
Serverless-Experten in München
, in wenigen Minuten aus über 15.000 Lebensläufen vermitteltBeauftragen Sie Experten, die ereignisgesteuerte APIs, Lösungen mit AWS Lambda und Azure Functions sowie produktionsreife Cloud-Workflows entwickeln. FRATCH verbindet Sie schnell mit geprüften, verfügbaren Freelancern, deren Fähigkeiten zu Ihrem Serverless-Projekt passen.
Lerne FRATCH Experten in München kennen, die kürzlich Serverless-Experten eingesetzt haben
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.
Umut T.
Letzte Position:
App Engineer bei Tonies SE
Als App Engineer im IoT-Control-Team in einem React-Native-Stack gearbeitet.
- Neue Komponenten auf Basis des Tonies Design Systems implementiert.
- Das Tonies Design System verbessert, erweitert und gewartet
- Neue Funktionen wie Lautstärke- und Wiedergabesteuerung für die Tonies hinzugefügt
- Verbindungsprobleme über Bluetooth und WLAN behoben
- Technische Schulden abgebaut und die Anwendung für ein bevorstehendes großes Software- und Hardware-Release optimiert
- Die Barrierefreiheit verbessert, indem Bildschirme und Komponenten für die Nutzung mit Screenreadern optimiert wurden.
- Viele automatisierte Tests geschrieben, um dauerhaft eine hervorragende App-Qualität sicherzustellen.
- Wöchentliche App-Releases in einer Umgebung mit hohem Arbeitsaufkommen
Ergebnisse & Wirkung:
- App-Stabilität und Verbindungszuverlässigkeit vor einem wichtigen Software- und Hardware-Release verbessert
- Die allgemeine App-Qualität durch eine deutlich umfangreichere Testsuite erhöht, die Regressionen erkannte, bevor sie Nutzer erreichten
- Die App für Screenreader nutzbar gemacht und damit die Barrierefreiheit für ein breiteres Publikum verbessert
- Einen wöchentlichen Release-Rhythmus in einer Produktionsumgebung mit hohem Volumen ohne Qualitätseinbußen aufrechterhalten
Technologien: react-native, expo, typescript, react-19, react-compiler, react-navigation, zustand, @tanstack/react-query, i18next, figma, app-store, play-store, sentry, bitrise, config-cat, poeditor
Luigi C.
Letzte Position:
Senior Full-Stack-Entwickler bei Almuc Advertising GmbH
- Einsatz moderner JavaScript-Funktionen einschließlich ES6+-Syntax, Destructuring, Modulen, Array-Methoden und asynchroner Programmierung zur Entwicklung effizienter und gut lesbarer Frontend-Software.
- Umsetzung von Frontend-Integrationsmustern für PHP- und Laravel-Backend-Services, Anbindung von React-Oberflächen an REST-APIs und Verarbeitung strukturierter JSON-Daten.
- Entwicklung interaktiver, funktionaler und komponentenbasierter Frontend-Anwendungen mit React Hooks, JavaScript und TypeScript sowie Backend-Anwendungen und RESTful APIs mit Python, Django, Flask und FastAPI, mit Fokus auf wiederverwendbare Komponenten, modulare Architektur, Wartbarkeit und effiziente Datenverarbeitung.
- Pflege einer dynamischen Portfolio-Plattform mit PHP, Laravel, Livewire und MySQL sowie Umsetzung der vollständigen Funktionalität über Frontend-Oberflächen, Backend-Services und Datenbankoperationen hinweg.
- Überprüfung der serverseitigen Anfrageverarbeitung, des Routings, der Middleware und der Formularvalidierung mithilfe von Laravel-Funktionen zur Unterstützung zuverlässiger Anwendungsabläufe und einer konsistenten Datenverarbeitung.
- Entwurf und Verwaltung relationaler Datenbankstrukturen mit MySQL und Laravel Eloquent ORM sowie Implementierung von Datenmodellen, Beziehungen, Datenbankmigrationen und effizienten Abfragen für das Content-Management.
- Entwicklung KI-gestützter Anwendungen mit Large Language Models (LLMs) über externe APIs und lokal gehostete Modelle sowie Untersuchung praktischer Anwendungsfälle für dialogorientierte KI, intelligente Automatisierung und KI-gestützte Workflows.
- Entwicklung lokaler KI-Anwendungen und Entwicklertools zum Ausführen, Konfigurieren und Interagieren mit lokal gehosteten Sprachmodellen sowie praktische Erfahrung mit lokaler Inferenz, Modellintegration und datenschutzbewussten KI-Workflows.
