JFrog Artifactory Experten in München
– in Minuten mit geprüften Spezialisten abgestimmtHolen Sie sich Experten, die Binär-Repositories verwalten, die sichere Freigabe von Artefakten steuern und zuverlässige CI/CD-Flows rund um JFrog Artifactory, Artifactory OSS und die gesamte JFrog-Toolchain aufbauen. Erhalten Sie schnelle, präzise Vermittlung mit geprüften, verfügbaren Freelancern.
Lerne FRATCH Experten in München kennen, die kürzlich JFrog Artifactory eingesetzt haben
Tezcan Dilshener
Letzte Position:
Solution Architekt / Projektleiter bei Deutscher Fußball-Bund
- Gesamtverantwortung für den Projektlebenszyklus von der Umfangsdefinition bis zum Abschluss
- Enge Zusammenarbeit mit Plattform-Teams, IT-Führungskräften und externen Dienstleistern
- Anwendung von SAFe-Prinzipien und strukturierte Sprint-Arbeit
- Erstellung eines Migrationsfahrplans mit klaren Meilensteinen
- Überwachung des Lifecycles: Onboarding, Repository-Migration, Replikation von Berechtigungen und Systemtests
- Visualisierung der Architektur mit PlantUML und Gliffy sowie Dokumentation in Confluence
- Regelmäßige Statusberichte und Durchführung von Wissenstransfer-Sessions
Ananthraj Narasappa
Letzte Position:
Founder bei sprhava
Leitung der End-to-End-Entwicklung von Edge-AI-gestützten Smart Glasses für sehbehinderte Menschen, Abstimmung der Produktvision mit den Nutzerbedürfnissen und Führung eines cross-funktionalen Teams aus Data Scientists, Android-Entwicklern, AWS-Ingenieuren und Hardware-Spezialisten.
- Produkt-Roadmap für Edge-AI-Smart-Glasses definiert und MVP-Features durch Nutzerforschung, Stakeholder-Interviews und Wettbewerbsanalyse festgelegt, mit Fokus auf Barrierefreiheit und Praxistauglichkeit.
- Einen PoC für die KI-gestützte Erkennung von Krebszellen in PET/CT-Scans entwickelt und validiert, in Zusammenarbeit mit medizinischen Experten zur Optimierung von Diagnosegenauigkeit und klinischer Relevanz.
- Ein multidisziplinäres Team von über 75 Ingenieuren, Praktikanten und Designern in Deutschland und Indien aufgebaut und skaliert, um grenzüberschreitende Zusammenarbeit und iteratives Prototyping voranzutreiben.
- Strategische Partnerschaften mit NGOs, Gesundheitsdienstleistern und Interessenverbänden aufgebaut, um Inklusion und Patientenfeedback in das Produktdesign einzubinden.
- Praktische Hardware-Software-Integration mit Raspberry Pi und Jetson Nano von KI-Modellen vorangetrieben. Beziehungen zu Lieferanten, Herstellern und Partnern im Ökosystem initiiert und gepflegt, um skalierbare Go-to-Market-Pläne aufzubauen.
- Wichtige Produktentscheidungen verantwortet, von der Prototypenentwicklung bis zur Finanzierungsstrategie, mit datenbasiertem und wirkungsorientiertem Ansatz.
- Eine lernorientierte Kultur gefördert, indem Brainstorming-Sessions und kontinuierliche Feedback-Schleifen zwischen Engineering und Produkt moderiert wurden.
Erfolge:
- Redner: Auto.Ai 2025 (Berlin), Wearable Technologies 2025 (München und Bangalore), MEDICA 2024 (Düsseldorf)
- WMF, Bologna, Italien (Juni 2024): Einziges KI-Startup aus Deutschland, das als EBV-Hero ausgewählt wurde, um sprhava auf einer globalen Plattform zu vertreten
- Medica, Deutschland (2024): Vortrag über KI-Smart-Glasses auf der größten Healthcare-Messe der Welt gehalten.
- Wearable Technologies, Bengaluru, Indien (Dez. 2024): Ich war Sprecher und habe sprhava und sein Produkt vorgestellt.
