
Multi-Tenancy-Experten in München
entwickelnBeauftragen Sie Experten, die Mandantentrennung, konfigurierbare SaaS-Architekturen und sicheren Datenzugriff über Cloud-Umgebungen hinweg entwickeln. FRATCH verbindet Sie mit passenden, geprüften und verfügbaren Freelancern, die schnell einen Beitrag leisten können.
Lerne FRATCH Experten in München kennen, die kürzlich Multi-Tenancy-Experten eingesetzt haben
Elsa B.
Letzte Position:
AI Product Owner bei HydroMapper GmbH
Ein funktionierendes KI-Prüfsystem entwickelt und eingeführt, das nun gemeinsam mit einem deutschen Bundesinfrastrukturkunden in den Produktivbetrieb überführt wird.
- Den zentralen Engpass ermittelt: Außendienstprüfer dokumentierten Schäden manuell. Für jeden Datensatz waren zwei Personen nötig, und es gab keinen Prüfpfad. Eine KI-Pipeline entwickelt, die den Ablauf durch Spracheingabe mit nur einem Prüfer, automatische Felderkennung und eine Prüfung mit Konfidenzwerten vor dem Absenden ersetzt. Ziel: 30% weniger Dokumentationszeit pro Datensatz.
- Discovery durchgeführt, die Systemarchitektur festgelegt und den vollständigen POC mit React, Python, FastAPI, LangGraph und LangSmith entwickelt. Die Evaluierung von Anfang an integriert: Jede KI-Ausgabe wird mit der Bestätigung des Prüfers protokolliert, sodass die Genauigkeit bereits ab der ersten Sitzung im Produktivbetrieb messbar ist. Drei Wege zur Fehlerbehandlung in das Systemdesign integriert: erneuter Versuch, neue Aufnahme und manuelle Eingabe. So funktioniert der Ablauf auch dann, wenn die KI-Ausgabe fehlschlägt.
- Vor der Fertigstellung der Architektur das Risikomapping nach EU AI Act sowie die GDPR/DPIA-Dokumentation abgeschlossen und damit die für die Einführung auf Bundesebene erforderliche Compliance-Grundlage geschaffen.
Narasimha P.
Letzte Position:
Senior SAP Commerce Full-Stack-Softwareentwickler bei Bosch Digital Commerce GmbH
- KI-Coding-Agenten (OpenCode, GitHub Copilot) mit Skills eingeführt, die Richtlinien durchsetzen; FR/NFR-Spezifikationen vor der Implementierung von Stakeholdern freigegeben.
- MACH-Services entwickelt: Assortment Engine und Price Waterfall Engine (Microservices, API-first, Headless), mit KI-Agenten umgesetzt; produktiv und mandantenübergreifend wiederverwendbar.
- KI-Skills für Product Owner, Datenbankdesign und REST-API-Design umgesetzt.
- GitOps-Bereitstellung mit Argo CD und GitLab-CI/CD-Pipelines eingerichtet.
Vasco F.
Letzte Position:
Senior AI-Ingenieur (Freiberuflich) bei RWE
Databricks-Architektur & KI-Datenprodukte [Databricks Apps · Unity Catalog · Delta Lake · Lakebase · Asset Bundles · Azure DevOps · MCP]
- Entwarf eine mehrschichtige Databricks-Finanzdatenarchitektur: Apps/FastAPI für die Bereitstellung, modulare Python-Berechnungsengines, SQL/Delta für kontrollierte Analysen und Unity Catalog Volumes für versionierte Workbook-Ausgaben.
- Integrierte operative Daten aus Lakebase PostgreSQL mit Analysen im SQL Warehouse und hielt transaktionale und analytische Zugriffe durch die App-Service-Principal-Identität, kurzlebige Zugangsdaten und kontrollierte, schreibgeschützte Datenschnittstellen getrennt.
- Definierte eine DEV/TST/PRD-Bereitstellungsarchitektur mit Databricks Asset Bundles und automatisierter Azure DevOps CI/CD, einschließlich wiederverwendbarer Umgebungskonfigurationen, OAuth-M2M-Identitäten und automatisierter Verwaltung des Lebenszyklus von Anwendungen und Ressourcen.
- Entwarf Zugriffsgrenzen für Apps, SQL Warehouses, Unity-Catalog-Tabellen/Funktionen/Volumes und Secret Scopes. Trennte Deployment-, Anwendungs- und SQL-Identitäten durch deklarative Ressourcenberechtigungen und umgebungsspezifische Authentifizierung.