- Untersuchung von Retrieval-Augmented-Generation-(RAG)-Ansätzen zur Kombination von Sprachmodellen mit externen Wissensquellen und zur Ermöglichung kontextbezogener Antworten auf Grundlage relevanter Anwendungsdaten und abgerufener Informationen.
- Integration von KI-Services in Backend-APIs und Anwendungskomponenten sowie Entwicklung wiederverwendbarer Module für Modellkommunikation, Antwortverarbeitung, Fehlerbehandlung und Datenaustausch.
Hardeep B.
Letzte Position:
Sr. Data Engineer bei Charles Schwab Bank
- End-to-end-Datenpipelines (Batch & Streaming) mit Python, SQL und Apache Spark sowie Databricks auf AWS entworfen und umgesetzt und dabei die ETL-Latenz um 40 % reduziert.
- Serverless, ereignisgesteuerte Ingestion-Pipelines mit AWS Lambda und SQS entwickelt und so die Echtzeitverfügbarkeit der Daten für nachgelagerte Analysen sichergestellt.
- Google Cloud Platform (GCP)-Services wie BigQuery und Dataflow genutzt, um Cloud-übergreifende Data-Warehousing- und Analytics-Integrationen zu steuern.
- Erfahrung mit DMS (CDC, Full Load) und Airflow für skalierbare Automatisierung und Orchestrierung von Datenpipelines.
- Datenpipelines mit Databricks und Airflow verwaltet und angepasst. Automatisierung mit Docker, Kubernetes und Terraform.
- Datenqualitätsprüfungen mit dbt automatisiert, um Transformationen zu modularisieren und eine produktionsreife Data Lineage sicherzustellen, wodurch die Zuverlässigkeit um 30 % verbessert wurde.
- Mit Compliance-Teams zusammengearbeitet, um die Einhaltung von GDPR und SOC2 sicherzustellen. Junior Engineers betreut und bei der Refaktorierung der Architektur für mehr Skalierbarkeit mitgewirkt.
- Dashboards in Power BI erstellt und gepflegt, um umsetzbare Einblicke zu liefern.
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.
Sara Z.
Letzte Position:
Datenanalyst / Analytics-Ingenieur bei IDG Tech Media GmbH
- Entwurf, Aufbau und Wartung skalierbarer ETL/ELT-Datenpipelines mit Python, SQL, REST APIs, AWS Lambda, S3, RDS PostgreSQL, EventBridge, CloudWatch, Docker, Apache Airflow und BigQuery – Integration von Daten aus GA4, Google Ads, Meta Ads, CMS, CRM, Newslettern, Events und B2C-Bestellsystemen in analyseoptimierte Datensätze.
- Aufbau einer markenübergreifenden Lakehouse-Architektur von AWS zu BigQuery – Umwandlung von Roh-JSON/CSV-Daten in strukturierte, partitionierte und wiederverwendbare Reporting-Schichten mit Staging-, Intermediate-, Canonical- und Mart-Modellen.
- Entwurf relationaler und dimensionaler Datenmodelle: 3NF-Staging-Modelle, Star-Schemas, Faktentabellen, Dimensionstabellen, tägliche KPI-Aggregate und Dashboard-optimierte Marts für Marketing-, Content-, Abonnement-, Event-, CRM- und Umsatzanalysen.
- Implementierung produktionstauglicher Datenqualitäts- und Pipeline-Zuverlässigkeitsfunktionen: inkrementelle Loads, idempotente Upserts, Deduplizierung, Schema-Validierung, Zeilenabgleich, Null-Checks, Anomalieerkennung, Frische-Monitoring, Logging, Wiederholungsversuche und Fehlerbenachrichtigungen.
- Automatisierung markenübergreifender Reporting-Prozesse und Datenprodukte – Pipelines für 73 Newsletter-Kampagnen, 31 Lead-Listen-Synchronisierungen, 52 Event-Partner-Berichte und eine 500K-Datensatz-Unternehmensabgleich-Pipeline; Reduzierung der manuellen Datenvorbereitung um ca. 70 % und Steigerung der Analyst-Produktivität um ca. 30 %.
Thomas H.
