Instana Experten in Deutschland

Projekt: SCS (Settlement / Clearing Services)

Abwicklungsplattform für mehrere Handels- und Clearingplätze — Absicherung des Kontrahentenrisikos, Reduzierung des Abwicklungsvolumens, zentrales Risikomanagement und Anonymität nach dem Handel.

Technologien: Java 17, Spring Boot 3, Microservices, Spring Data JPA, SonarQube, Fortify (SCST), Mockito, Jenkins, OpenShift, Maven, Podman, GitHub, JIRA, Liquibase, Swagger, AMQP, Apache Camel, Terraform, PostgreSQL, Instana, Graylog.

• CVEs in Drittanbieter-Bibliotheken mithilfe von SCA-Tools identifiziert und behoben und damit die Sicherheitslage der Produktivkomponenten verbessert.
• 90 % Code Coverage mit SonarQube gehalten, die Codequalität verbessert und Produktionsfehler reduziert.
• mTLS für die Datenbankauthentifizierung und Verbindungen zu Message Brokern aktiviert und damit verschlüsselte, zertifikatsgeprüfte Kommunikation durchgesetzt.
• Microservices mit asynchroner, REST-basierter Kommunikation zwischen den Komponenten entworfen und bereitgestellt.
• Eine REST-API mit hohem Volumen (~200K Requests) optimiert, indem die Antwortzeit von 3s auf 2s reduziert wurde (33 % Verbesserung), was Durchsatz und Zuverlässigkeit unter Produktionslast erhöht hat.
• Build- und Continuous-Integration-Pipelines mit Maven und Jenkins automatisiert.
• Containerisierte Workloads auf Podman/OpenShift orchestriert und die Schema-Weiterentwicklung mit Liquibase gesteuert, um zuverlässige und wiederholbare Deployments in allen Umgebungen sicherzustellen.
• Java-Code optimiert und EHCache-basiertes Caching implementiert, um die Anwendungsleistung zu verbessern.
• Das Release-Management vereinfacht, indem Anwendungsimages, JAR-Versionen und Abhängigkeiten über DBAG Artifactory gesteuert wurden, um Versionskonsistenz und Audit-Nachvollziehbarkeit über alle Umgebungen hinweg sicherzustellen

• Es handelt sich um ein Startup innerhalb von REWE, in dem wir ein neues Prognosesystem auf der Google Cloud Platform von Grund auf aufbauen müssen. Obwohl meine offizielle Rolle MLOps heißt, umfassen meine tatsächlichen Aufgaben auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) und Aufgaben eines Data Scientists wie Feature Engineering und Modelltraining.
• GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
• Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT zur Implementierung von Datenmodellen
• CI/CD: GitLab. Wir haben eine CI/CD-Pipeline entwickelt, die die Bereitstellung neuer Releases bis in die Produktionsumgebung automatisiert.
• Entwicklung eines Feature Stores und Datensynchronisierung zwischen Umgebungen
• Data Science: Bewertung verschiedener Prognosemodelle, darunter CatBoost, Contextual Gamma und Random Forest; Implementierung von Trainingspipelines mit Kubeflow auf Vertex AI; Skalierung und Entwicklung einer ereignisgesteuerten Schnittstelle mit Kafka als Prognoseservice; Bewertung von MLFlow für Modellverfolgung und Modellregister
• Implementierung einer REST-API mit KeyCloak OAuth2 und OpenID (JWT)
• Monitoring: Implementierung von Dashboards mit Grafana, Prometheus, Mimir, Streamlit und Loki zur Überwachung von Prognosemetriken, GCP- und Snowflake-Kosten für Pipelines sowie Systemmetriken
• Entwicklung von Copilot Agent Skills

• Fördert kontinuierliche Integration und Bereitstellung (CI/CD) durch Anwendung von DevOps-Prinzipien, um Entwicklungs- und Betriebsprozesse zu beschleunigen und zu automatisieren.
• Unterstützt praktisch bei der Implementierung und Bereitstellung von IaC mit Bicep.
• Verwaltet und optimiert Cloud-Infrastruktur auf Microsoft Azure, wobei Skalierbarkeit, Verfügbarkeit und Effizienz sichergestellt werden.
• Implementiert und überwacht umfassende Sicherheitsmaßnahmen, insbesondere in den Bereichen Netzwerk- und Datensicherheit, zum Schutz von Systemen und Daten.
• Verwaltet und betreibt Kubernetes-Cluster, um eine effiziente Orchestrierung und Skalierung containerisierter Anwendungen zu ermöglichen.

• Verantwortung für die Neuentwicklung einer Abrechnungs- und Prüfsoftware für Verordnungen (Rezepte), um E-Rezepte vollumfänglich auf Korrektheit (Inhalt, Rechnung) zu prüfen und auszuwerten

• System besteht aus mehreren Kontexten, die als Dienste (Docker-Container) ausgeführt werden:

• Überprüfung und Verarbeitung von Datenlieferungen via FTP und E-Mail

• Verwaltung von Rechnung, Clearings, Abschlägen und Absetzungen

• Verwaltung und Ausführung von Prüfregeln und Prüfmappen

• Auswertungen auf Basis von Metabase

• Developer Stack: Kotlin, Vue 3 / Vuetify 3, ANTLR, Spring Boot 3, REST-API, Gradle, Docker, GitLab, PostgreSQL, Kafka, Keycloak, Scrum, Grafana, Loki, Testcontainers, Prometheus

• Technische Leitung und Architektur für Enterprise-Kunden (u.a. LR Health & Beauty, Deutsche Bahn, Trusted Shops)
• Cloud-Migration, Microservices-Architekturen, CI/CD-Optimierung

• Analyse von Geschäftsprozessen zur Bewertung der Testautomatisierung
• Entwicklung und Durchführung von automatisierten Tests (Web & Mobile)
• Manuelle Tests zur Abdeckung nicht-automatisierter Bereiche
• Bugfixing, Reporting und Dokumentation aller Testergebnisse
• Abstimmung mit Teams und Product Ownern zur Testoptimierung und Anforderungsanalyse
• Durchführung von Komponententests, Systemtests und Migrationstests
• Erstellung von Monitoring-Reports und Fehleranalysen gemäß Prozessrichtlinien
• Im Zuge der Software-Neuausrichtung der Deutschen Bahn Teil des Teams für die neue DB Navigator App; verantwortlich für neue Prozessabläufe, modernes Design und Ablösung der alten Systeme
• Tools: Appium, Selenium, Cucumber, Android Studio, IntelliJ, GitLab, Instana, Java, iOS, CSS