- Entwickelte serverlose Spark-Pipelines für Geodaten und eine nachvollziehbare Speicherarchitektur, die unveränderliche Volume-Artefakte, Revisionsverläufe und eine nur ergänzbare Delta-Historie mit dauerhaft gespeicherter Audit-Ereignisübermittlung verbindet.
- Verknüpfte AI-Hub-Agenten über typisierte REST/MCP-Schnittstellen mit kontrollierten Databricks-Finanz-Workflows. Implementierte CAPEX/OPEX-, Commercial-, Lease- und IRR/NPV-Engines mit Szenariovalidierung und Konsistenzprüfungen für Workbooks.
John R.
Letzte Position:
Munich Volkshochschule
Englischunterricht an der Munich Volkshochschule, Entwicklung von Schulungsmaterialien und Durchführung von Kursen für erwachsene Lernende
Robert L.
Letzte Position:
Senior Projektleiter KI & Daten bei Großer deutscher Energieversorger
KI-Assistenz und Zielbild für teilautonome Energieportfolio-Steuerung
Aufbau einer KI-Steuerungsschicht direkt auf dem tagesaktuellen Live-Portfolio eines großen Energieversorgers — nicht als isolierter Pilot, sondern als operative Erweiterung der bestehenden DB1- und Portfolio-Steuerung. Ziel ist die schrittweise Entwicklung von Assistenz über Monitoring/Alerting bis zu Analyse-Agenten mit Human-in-the-Loop-Freigaben, ergänzt um ein rollenspezifisches System of Engagement neben dem BI-System of Record. Parallel werden Business Case, Zielbild und Management-Pitch gegenüber statischem Monatsreporting erarbeitet.
- KI-Steuerungsschicht: Konzeption und Aufbau auf dem bestehenden Live-Portfolio-Datenprodukt (mehrere Mio. Verträge) — Ausbaustufen Assistenz → Monitoring/Alerting → Agenten mit Human-in-the-Loop-Freigaben.
- LLM-gestützte Datenanalyse: Semantische Abfragen, SQL-/Tool-Anbindung und ergänzende RAG-Komponenten auf Portfolio-, Plan-Ist- und Datenqualitätsdaten (Azure OpenAI, Snowflake) mit Drill-downs bis auf Einzelvertragsebene.
- Analyse-Agenten: Mehrstufige Agenten für Abweichungs- und Treiberanalysen zu Churn, Preisanpassungen, Mengen und Beschaffungskosten.
- Sichtenkonzept: Rollenspezifische Oberflächen für Fachbereich, Management und C-Level als System of Engagement neben dem BI-System of Record.
- Business Case & Pitch: Zielbild und Kosten-Nutzen-Argumentation gegenüber statischem Monatsreporting.
- LLM-Setup (Datenschutz & Security): Abstimmung mit IT-Security und Datenschutz — EU-Region, Datentrennung, Freigabeprozesse.
- Agenten-Architektur: Mehrstufige Agenten-Pipelines (Analyse → Validierung → Zusammenfassung) mit dokumentierten Datenquellen, Tool-Aufrufen, Prüfschritten und Quellenbezug je Aussage.
- Datenfundament: Aufsatz auf dem tagesaktuellen DB1-Datenprodukt (Snowflake, dbt) — Portfolio-, Plan-Ist- und Datenqualitätskennzahlen als gemeinsame Basis aller KI-Analysen.
- Guardrails & Evaluation: Evaluations- und Freigabeprozesse für LLM-Antworten bei steuerungsrelevanten Aussagen — Testsets, Metriken, Human-Review.
- Prototyping & Validierung: Iterative Validierung der Agenten-Antworten mit dem Fachbereich — Testfragen-Katalog, Feedback-Schleifen, Antwortqualität je Release.
- Roadmap & Ausbaustufen: Detaillierung der Stufen Assistenz → Monitoring/Alerting → teilautonome Steuerung inkl. Übergangskriterien und Governance je Stufe.
- Integration: Einbettung in die bestehende BI- und Datenlandschaft — BI bleibt System of Record, die KI-Schicht liefert interaktive Drill-down-Pfade als System of Engagement.
- Enablement: Befähigung der Anwender im Fachbereich — Prompting-Leitfäden, Schulungen und Betriebsmodell für den laufenden Einsatz.