Letzte Position:
Senior MLOps, DevOps und FullStack Engineer bei Trianel Energy
- Aufbau und Betrieb einer End-to-End-MLOps-Plattform auf Azure ML und Kubernetes (Kubeflow) zur automatisierten Bereitstellung, Überwachung und Skalierung von Forecasting-Modellen (u. a. Temporal Fusion Transformer, Informer, Autoformer)
- Implementierung von CI/CD-Pipelines in Azure DevOps für den vollständigen ML-Lifecycle – von Ressourcenbereitstellung (Terraform), Datentransformation (Hugging Face Datasets, Pandas, PyTorch, CUDA-Cluster) über Training und Evaluation bis hin zu Model Registry und Endpoint Deployment
- Integration von MLflow für Experiment Tracking, Modellversionierung, Performance-Monitoring und automatisierte Registrierung im Azure Model Registry
- Entwicklung und Containerisierung von PyTorch-Trainingsjobs mit CUDA (Azure Notebook, Jupyter Notebooks) für Preis- und Zeitreihenprognosen (PFC-Modelle) mit automatischem Rollout über Azure ML Endpoints und REST/gRPC-Schnittstellen, Docker-Containerisierung, Absicherung über OAuth 2.0
- Einrichtung von Monitoring- und Alerting-Mechanismen (Prometheus, MLflow Metrics), Log-Zentralisierung und Kostenüberwachung
- Einrichtung von Security (OAuth2) und Rate Limiting über APIM
- Automatisierung der Infrastruktur-Provisionierung und Modellbereitstellung mittels Terraform, Helm und Azure CLI; Anbindung an bestehende Marktdatensysteme und Event-Pipelines
- Migration bestehender Workloads und Datenbanken (IONOS → Azure, MongoDB) mit Integration in zentrale MLOps-Workflows und interne Netzwerke
- Erweiterung der Plattform um LLM-basierte Tools (LangChain, LangServe) zur Integration von GPT-basierten Analysemodulen in bestehende Spring-Boot-Dienste für Marktanomalie-Erkennung und automatisierte Reports
- Analyse und Architektur einer Softwarelösung, um effizient Massendaten (>3000 Nachrichten/Sek.) zu verarbeiten (market data store)
- Spring Boot / Java 21 Container-Entwicklung mit RabbitMQ zur Verteilung von Börsendaten über MongoDB (Kubernetes) mit Schnellspeicherung von Daten in Redis RMaps, Deduplizierung, Forwarding von Nachrichten an Read-Model Queues und Aufbau von Read Models für UI-Anzeige in MongoDB
- Einbindung von RESTHeart zur Erzeugung einer REST API gegen MongoDB
- Migration von MongoDB ClickHouse für Masseningests und automatische Deduplizierung mit ReplicatedMergeTree Engine in ClickHouse
- Aufbau eines Python Apache Arrow Flight Service zur Abfrage der ClickHouse-DB in Millisekunden für komplexe Abfragen (gRPC-Protokoll / ClickHouse Column-Based Queries)
- Aufbau eines Angular-Frontends zur Vereinfachung der Datenabfrage und Stammdatenpflege
- Agentic Coding mit remote und local LLM (Claude, Ollama Qwen, OpenLLM) und MCP-Servern
- Entwicklung von Python-Skripten zur Transformation und Bereinigung eingehender Börsendaten (Pandas, scikit-learn)
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.
Dhia L.
Letzte Position:
Praktikum als Softwareentwickler bei Passau University
- Entwickelte eine C++-Bibliothek mit IDL für sichere DDS-Systemkommunikation, mit Fokus auf Protokollserialisierung und Schnittstellendefinition.
- Führte umfangreiche Validitätstests durch und erstellte ein CLI-Fenster, um die Integration der Bibliothek zu vereinfachen und optimale Leistung sowie Sicherheit zu gewährleisten.
Enis S.
Letzte Position:
Softwareentwickler bei 50Hertz Transmission GmbH
- Beteiligte sich an der schrittweisen Modernisierung von Komponenten zu Cloud-nativen 12-Factor-Anwendungen.
- Arbeitete eng mit dem Business Operations Team zusammen, um manuelle Prozesse zu eliminieren und mehrere Performance-Engpässe zu beheben.
- Entwarf und implementierte eine CI/CD-Pipeline, um die Produktivität der Entwickler zu steigern, Qualitäts- und Sicherheitsprüfungen durchzusetzen und die Produktbereitstellung zu automatisieren.
- Migrierte mehrere Komponenten in den OpenShift-Kubernetes-Cluster.
- Baute einen Monitoring-Stack von Grund auf mit Prometheus und Grafana auf, um die in OpenShift laufenden Services zu überwachen.
- Entwickelte Dashboards sowohl in Grafana als auch in Splunk für die operative Transparenz.