- Venturise Global Challenge (GIM 2025, Bengaluru Palace, Karnataka): sprhava wurde als eines der 16 Top-Startups (ESDM) ausgewählt, um auf dieser globalen Plattform zu präsentieren
- Wearable Technologies Conference 2025 EUROPE, München, Deutschland (Mai 2025): Vortrag über Edge AI auf Europas größtem Wearable-Tech-Event gehalten.
- InsurNext Köln, Deutschland (2025): sprhava wurde von der Stadt Köln mit einem Stand geehrt.
Vitaliy Ryumshyn
Letzte Position:
DevOps GitOps (ANÜ) bei Signal Iduna
- Verantwortlich für die Administration von OpenShift/Kubernetes On-Prem und den Entwickler-Support.
- Automatisierte die URP-Infrastruktur mit Python, Ansible, Kustomize sowie dem ArgoCD- und Argo Workflow/Events-Stack.
- Schrieb Smoke- und Lasttests für die URP-Infrastruktur mit Python, Kustomize und ApplicationSets.
- Unterstützte beim Aufbau und der Bereitstellung der URP-Infrastruktur in Google Cloud (GKE).
- Implementierte Monitoring für die URP- und ArgoCD-Umgebung mit Splunk Cloud.
- Führte Systemadministrationsaufgaben auf RedHat Linux, Kubernetes/OpenShift, ArgoCD, GitLab, Bitbucket Enterprise, Kafka und MongoDB durch.
Harald Laschitz
Letzte Position:
Projektmanagement bei Loocid LLC
- Durchführung einer umfassenden Due Diligence-Prüfung für eine potenzielle Akquisition einer Schweizer Produktionsfirma im Rahmen einer Pre-Merger-Analyse
- Bewertung der Produktionskapazitäten und technischen Infrastruktur
- Bewertung der Integrationsmöglichkeiten in bestehende Geschäftsprozesse
- Risikobewertung und Erstellung von Handlungsempfehlungen
- Dokumentation der Prüfungsergebnisse und Präsentation vor der Geschäftsleitung
Ales Loncar
Letzte Position:
Senior DevOps Berater (Freelancer) bei Agentur der Europäischen Union (über IBM)
- Arbeitete als freiberuflicher Senior DevOps-Berater vor Ort für IBM bei einer Agentur der Europäischen Union in einer hochsicheren, luftabgetrennten Umgebung und verwaltete klassifizierte Systeme.
- Führte Automatisierungs- und DevOps-Initiativen für eine großangelegte OpenShift-Plattform (>400 Knoten) an, steigerte die Bereitstellungseffizienz, die GitOps-Einführung und die operative Automatisierung mit Ansible, Python und Bash und stellte gleichzeitig die Einhaltung der Sicherheitsvorgaben sicher.
- Leitete die Automatisierung von Release- und Deployment-Workflows in einer Private-Cloud-Umgebung mit über 400 OpenShift-Knoten und verbesserte dadurch deutlich die Geschwindigkeit und Zuverlässigkeit der Bereitstellungen.
- Migrierte bestehende Playbooks, Rollen und Templates von Ansible Tower zur Ansible Automation Platform (AAP), stellte die vollständige Einhaltung der vollqualifizierten Collection-Namen (FQCN) sicher und bereitete angepasste Execution Environments (EE) für containerisierte Automatisierung vor.
- Implementierte einen GitOps-Agent für die AAP-Controller-Konfiguration als Code und ermöglichte so die automatisierte Synchronisation (CRUD) von Ansible-Controller-Objekten anhand im Repository gespeicherter Konfigurationsdefinitionen mittels GitHub-Webhooks.
- Entwickelte und automatisierte komplexe mehrstufige Betriebs-Workflows, darunter Umgebungscleanup, Neuaufbau von Helix-Cluster-Komponenten, Kafka-Topic-Management und Lifecycle-Management von OpenShift-Objekten in etwa 100 Umgebungen.
- Erreichte durch Automatisierungsverbesserungen über mehrere AAP-Cluster und OpenShift-Umgebungen hinweg eine Reduzierung mehrtägiger manueller Abläufe auf wenige Stunden.