- Steuerung: Koordination Fachbereich, Data Engineering, IT-Security & Datenschutz.
- Change Management: Kommunikation und Erwartungsmanagement gegenüber Fachbereich und Management entlang der Ausbaustufen.
Ergebnisse:
- Auf bestehendes tagesaktuelles Datenprodukt mit mehreren Millionen Verträgen aufgesetzt
- Mit Datenschutz und IT-Security abgestimmtes LLM-Setup in EU-Region mit Datentrennung und Freigaben etabliert
- Drei Ausbaustufen bis zur teilautonomen Steuerung definiert
- Rollenspezifische Sichten für Fachbereich, Management und C-Level konzipiert
- Business Case und Management-Pitch für die Ausbaustufen erarbeitet
- Iterativer Validierungsprozess für Antwortqualität mit dem Fachbereich etabliert
- Betriebsmodell für den Assistenzbetrieb konzipiert und in Validierung
Stack: Azure OpenAI, Azure AI Foundry, Snowflake, dbt, React, TypeScript, Entra ID, RAG, Agentic AI, Analyse-Agenten, Human-in-the-Loop, Prompt Engineering, LLM Evaluation, LLMOps, DSGVO / EU-Region, Azure DevOps, Python, SQL, Change Management
Paul T.
Letzte Position:
Senior Project Manager Networks Division bei Samsung Electronics GmbH
- Steuerung der erfolgreichen Erprobung und kommerziellen Einführung der OpenRAN-Technologie sowie des Austauschs von Legacy-SRAN für 2 Mobilfunknetzbetreiber in Deutschland.
- Governance und Koordination des gesamten End-to-End-Projektlebenszyklus für mehrere Workstream-Leads, z. B. Operations, Performance, Site Solution Management, Design, SW Delivery, Integration & Implementation, OSS Tools und Unterstützung durch 3rd-party Resource.
- Projektplanung zur Abdeckung wichtiger Meilensteine durch Abstimmung der Roadmap gemäß den Vorgaben der deutschen Bundesnetzagentur (BNetzA) als Anbieter.
- Unterstützung des Account-Teams vor und nach dem Vertrieb bei RfP/RfQ-Einreichungen.
Omar A.
Letzte Position:
Senior Fullstack AI Engineer (Team Lead – B2C Platform) bei mama health
- Arbeite direkt mit C-Level-Führungskräften (CEO, CAIO, CTO) an Architektur, OKR-Strategie und der teamübergreifenden Priorisierung der Roadmap und übersetze strategische Ziele in strukturierte Engineering-Anforderungen.
- Habe technische Schulden im gesamten Unternehmen gemeinsam mit dem C-Level sichtbar gemacht und eine priorisierte Remediation-Strategie mit definiert, mit dem Ziel, Schuldenabbau und Feature-Delivery sinnvoll auszubalancieren.
- Habe Code Reviews und technische Standards im Team geleitet und eine Mentor-First-Kultur mit zweiseitigem Feedback gefördert — durch Pairing an komplexen Pipeline-Themen und Unterstützung jüngerer Engineers bei asynchronen Architekturmustern.
- Habe die Kern-Processing-Pipeline des AI Companions von synchron auf asynchron mit einer Queue-basierten Worker-Architektur umgebaut, horizontale Skalierung ermöglicht und die Upload-Verarbeitungszeit um ~4x verkürzt (von ~22s auf 5–10s) bei gleichzeitig besserer Antwortgenauigkeit.
- Habe einen AI-gestützten Workflow für Document Intelligence entworfen mit automatischer Multi-Document-Klassifizierung, Zusammenfassungen pro Dokument und Relevanz-Guardrails für die Patientenreise.
- Habe ein einheitliches Patient-Memory-System aufgebaut (kurz- und langfristiger Kontext), das das Dokumentenarchiv und den Chatbot zu einer einzigen bidirektionalen, kontextbewussten Plattform verbindet.
Anton L.
Letzte Position:
Senior Solution Architect
Interne Systeme mit regulatorischen und sicherheitsrelevanten Anforderungen konnten nicht direkt durch KI-Tools für Incident-Triage, Fehlersuche und Dokumentationssuche genutzt werden. Ziel war die sichere Integration dieser Systeme über MCP unter Beibe...
Markus O.