- Implementierte eine OIDC/OAuth2-basierte Single-Sign-On (SSO)-Lösung mit Keycloak, um mehrere Anwendungen zu sichern.
- Technologien: Java, Spring, Quarkus, Kafka, MySQL, Cassandra, Redis, Spring Data, Hibernate, Docker, Kubernetes, OpenShift, Keycloak, OIDC, OAuth2, Helm, Prometheus, Grafana, Splunk, Spark.
Nikolay T.
Letzte Position:
Senior Cloud-Datenarchitekt bei Cloudreach/Eviden (ein ATOS-Unternehmen)
- Konzipierte eine Self-Service-Plattform mit Google Kubernetes Engine (GKE) für eine große Finanzinstitution (Commerzbank), die über 1000 Nutzer in Hunderten von Produktteams befähigte, Ressourcen eigenständig bereitzustellen und Entwicklungszyklen deutlich zu beschleunigen.
- Entwarf eine datenproduktorientierte Plattformarchitektur für das britische Verkehrsministerium (Department for Transport, DfT), um mehr als 1500 direkte Endanwender und zahlreiche angebundene Drittsysteme zu bedienen, wodurch Datenzugänglichkeit und Governance verbessert wurden.
- Trieb das Geschäftswachstum voran, indem ich die strategische Roadmap für die Geschäftslinie 'One Cloud' entwickelte, mit dem Ziel einer Umsatzsteigerung von 10 %.
- Diente als Kernmitglied der CTO-Authority und gab strategische Empfehlungen zu internen Cloud-Initiativen und Best Practices.
Piotr K.
Letzte Position:
Senior Software Engineer bei On
- Entwickelte einen Middleware-Service, der EDI-Anbieter und Marketplace-Partner mit Microsoft Dynamics 365 integriert, um Verkaufsaufträge zu empfangen und Sendungen, Rechnungen, Lagerbestände und Preiskataloge zu übermitteln
- Nutze eine Mischung aus REST-APIs und ereignisgesteuerten Datenverarbeitungs-Pipelines
Vitaliy R.
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.
Roxana G.
Letzte Position:
Freiberuflicher Senior Frontend-Entwickler bei RHI Magnesita
- Konzipierte und entwickelte eine leistungsstarke interne Plattform für Ressourcenmanagement mit React und TypeScript und optimierte dabei das dynamische Rendern von Daten und das State Management.
- Entwickelte eine React-Native-Anwendung für den mobilen Zugriff auf interne Tools und ermöglichte so Teams im Außendienst das Tracking von Projekten unterwegs.
- Entwickelte eigene 2D-Visualisierungen auf Canvas-Basis mit Pixi.js, um Materialflüsse und das Verhalten von feuerfesten Schichten zu simulieren.
- Integrierte Pixi.js mit React-Komponenten für interaktive Diagramme und UI-Aktualisierungen in Echtzeit.
- Entwickelte interaktive 3D-Visualisierungen mit React.js zur Darstellung von Produktlayouts und Simulationen für feuerfeste Produkte und unterstützte damit Engineering- und Vertriebsteams mit dynamischen Produktvorschauen.
- Integrierte Three.js in das React-Ökosystem, um die Bearbeitung von 3D-Modellen in Echtzeit direkt im Browser zu ermöglichen und so die Nutzerbindung und die Konfigurierbarkeit vor Ort zu verbessern.
- Integrierte ein Headless CMS, damit nicht-technische Nutzer Inhalte dynamisch aktualisieren können, wodurch sich die Zeit für Content-Deployments um 40 % verkürzte.
- Leitete AWS-CloudFront-Optimierungsinitiativen und verbesserte dadurch die Ladegeschwindigkeit des Portals weltweit um 30 %.
- Arbeitete aktiv mit funktionsübergreifenden agilen Teams und Product Ownern zusammen, um priorisierte Features mit kurzen Feedbackschleifen zu liefern.
- Wichtige Technologien: React.js, React Native, Three.js, TypeScript, Contentful CMS, AWS S3/Lambda/CloudFront, Cypress, Agile Scrum
Christian S.
Letzte Position:
Data Scientist/KI-Ingenieur bei The Marcom Engine GmbH & Co. KG
- Konzeption und Implementierung von KI-Agenten in der AWS-Cloud
- Kontinuierliche Abstimmung mit Stakeholdern
- Zusammenarbeit mit DevOps
- Technologien: Git, CI/CD (GitHub Actions), Python/ML, Streamlit, Deno/TypeScript, AWS SAM, AWS Bedrock, AWS Lambda, AWS DynamoDB, AWS S3, AWS EventBridge usw.