- Integrierte die Ansible Automation Platform mit dem Thycotic (Delinea) Secret Server über ein Lookup-Plugin, um das sichere Management von Zugangsdaten in automatisierten Prozessen zu verbessern.
- Übernahm Deployment-Aufgaben, Fehlerbehebung auf Plattformebene und Konfigurationen des Istio-Netzwerks unter Einhaltung strenger EU-PSC-Sicherheits- und Compliance-Standards.
- Arbeitete mit Infrastruktur- und Applikationsteams zusammen, um Bereitstellungsverfahren zu verfeinern, Namenskonventionen zu entwickeln und die Automatisierungsabdeckung in einer luftabgetrennten, klassifizierten Umgebung kontinuierlich zu verbessern.
Maziyar Khorrami
Letzte Position:
Data Engineer bei MSD Germany
- Lead-Architekt für die Gestaltung und Umsetzung des Data Lake und der ETL-Pipeline mit dem AWS-Stack
- Leistungsoptimierung der Datenaufnahme der ETL-Pipeline
- Entwicklung der Datenvalidierung mit Great Expectations
- Leitung der Datenmigration für zwei Quellsysteme
- Datenmodellierung in AWS Redshift
MLOps
- Implementierung der Modell-Inferenz mit mlflow und AWS SageMaker
- Feature Engineering für die laufenden ML-Modelle (Recommender Engineer, Clustering)
- Implementierung von Model Registry und Artifactory mit mlflow
- Historisierung und Profiling der Eingabedaten mit AWS Glue Crawler und AWS Data Catalog
- Feature Importance mit mlflow
Tech. Stack: Python 3, AWS Glue, AWS Step Function, AWS Lambda, AWS EventBridge, AWS IAM Role, AWS SageMaker, AWS EC2, AWS Glue Crawler, AWS CloudWatch, MLFlow, ETL, Data Lake, GitHub Action, Terraform, Jenkins, Ansible Playbooks (Infrastructure as Code), CI/CD, GitLab, SQL, PySpark, Scrum, Agile, Jira, Big Data, VSCode, DBeaver, MSSQL, MySQL, Grafana, Docker, Linux, Bash, MapReduce, Datenmodellierung (ORM), Pandas, YAML, SQL-Alchemy
Janusz Mazurek
Letzte Position:
IoT Edge Computing / Autonomes Fahren bei Automotive, Beratungsunternehmen
- Plattform: Python-Ökosystem, RHEL 8, K10, AWS IoT Core, AWS Lambda, MLOps
- Software: Java JEE/Cloud, IntelliJ IDEA, AWS IoT Core, AWS Edge und Lambda, AWS SageMaker SDK, Docker Compose, Kubernetes, Openshift 4, Tekton, Flux, Helm Charts, JSON/XML-Technologien, Nginx, Apache Spark, OpenAI (GPT Plus, DALL-E 3, Whisper), GAN, GitHub Copilot, KI, Machine Learning, Deep Learning, Jupyter Notebooks, TensorFlow 2, Colab, Keras API, Prometheus, Grafana, Conda, Python 3.9, SciPy-Stack (NumPy, pandas, scikit-learn, matplotlib)
- Zuständig für Webinar:
- IoT Edge Computing, Architektur, Komponenten, Ressourcen, Management
- IoT Edge Computing mit MicroK8s, Design und Erstellung von Flows/Diagrammen für AWS, Three-Step-Modell für IoT-Ökosystem
- IoT-Prozesse, Konnektivität, Datentransfer und Deployment, Sicherheit
- Optimierung des Edge Computing für Netzwerke, Services im IoT (AWS SQS Queue, SNS-Benachrichtigungen, Events, Analytics, Button, Device Management/Defender, Things Graph)
- Machine-/Deep-Learning-Frameworks (Modelle, Training, Optimierung der Pipelines, Deployment in der Cloud/am Edge, Monitoring der Workloads mit Prometheus und Grafana)
- Performance-Optimierung für niedrige Latenz/Resilienz mittels adaptiver ML/DL/RL-Modelle für Kundendaten aus dem IoT
- Analyse großer Sensordatenmengen mit Apache Spark, Kafka-Clustern
- Kasten K10 Data Management Platform auf Kubernetes-Multi-Cluster mit Helm Chart: Deployment, Backup/Disaster Recovery (RTO/RPO), Data Lifecycle und Security Management