Letzte Position:
Lead E-Solution Architekt & Senior Requirements Engineer bei Zasterbot-Oracle
- Klärung von Projektzielen, Scope und fachlichem Zielbild für den Aufbau der KI-basierten Wissensdatenbank.
- Ableitung der initialen Architektur- und Umsetzungsstrategie für den Zasterbot-Chatbot inklusive Abgrenzung von MVP und Ausbaustufen.
- Erarbeitung eines fachlichen Zielbilds für den Aufbau einer strukturierten Wissensdatenbank und die Integration eines zukünftigen Chatbots.
- Ableitung und Priorisierung von Anwendungsfällen für die Informationsbeschaffung und -bereitstellung durch den Chatbot.
- Modellierung von Datenstrukturen und -flüssen zur effektiven Organisation der Wissensdatenbank auf der Base44-Plattform.
- Konzeption und Implementierung der Datenmodelle zur Speicherung und Verknüpfung von relevanten Informationen.
- Entwicklung von Prozessen zur Extraktion, Analyse und Aufbereitung von Rohdaten für die Wissensdatenbank.
- Sicherstellung der Datenkonsistenz und -qualität als Grundlage für den zukünftigen Chatbot.
- Planung der Integration von Large Language Models (LLMs) und Retrieval-Augmented Generation (RAG) für präzise und kontextbezogene Antworten.
- Implementierung von Funktionen zur Analyse und Darstellung von Daten aus der Wissensdatenbank.
- Nutzung der Base44-Plattform mit JSON-Schema-basierten Entitäten und flexiblem Berechtigungskonzept.
- Implementierung von Deno-Funktionen für Backend-Logik, Eventverarbeitung und Anbindung externer APIs.
- Integration von OpenAI-Services für die initiale Datenanalyse.
Marcus B.
Letzte Position:
Java- und Quarkus-Experte bei Großer deutscher Energiedienstleister
- Modernisierung einer groß angelegten Java-Unternehmensanwendung*
Das Projekt modernisiert eine komplexe Unternehmensanwendung, die über viele Jahre gewachsen ist. Das bestehende Spring-basierte Legacy-System läuft auf Java 8, OSGi und Eclipse RCP und wird schrittweise auf eine moderne, wartbare Architektur mit Java 25 und Quarkus migriert.
Marcus arbeitet in Analyse, Architektur, Refactoring und Implementierung. Ein Schwerpunkt liegt auf der Entflechtung historisch gewachsener Strukturen und Abhängigkeiten sowie dem Aufbau eines sauberen, nachhaltigen Java- und Quarkus-Technologiestacks.
Tools & Technologien: Java 8, Java 25, Quarkus, Hibernate ORM mit Panache, EclipseLink, OSGi, Eclipse RCP, Maven, JUnit, Mockito, REST, JSON, Git, Eclipse IDE, IntelliJ IDEA Ultimate, Jira, Confluence
Alexandru G.
Letzte Position:
Principal Cloud DevOps Architect bei BP
In meiner Rolle als Senior Cloud DevOps Architect bei BP, einem Öl- und Gasunternehmen, hatte ich die Aufgabe, die Plattform für das Laden von Elektrofahrzeugen der EV Division von On-Premises und Azure in die AWS-Cloud zu migrieren, was zu einer hybriden Multi-Cloud-, Multi-Tenant-SaaS-Lösung führte.
Der Einsatz von Kubernetes für die Anwendungsebene bedeutete die Bereitstellung von Kubernetes-Clusters, die von EKS und AKS verwaltet wurden, mit Fokus auf die Integration in eine Multi-Tenant-Umgebung. Diese Integration wurde durch den Einsatz von Kubernetes-Namespace und Zugriffskontrollen erreicht, um Datenisolation und Datenschutz sicherzustellen.
Auf der Datenbankebene entschieden wir uns für eine RDS-Instanz mit PostgreSQL zur Unterstützung der Backend-Infrastruktur unserer Anwendungen. Die Mandanten teilten sich dieselbe RDS-Instanz, hatten aber jeweils ein eigenes Schema.
Um nahezu in Echtzeit Daten von physischen Ladestationen (CPOs) als IoT-Geräte über das OCPI-Protokoll aufzunehmen, stießen wir bei der Batch-Verarbeitung auf erhebliche Verzögerungen. Daher entwickelten wir eine Streaming-Datenpipeline in Echtzeit mit Apache Kafka und setzten dabei auf eine eventgetriebene Architektur.