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die Serverless-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
18 Jahre (Deutschland: 16 Jahre)

Positionsdauer
2,3 Jahre (Deutschland: 2,1 Jahre)

Positionen pro Freelancer
12 (Deutschland: 11)

Häufigste Fachbereiche
Informationstechnologie (IT), Produktentwicklung, Projektmanagement

Häufigste Branchen
Informationstechnologie (IT), Einzelhandel, Automotive

Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Produktentwicklung
Bachelor-Abschluss oder höher
100% (Deutschland: 95%)
Master-Abschluss oder höher
67% (Deutschland: 58%)
Doktortitel
14% (Deutschland: 11%)

Zertifizierungen pro Freelancer
3

Häufigste Sprachen
Englisch, Deutsch, Spanisch

Sprechen zwei oder mehr Sprachen
96% (Deutschland: 98%)
Basierend auf unserem Profilpool, Stand 19 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 Serverless-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 19 Nov 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der Serverless-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) (91%)
- Einzelhandel (57%)
- Automotive (48%)
- Bank- und Finanzwesen (48%)
- Fertigung (43%)
- Energie (39%)
- Gesundheitswesen (35%)
- Professionelle Dienstleistungen (30%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was Serverless bedeutet
Serverless ist ein Cloud-Ausführungsmodell, bei dem der Anbieter die zugrunde liegende Infrastruktur betreibt und skaliert. Teams stellen Funktionen, APIs und Event-Handler bereit, ohne Server direkt verwalten zu müssen. Abrechnung und Kapazität richten sich nach der Nutzung, während sich der Betriebsaufwand stärker auf Anwendungslogik, Sicherheit und Observability verlagert.
Was damit entwickelt wird
Serverless eignet sich für Workloads, die auf Ereignisse, Anfragen oder geplante Auslöser reagieren. Spezialisten nutzen es für APIs, Datenpipelines, Automatisierung, Backend-Dienste und Integrationen, die elastische Kapazität ohne dauerhaft laufende Hosts benötigen.
- HTTP-APIs und schlanke Backend-Dienste
- Ereignisverarbeitung für Dateien, Nachrichten und Transaktionen
- Geplante Jobs und Automatisierung von Geschäftsprozessen
- Echtzeitbenachrichtigungen und Integrations-Workflows
Ökosystem und Werkzeuge
Zum Ökosystem gehören AWS Lambda, Azure Functions und Google Cloud Functions sowie verwaltete Dienste wie API Gateway, EventBridge, SQS, Pub/Sub und verwaltete Datenbanken. Erfahrene Fachkräfte arbeiten außerdem mit Infrastructure as Code, typischerweise Terraform oder den nativen Vorlagen des Cloud-Anbieters, sowie mit CI/CD, Tracing, Logging und Secrets-Management.
Wann Fachwissen wichtig ist
Unternehmen holen freiberufliche Spezialisten hinzu, wenn aus einem Proof of Concept ein zuverlässiger Produktionsdienst werden muss oder eine bestehende Cloud-Landschaft sicherer skalieren und mit weniger Betriebsaufwand auskommen soll. Fachwissen ist besonders wertvoll, wenn Funktionen mehrere verwaltete Dienste umfassen, strenge Zugriffskontrollen erfordern oder Wiederholungen, Timeouts und Teilausfälle bewältigen müssen.
- Aufteilen eines Monolithen in ereignisgesteuerte Dienste
- Einrichten von Deployment-Pipelines und Umgebungsisolation
- Überprüfung von Cloud-Architektur, Sicherheit und Observability
- Optimierung von Kaltstarts, Parallelität und Dienstlimits
Das richtige Modell wählen
Serverless ist nicht automatisch für jeden Workload die beste Lösung. Lang laufende Prozesse, Systeme mit dauerhaft hohem Durchsatz und Anwendungen, die eine umfassende Kontrolle über die Laufzeit benötigen, eignen sich möglicherweise besser für Container oder dedizierte Infrastruktur. Ein kompetenter Spezialist vergleicht Latenz, Verkehrsmuster, Zustandsverwaltung, Anbieterbindung, Compliance und Betriebsaufwand, bevor er einen Ansatz empfiehlt.
