grafana Loki eingesetzt haben

Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.

Berlin Hamburg München Köln Frankfurt Stuttgart Düsseldorf Leipzig Dortmund Essen Bremen Dresden Hannover Nürnberg

Kostenlose Demo vereinbaren

Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.

Kontakt-Formular

Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!

FRATCH CEO Avatar

Philipp Thomaschewski

FRATCH CEO

LinkedInFRATCH