Ich leitete die Zusammenarbeit über mehrere interne Teams, externe Anbieter, Cloud-Provider und Partner vor Ort hinweg, um über fünf Systeme in eine einheitliche Lösung zu integrieren.
Erfolge:
- Erfolgreich hybride Multi-Cloud-Lösungen entworfen und umgesetzt, die mehrere Cloud-Plattformen (AWS, Azure) mit On-Premises-Infrastruktur unter Einsatz von Site-to-Site-VPNs, Firewalls und Load Balancing integrierten.
- Die Migration der On-Premises-Infrastruktur zu einer Multi-Cloud-, Multi-Tenant-Infrastruktur geleitet, was zu 30 % schnelleren Verarbeitungszeiten führte.
- Workloads aus VMware- und Hyper-V-Umgebungen auf cloudbasierte VMs migriert und dabei Cloud-native Services genutzt, um Leistung, Kosteneffizienz und Skalierbarkeit zu optimieren.
- Eine Multi-Tenant-Kubernetes-Plattform entworfen, die das Kubernetes-Ökosystem nutzt, mit Karpenter für die dynamische Bereitstellung von EC2-Nodes, KEDA für eventgesteuertes Pod-Autoscaling (z. B. Kafka-Message-Lag) und Rancher für das zentrale Monitoring mehrerer Cluster (EKS, AKS oder On-Prem K8s), als Ersatz für den Microsoft-zentrierten Azure-Arc-Management-Service.
- Python-basierte FastAPI-Microservices als Teil des EV-Core-Backends auf der AWS-EKS-Anwendungsebene entworfen und umgesetzt, die Datenaufnahme- und Kundenanalyse-Pipelines antreiben.
- Asynchrone, eventgetriebene APIs (Python-FastAPI) für die Echtzeit-Integration mit CPOs entwickelt, mit Unterstützung für OCPI 2.3 und OICP-Protokolle.
- Eine sichere, produktionsreife Azure-Databricks-Plattform mit Terraform entworfen und umgesetzt und dabei Skalierbarkeit und Kosteneffizienz sichergestellt.
- On-Premises-ERP auf eine hybride Dynamics-365-Architektur migriert, mit ERP lokal gehostet und CRM in Azure betrieben, integriert über Azure Arc.
- CI/CD-Pipelines für Databricks-Notebooks und Jobs mit GitHub Actions und Databricks CLI automatisiert, wodurch die Bereitstellungszeit reduziert wurde. Die Bereitstellungszeit für Infrastruktur durch Automatisierung der Cloud-Ressourcenbereitstellung mit GitOps um 70 % reduziert.
- Die Einhaltung interner Audit- und Data-Governance-Standards (GDPR) durch OAuth2/OIDC-basierte Authentifizierung und fein abgestufte rollenbasierte Zugriffskontrollen sichergestellt.
- Ein Zero-Trust-Sicherheitsmodell entwickelt, das Least-Privilege-Zugriffe und Mikrosegmentierung durchsetzt und die Sicherheitslage sowie die Compliance mit GDPR und NIST verbessert.
- Interaktive Analytics-Dashboards in Amazon QuickSight erstellt, die Daten aus S3 und Redshift integrieren, um Echtzeit-Business-Insights und Visualisierungen mit eingebettetem Zugriff für Multi-Tenant-Nutzer bereitzustellen.
- Cloud-Sicherheitsbewertungen und eine Sicherheitsintegration über den gesamten Lebenszyklus während M&A geleitet, einschließlich AWS, Azure, IAM (Entra ID) und Datenschutz, und dabei die Sicherheitslage mit NIST, ISO 27001 und GDPR über hybride und cloud-native Umgebungen hinweg ausgerichtet.
- Die Cloud-Kosten für eine Dev-Umgebung eines Kunden um 64 % gesenkt, indem automatisierte Start-/Stopp-Zeitpläne für EC2- und RDS-Instanzen über AWS CDK mit EventBridge Scheduler oder AWS Systems Manager implementiert wurden.
Tech-Stack:
- Infrastructure as Code: Terraform, AWS CDK, Ansible.
- Container: Kubernetes auf EKS, AKS, Docker.
- Streaming-Datenverarbeitung: Kafka zu Confluent Cloud, nach AWS MSK.