- Implementierung eines mehrschichtigen neuronalen Netzes (ANN) mit TensorFlow 2 und Colab für Regression und Klassifikation; Datenanalyse und Aufbereitung für Applikationen; Entwicklung von Test- und Trainingsmodellen; Deployment der Modelle
- Automatisierung von Business-Streamline-Prozessen mit KI (Azure OpenAI, Discord-Bots/Zapier, AI-Assistenten-Apps IntelliJ, GitHub Copilot)
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die JFrog Artifactory einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
26 Jahre (Deutschland: 22 Jahre)
Positionsdauer
1,4 Jahre (Deutschland: 1,9 Jahre)
Positionen pro Freelancer
14 (Deutschland: 15)
Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Automotive
Fokus der Zertifizierungen
Informationstechnologie (IT), Betrieb, Personalwesen
Bachelor-Abschluss oder höher
86% (Deutschland: 90%)
Master-Abschluss oder höher
43% (Deutschland: 52%)
Doktortitel
14% (Deutschland: 10%)
Zertifizierungen pro Freelancer
3
Häufigste Sprachen
Deutsch, Englisch, Hindi
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 97%)
Basierend auf unserem Profilpool, Stand 30 Aug 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Technologie in München 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 München, die JFrog Artifactory 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 30 Aug 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Über die Technologie
Was es macht
JFrog Artifactory ist ein Binär-Repository-Manager zum Speichern, Versionieren und Verteilen von Build-Artefakten. Teams nutzen es, um Maven, npm, Docker, PyPI, NuGet und andere Paketformate an einem Ort zu verwalten. So bleiben Releases vom Build bis zum Deployment nachvollziehbar.
Wo es passt
- Zentrale Artefaktablage für CI/CD-Pipelines
- Freigabe von Builds zwischen Umgebungen
- Proxying externer Repositories und Paket-Feeds
- Zugriffskontrolle für Teams und Service-Accounts
- Aufbewahrungsregeln für alte oder ungenutzte Binärdateien
Skills rundherum
Starke Spezialisten kennen Repository-Struktur, Abhängigkeitsauflösung, Metadaten, Berechtigungen und Freigabeprozesse. Sie verstehen auch, wie Artifactory mit Jenkins, GitLab CI, GitHub Actions, Kubernetes und Cloud-Registries zusammenarbeitet. Gute Arbeit hält Pipelines wiederholbar und Release-Artefakte leicht prüfbar.
Wann Unternehmen Hilfe holen
Unternehmen suchen meist freiberufliche Unterstützung, wenn Repository-Setups unübersichtlich werden, Releases langsamer laufen oder Verpackungsregeln sich zwischen Teams unterscheiden. Die Migration von Nexus Repository oder einem alten Dateishare ist ein weiterer häufiger Fall. In München kommt das oft in Enterprise-Software, Fertigung, Mobilität und regulierten Umgebungen vor, in denen Nachvollziehbarkeit wichtig ist.
Wie gute Arbeit aussieht
Ein starker JFrog Artifactory Spezialist legt klare Namensregeln, Versionierungslogik und Lifecycle-Richtlinien fest. Er automatisiert das Anlegen von Repositories, Berechtigungen und Aufräumen, statt alles von Hand zu machen. Außerdem dokumentiert er, wie Teams Artefakte veröffentlichen, nutzen und freigeben, damit das Setup nach der Übergabe stabil bleibt.
Ökosystem und Umsetzung
Artifactory wird selten allein genutzt. Oft kommt es zusammen mit Xray für Sicherheitsprüfungen, JFrog Pipelines für die Build-Orchestrierung und Container-Tools für Docker- und Helm-Charts. Spezialisten liefern Repository-Architektur, Migrationspläne, Pipeline-Integration und Support für Release-Engineering-Teams.