Erfahrene Fachkräfte
Die besten Serverless-Fachkräfte verstehen verteilte Systeme und schreiben nicht nur Funktionen. Sie entwickeln idempotente Handler, klare Event-Verträge und robuste Wiederholungswege und wissen, wie sich Cloud-Interaktionen lokal und in realistischen Umgebungen testen lassen. Für Teams in München kann die Remote-Zusammenarbeit gut funktionieren, wenn Dokumentation, asynchrone Kommunikation und Verantwortlichkeiten klar geregelt sind; die Zusammenarbeit vor Ort kann bei der Anforderungsanalyse oder komplexen Migrationen hilfreich sein.
Häufig gestellte Fragen
Unsicher, wo du bei Serverless-Experten anfangen sollst? Diese Antworten decken das Wichtigste ab.
Serverless wird verwendet, um Anwendungslogik über verwaltete Cloud-Dienste auszuführen, ohne die zugrunde liegenden Server zu warten. Häufige Projekte umfassen APIs, Ereignisverarbeitung, geplante Automatisierung, Datei-Workflows, Benachrichtigungen und Integrationen zwischen Geschäftssystemen.
Serverless reduziert den Aufwand für die Infrastrukturverwaltung und kann als Reaktion auf die Nachfrage automatisch skalieren. Container bieten mehr Kontrolle über Laufzeiten, Netzwerke und lang laufende Prozesse. Die bessere Wahl hängt daher von Prozessdauer, Verkehrsmustern, Portabilität und betrieblichen Anforderungen ab.
Ein guter Serverless-Spezialist sollte Cloud-Netzwerke, IAM, ereignisgesteuerte Architektur, API-Design und Infrastructure as Code verstehen. Erfahrung mit Terraform, CI/CD, Observability, Warteschlangen, verwalteten Datenbanken und Sicherheitstests ist ebenfalls wertvoll.
Die erforderliche Erfahrung hängt vom Risiko und der Komplexität des Systems ab, nicht einfach von der Anzahl der Funktionen. Eine kleine API benötigt möglicherweise gezielte Cloud-Entwicklungskenntnisse, während eine Migration oder ein regulierter Workload jemanden erfordert, der bereits verteilte Ausfälle, Zugriffskontrollen, Deployment-Strategien und Produktionsüberwachung bewältigt hat.
Ja. Serverless kann Unternehmen in München aus Branchen wie Software, Fertigung, Mobilität, Finanzwesen und Medien unterstützen, insbesondere bei Integrationen und ereignisgesteuerten Diensten. Teams sollten dennoch ihre Wahl der Cloud-Region, Anforderungen an die Datenverarbeitung und die bestehende Technologielandschaft prüfen.
Serverless-Projekte eignen sich oft gut für die Remote-Zusammenarbeit, da Infrastruktur, Code und Deployment-Workflows digital verwaltet werden. Klare Architekturdokumente, gemeinsame Observability, sicherer Zugriff und abgestimmte Kommunikationsroutinen sind wichtiger als ständige Anwesenheit vor Ort; lokale Sprachkenntnisse können helfen, wenn Geschäftsbeteiligte hauptsächlich auf Deutsch arbeiten.
AWS Lambda ist der Funktionsausführungsdienst von Amazon und eine Umsetzung des übergeordneten Serverless-Modells. Serverless-Arbeiten können auch Dienste von Azure oder Google Cloud nutzen. Daher sollte ein Spezialist Kenntnisse in Lambda von den umfassenderen Designprinzipien und Betriebspraktiken unterscheiden können.
Fragen Sie, wie der Spezialist mit Wiederholungen, doppelten Ereignissen, Kaltstarts, Observability, Secrets und fehlgeschlagenen Deployments umgeht. Ein kompetenter Serverless-Experte erklärt Abwägungen klar, zeigt, wie das System getestet und überwacht wird, und kann erkennen, wann Container oder eine andere Architektur sicherer wären.
Der durchschnittliche Stundensatz von Freelancern in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, liegt bei 100 €, was einem Tagessatz von etwa 801 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, haben 100% mindestens einen Bachelor-Abschluss, 67% mindestens einen Master-Abschluss und 14% einen Doktortitel.
Freelancer in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 18 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,3 Jahre.
Die häufigsten Sprachen unter Freelancern in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, sind Englisch (100%), Deutsch (91%) und Spanisch (22%).
Die häufigsten Industrien unter Freelancern in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (91%), Einzelhandel (57%) und Automotive (48%).
Die häufigsten Bereiche unter Freelancern in München, Deutschland, die Serverless in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Produktentwicklung (83%) und Projektmanagement (57%).
Hauptstandorte der FRATCH Experten, die kürzlich Serverless-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
Frankfurt