- Frontend: TypeScript, React, NextJS, Hooks, Styled Components.
- Backend: Python mit FastAPI, außerdem Node.js mit NestJS.
- Datenbank: Aurora auf PostgreSQL mit TypeORM, RDS auf SQL Server, vollständiges Setup und Administration von Azure Databricks, ETL-Pipelines.
- CI/CD und GitOps: GitHub Actions, Azure DevOps, ArgoCD.
- Monitoring und Observability: Prometheus und Grafana.
- Virtualisierung: Hyper-V, VMware Cloud on AWS, Azure Migrate.
- ERP-Systeme: Odoo, Microsoft Dynamics 365 Business Central auf Azure, integriert mit Azure Arc.
- Netzwerke: Site-to-Site-VPNs, AWS Direct Connect, Azure ExpressRoute, Firewalls (AWS Network Firewall, Azure Firewall).
- Sicherheit: IAM, NIST Framework, Zero-Trust-Sicherheit, AWS WAF, AWS Shield, GuardDuty.
Mahmoud R.
Letzte Position:
Datenbankadministrator bei Deutsche Pfandbriefbank
- Bereitstellung und Betrieb von Oracle-Datenbanken gemäß den vereinbarten Service Levels.
- Speicherverwaltung mit Oracle ASM.
- Oracle Grid Infrastructure und Datenbank-Patching.
- Sicherstellung der Einhaltung von SLAs und operativen KPIs sowie Koordination von internem und externem Support bei größeren Störungen.
- Entwicklung und Durchführung zuverlässiger Backup-Strategien und regelmäßiger Wiederherstellungen.
- Planung und Durchführung von Migrationen von Nicht-Multitenant- zu Multitenant-Architekturen sowie Konsolidierung von Datenbanken in mehrere Container.
- Einrichten der Oracle-Datenbank-Authentifizierung mit Kerberos.
- Bereitstellung und Administration von Azure Database for PostgreSQL (Flexible Server) einschließlich Konfiguration, Skalierung und Einrichtung der Hochverfügbarkeit.
- Migration von lokalen PostgreSQL-Datenbanken zu Azure mithilfe von pg_dump/pg_restore, pg_dumpall und dem Azure Database Migration Service.
- Konfiguration von Backup- und Point-in-Time-Wiederherstellungsrichtlinien zur Einhaltung von Compliance- und Wiederherstellungszielen.
- Implementierung von Überwachung und Alarmierung mit Azure Monitor, Log Analytics und benutzerdefinierten Dashboards.
- Durchführung von Performance-Tuning für Abfragen durch Analyse von Ausführungsplänen, Optimierung von Indizes und Anpassung von Parametern (work_mem, shared_buffers, autovacuum).
- Zusammenarbeit mit Entwicklern zur Umsetzung von Verbesserungen im Schema-Design, Partitionierung und Connection-Pooling (PgBouncer) für höhere Skalierbarkeit.
Markus B.
Letzte Position:
Technischer Mitgründer bei Loka AI
- Softwareentwicklung eines B2B-SaaS zur KI-basierten Suche in internen Kandidatenpools von Personalberatungen
- Konzeption als mandantenfähige, hybride Architektur mit eigenen GPU-Servern und sicherer Cloud-Anbindung
- AI-Engineering
- LLMOps
- Python
- FastAPI
Mani Y.
Letzte Position:
Full-Stack-Entwickler bei Continentale Krankenversicherung a. G.
- Aufbau der neuen Digitalisierungsstrategie.
- Mit Hilfe von Camunda als Prozess-Engine wird eine neue Art der Bearbeitung von von Batch- und Dialogaufträgen erstellt.
- In enger Zusammenarbeit mit der Fachabteilung werden die einzelnen Prozesse erstellt und in Produktion gebracht.
- Masken zum steuern der manuellen Eingriffe, z.B. bei Aussteuerung von Anträgen, werden implementiert.
- Schrittweise Migration von altem Code von IBM WebSphere zu JBoss.
- Skills: Arquillian, Camunda, Eigeninitiative, Empathie, Hibernate, Jackson, Java/JEE, JBoss, Jersey, JSON, JUnit, Kritikfähigkeit, Lernbereitschaft, REST, Teamfähigkeit, WebServices.
Stephan K.