Häufig gestellte Fragen
Unsicher, wo du bei JFrog Artifactory anfangen sollst? Diese Antworten decken das Wichtigste ab.
JFrog Artifactory wird verwendet, um Build-Ergebnisse wie Bibliotheken, Pakete, Container-Images und Deployment-Bundles zu speichern, zu versionieren und zu verteilen. Es bietet Teams einen kontrollierten Ort, um Artefakte entlang des gesamten Software-Delivery-Flows zu veröffentlichen und zu nutzen. Das macht Releases leichter wiederholbar und prüfbar.
Artifactory ist der Repository-Manager von JFrog, nicht die gesamte Produktlinie von JFrog. Viele sagen JFrog, wenn sie das Unternehmen oder das gesamte Ökosystem meinen, aber das Produkt selbst ist Artifactory. Bei Suchen sind beide Namen wichtig, weil viele Teams sie im Gespräch gleichbedeutend verwenden.
JFrog Artifactory und Nexus Repository lösen ein ähnliches Problem: die Verwaltung von Binär-Artefakten und Paket-Feeds. Artifactory wird oft gewählt, wenn Teams breitere Workflow-Integration, reichere Freigabemuster oder eine enge Anbindung an den JFrog-Stack wollen. Nexus ist ebenfalls verbreitet, daher sollte ein Freelancer beide kennen, wenn eine Migration im Raum steht.
Ein starker Artifactory-Spezialist kennt meist CI/CD, Zugriffskontrolle, Repository-Formate und Release Engineering. Nützliche angrenzende Skills sind Docker, Kubernetes, Jenkins, GitLab CI, GitHub Actions und Security-Scans mit Xray. Auch Packaging-Wissen ist wichtig, besonders für Maven, npm und Helm.
Ein kleines Setup braucht vielleicht nur jemanden, der die Grundlagen von Repositories und die Pipeline-Integration versteht. Komplexere Projekte brauchen mehr Erfahrung mit Berechtigungen, Replikation, Freigaberegeln und Migrationsplanung. JFrog Artifactory wird schwieriger, wenn viele Teams in gemeinsame Repositories liefern oder wenn Release-Pfade je nach Umgebung unterschiedlich sind.
Ja. Die meiste JFrog Artifactory-Arbeit kann remote erledigt werden, weil es vor allem um Repository-Design, Pipeline-Änderungen und Konfigurationsprüfungen geht. Vor Ort in München hilft es, wenn das Setup sensible Release-Prozesse, gemeinsame Infrastruktur oder Workshops mit lokalen Plattform-Teams betrifft.
Achten Sie auf klares Repository-Design, saubere Namenskonventionen, sinnvolle Berechtigungsmodelle und wiederholbare Automatisierung. Ein starker Artifactory-Freelancer erklärt Abwägungen, dokumentiert das Setup und vermeidet manuelle Schritte, die unter Last scheitern. Gute Zeichen sind Migrationspläne, Rollback-Denken und praktisches Wissen über die Formate, die Ihre Teams wirklich nutzen.
Leute suchen oft nach Artifactory, JFrog Artifactory oder manchmal nur nach JFrog, wenn sie den Repository-Manager meinen. Wenn Ihr Projekt ältere Dokumentation betrifft, sehen Sie vielleicht auch Verweise auf Bintray im weiteren JFrog-Kontext. Ein guter Spezialist sollte diese Begriffe kennen und wissen, was in aktuellen Setups noch wichtig ist.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, liegt bei 108 €, was einem Tagessatz von etwa 861 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, haben 86% mindestens einen Bachelor-Abschluss, 43% mindestens einen Master-Abschluss und 14% einen Doktortitel.
Freelancer in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 26 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 1,4 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Hindi (14%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Bank- und Finanzwesen (71%) und Automotive (57%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die JFrog Artifactory in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (100%) und Projektmanagement (86%).
Hauptstandorte der FRATCH Experten, die kürzlich JFrog Artifactory 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.
Köln 
Frankfurt 
Stuttgart 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!
Philipp Thomaschewski
FRATCH CEO