Letzte Position:
Migrationskoordination bei ITZBund
- Analyse und Beurteilung der behördlichen Fachverfahren im Hinblick auf die Migrationsfähigkeit
- Definition und Vorbereitung der technischen Rahmenbedingungen im neuen Master-Rechenzentrum
- Entwicklung und Optimierung von Migrationsverfahren und -prozessen
- Transformation von Bestandslösungen in neue technische Standards (Technology Refresh)
- Koordination von Architektur- und technischen Querschnittsthemen
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Multi-Tenancy-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
22 Jahre (Deutschland: 18 Jahre)

Positionsdauer
2 Jahre (Deutschland: 2,2 Jahre)

Positionen pro Freelancer
14 (Deutschland: 11)

Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement

Häufigste Branchen
Informationstechnologie (IT), Bank- und Finanzwesen, Automotive

Fokus der Zertifizierungen
Informationstechnologie (IT), Projektmanagement, Produktentwicklung
Bachelor-Abschluss oder höher
100% (Deutschland: 93%)
Master-Abschluss oder höher
68% (Deutschland: 53%)
Doktortitel
16% (Deutschland: 5%)

Zertifizierungen pro Freelancer
3

Häufigste Sprachen
Deutsch, Englisch, Spanisch

Sprechen zwei oder mehr Sprachen
100% (Deutschland: 96%)
Basierend auf unserem Profilpool, Stand 18 Nov 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in München 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 München, die Multi-Tenancy-Experten 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 18 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Multi-Tenancy-Experten Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (100%)
- Bank- und Finanzwesen (73%)
- Automotive (59%)
- Einzelhandel (59%)
- Versicherung (55%)
- Professionelle Dienstleistungen (50%)
- Energie (45%)
- Telekommunikation (36%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Gemeinsame SaaS-Grundlagen
Multi-Tenancy ist eine Architektur, bei der eine Anwendung mehrere Kunden oder Mandanten bedient und gleichzeitig deren Daten, Einstellungen und Zugriffsgrenzen getrennt hält. Sie unterstützt SaaS-Produkte, Partnerportale und Geschäftsplattformen, die einen gemeinsamen Betrieb benötigen, ohne jeden Kunden als separate Installation zu behandeln. Das Design muss Isolation, Konfigurierbarkeit, Leistung und betriebliche Einfachheit ausbalancieren.
Isolationsmodelle
Teams können Mandanten durch dedizierte Datenbanken, separate Schemas oder gemeinsame Tabellen mit Mandantenkennungen voneinander trennen. Jedes Modell wirkt sich auf Sicherheit, Migrationen, Backup-Strategie, Reporting und Kosten aus. Gute Spezialisten definieren die Grenze ausdrücklich und setzen sie in Anwendungslogik, Persistenz, APIs, Hintergrundverarbeitung und Support-Tools durch, anstatt sich auf einen einzelnen Filter zu verlassen.
Ökosystem und Tools
Multi-Tenancy-Arbeit umfasst häufig Anwendungs-Frameworks, Identitätsdienste, Datenbanken, Container und Cloud-Infrastruktur. Nützliche Funktionen sind mandantenfähige Autorisierung, Bereitstellungs-Workflows, Feature-Flags, Konfigurationsspeicher, Observability und automatisierte Tests, die den Zugriff über Mandantengrenzen hinweg ausschließen. PostgreSQL-Schemas, Kubernetes-Namespaces, OAuth oder OpenID Connect können das Design unterstützen, ersetzen aber kein klares Isolationsmodell.
Wo es eingesetzt wird
Typische Projekte umfassen:
- SaaS-Produkte mit mandantenspezifischen Tarifen und Funktionen
- B2B-Portale für Kunden, Partner oder Franchises
- Gemeinsame Analyse- und Reporting-Umgebungen
- Migration von separaten Installationen auf eine gemeinsame Plattform
- Workflows für die Bereitstellung, Sperrung und Löschung von Mandanten
Wann Spezialisten helfen
Unternehmen holen sich meist freiberufliche Expertise hinzu, wenn eine gemeinsame Plattform entwickelt wird, ein bestehendes SaaS-Produkt aus seinem Mandantenmodell herauswächst oder eine Sicherheitsprüfung eine uneinheitliche Isolation aufdeckt. Münchner Teams benötigen möglicherweise auch Spezialisten, die für Architektur-Workshops vor Ort und für Implementierung, Tests und Dokumentation remote arbeiten können. Die Arbeit umfasst häufig Threat Modeling, Migrationsplanung, Query-Reviews und Prüfungen der Produktionsreife.
Woran man Qualität erkennt
Gute Fachleute können erklären, warum eine Mandantengrenze auf jeder Ebene erforderlich ist und welche Fehler Daten offenlegen oder den Dienst für alle beeinträchtigen könnten. Sie testen Autorisierung, direkte Objektreferenzen, asynchrone Jobs, Caches, Exporte und administrativen Zugriff, einschließlich Szenarien mit lauten Nachbarn. Außerdem dokumentieren sie Onboarding, Abläufe für den Mandanten-Lebenszyklus, Incident Response und Skalierungsentscheidungen, damit die Plattform auch nach der Übergabe verständlich bleibt.
Häufig gestellte Fragen
Neugierig auf Multi-Tenancy-Experten? Hier sind die Antworten, die immer wieder gefragt sind.
Multi-Tenancy ermöglicht es einem Softwaresystem, mehrere Kunden zu bedienen und dabei deren Daten, Konfiguration und Zugriffe zu trennen. Das ist bei SaaS-Produkten, Kundenportalen, Partnernetzwerken und gemeinsamen Analyseanwendungen üblich.
Multi-Tenancy reduziert in der Regel doppelte Betriebsaufwände und erleichtert gemeinsame Releases, erfordert aber eine sorgfältige Isolation und ein mandantenbewusstes Design. Separate Deployments können eine stärkere physische Trennung bieten, verursachen jedoch mehr Aufwand für Infrastruktur, Upgrades und Monitoring.
Ein guter Multi-Tenancy-Spezialist sollte sich mit Identitäts- und Zugriffsmanagement, Datenbankdesign, API-Sicherheit, Cloud-Infrastruktur und automatisierten Tests auskennen. Erfahrung mit Bereitstellung, Observability, Migrationen und Incident Response ist ebenfalls wertvoll.
Arbeit mit Multi-Tenancy erfordert praktische Erfahrung mit den Datenflüssen der Anwendung und ihren betrieblichen Risiken, nicht nur Vertrautheit mit einem Framework. Der richtige Spezialist sollte Mandantentrennung, Änderungen am Lebenszyklus, Migrationen und Fehlerszenarien bewältigt haben, die dem Umfang und den Compliance-Anforderungen des Projekts entsprechen.
Multi-Tenancy-Projekte funktionieren oft gut remote, wenn Architekturentscheidungen, Sicherheitsannahmen und Verantwortlichkeiten dokumentiert sind. Für Teams in München können gelegentliche Workshops vor Ort bei Domänenmodellierung, Threat Modeling und der Abstimmung zwischen Produkt, Sicherheit und Betrieb helfen.
Bitten Sie einen Multi-Tenancy-Freelancer, das Isolationsmodell, den Mandanten-Lebenszyklus und den Umgang mit einem vermuteten Fehler beim mandantenübergreifenden Zugriff zu beschreiben. Prüfen Sie Architekturentscheidungen, Teststrategie und Betriebsdokumentation, statt sich nur auf die Vertrautheit mit einem Framework zu verlassen.
Es gibt keinen allgemein besten Ansatz für Multi-Tenancy. Dedizierte Datenbanken, separate Schemas und gemeinsame Tabellen können alle funktionieren; die Wahl hängt von Sicherheitsanforderungen, Reporting, Migrationskomplexität, Anpassungen pro Mandant, Betriebskapazität und erwartetem Wachstum ab.
Ein kompetenter Multi-Tenancy-Fachmann kann zeigen, wie er Autorisierung, direkte Objektreferenzen, Hintergrundjobs, Caches, Exporte und administrativen Zugriff testet. Außerdem sollte er das Monitoring für laute Nachbarn erklären und klare Runbooks für Bereitstellung, Sperrung, Löschung und Incident Response bereitstellen.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, liegt bei 110 €, was einem Tagessatz von etwa 881 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 68% mindestens einen Master-Abschluss und 16% einen Doktortitel.
Freelancer in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 22 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, sind Deutsch (95%), Englisch (95%) und Spanisch (32%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Bank- und Finanzwesen (73%) und Automotive (59%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Multi-Tenancy in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (86%) und Projektmanagement (59%).
Hauptstandorte der FRATCH Experten, die kürzlich Multi-Tenancy-Experten 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!

Berlin
Hamburg