Service Mesh Experten in Deutschland

• Arbeitete als freiberuflicher Senior DevOps Consultant vor Ort für IBM bei einer Agentur der Europäischen Union in einer hochsicheren, air-gapped Umgebung mit klassifizierten Systemen.
• Leitete Automatisierungs- und DevOps-Initiativen für eine große OpenShift-Plattform (>400 Nodes) und trieb die Deployment-Effizienz, GitOps-Einführung und operative Automatisierung mit Ansible, Python und Bash voran, während die Sicherheitsanforderungen eingehalten wurden.
• Übernahm die Automatisierung von Release- und Deployment-Workflows in einer Private-Cloud-Umgebung mit 400+ OpenShift-Nodes und verbesserte dadurch die Deployment-Geschwindigkeit und Zuverlässigkeit deutlich.
• Migrierte bestehende Playbooks, Rollen und Templates von Ansible Tower zu Ansible Automation Platform (AAP), stellte die vollständige Einhaltung von Fully Qualified Collection Names (FQCN) sicher und bereitete eigene Execution Environments (EE) für containerisierte Automatisierung vor.
• Implementierte den GitOps-Agent für AAP Controller Configuration as Code und ermöglichte damit die automatische Synchronisierung (CRUD) von Ansible-Controller-Objekten auf Basis von im Repository gespeicherten Konfigurationsdefinitionen über GitHub-Webhooks.
• Entwarf und automatisierte komplexe mehrstufige Betriebsabläufe, darunter Environment Cleanup, die Neuerstellung von Helix-Clusterkomponenten, Kafka-Topic-Management und das Lifecycle-Management von OpenShift-Objekten über rund 100 Umgebungen hinweg.
• Erreichte durch Automatisierungsverbesserungen über mehrere AAP-Cluster und OpenShift-Umgebungen hinweg eine Reduzierung von mehrtägigen manuellen Tätigkeiten auf weniger als wenige Stunden.
• Integrierte Ansible Automation Platform über ein Lookup-Plugin mit Thycotic (Delinea) Secret Server, um das sichere Credential-Management in automatisierten Prozessen zu verbessern.
• Verwaltete Deployment-Aufgaben, Platform-Troubleshooting und Istio-Netzwerkkonfigurationen unter Einhaltung strenger EU-PSC-Sicherheits- und Compliance-Standards.
• Arbeitete mit Infrastruktur- und Anwendungsteams zusammen, um Deployment-Prozesse zu verfeinern, Namenskonventionen zu entwickeln und die Automatisierungsabdeckung in einer air-gapped, klassifizierten Umgebung kontinuierlich zu verbessern.

• 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

• Entwicklung und Einführung von Betriebsprozessen
• Erarbeitung vollständiger Dokumentationspakete (inkl. Notfallmanagement und Betriebsführung) zur Einhaltung von Compliance-Vorgaben
• Einführung von Workshops zum Thema IaC (Infrastructure as Code)
• Fachliche Beratung für das Sicherheitskonzept des Projekts (ISMS)
• Installation und Betrieb von Kubernetes-Clustern auf AWS, On-Prem und Azure
• Design einer hybriden Cloud-Architektur (On-Prem, Hetzner, AWS)
• Problemanalyse und -behebung bei Incidents und Systemausfällen
• Netzwerkanpassungen an Firewall-Regeln, Gateways, OpenVPN-Einstellungen und IPsec-Tunneln (pfSense)
• Fachliche Beratung zum Thema BitBucket, Jenkins und GitLab CI/CD Pipelines
• Beratung zum Thema Ansible-Deployments und Infrastrukturautomatisierung
• Beratung beim Aufbau eines skalierbaren Systems in der Cloud (AWS / Azure)
• Technologien / Tools: Ansible, Terraform, AWS, Azure, VPN, pfSense, Jenkins, Bitbucket, Kubernetes, GitLab Runner, ISMS, Golang, Prometheus, Grafana, S3, Lambda, RDS, ECS, Cognito, OIDC, Harbor, MinIO, Postgres, Redis, Keycloak, Ceph, Proxmox, CloudFormation, PostgreSQL, Flux CD, Hetzner, IONOS, Sonatype Nexus Repository, Entra ID, Dex IdP, Pulumi

• Neuaufbau der Systemarchitektur für eine Azure-basierte Plattform mit dem Ziel, neue Funktionen schnell zu entwickeln
• Ausarbeitung eines Staging-Konzepts für die unterschiedlichen Anforderungen von Kunden und QA
• Erstellung der Anforderungen für ein Proof-of-Concept-Lieferantenprojekt sowie dessen Begleitung für eine Flutter-App mit hochentwickelten BLE-Funktionalitäten
• Vergleich mehrerer Observability-Plattformen auf Machbarkeit und Passung zu den Anforderungen im Projektumfeld
• Erstellung einer Mobile-App-Architektur auf Basis von Domain-Driven Architecture
• Funktion als technischer Berater und verantwortlicher Solution Architect für zwei Entwicklungsteams
• Durchführung von Architektur-Reviews und Abstimmung von Änderungen mit den architektonischen Vorgaben
• Skills & Technologies: Microsoft Azure , App Services, NodeJS Mono-repository, microservice architecture, domain driven design, self contained systems, requirements engineering, CI/CD, DevOps, API design, solution architecture

• 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.

OpsWorker verwandelt Kubernetes-Alerts in Root-Cause-Analysen, zusätzlich zu dem Monitoring, das ein Team bereits betreibt. Ich leite die technische Seite: die Agentenarchitektur, die AWS-Infrastruktur, auf der das Ganze läuft (vollständig in EU-Regionen), und die Engineering-Entscheidungen dahinter, standardmäßig nur lesend im Cluster, der Mensch bleibt für die Bewertung im Loop. Der Stack darunter: Amazon Bedrock und Bedrock AgentCore, Agenten gebaut mit dem Strands Agents SDK, die Claude- und OpenAI-APIs sowie die Kubernetes-API.

Kunden: CARIAD, AUDI AG

• Aufbau und Bereitstellung von Enterprise-MLOps-Pipelines mit Azure Machine Learning und Databricks. Reduzierte die Release-Zyklen für Modelle um 95 Prozent, von vier Wochen auf zwei Tage, durch automatisierte CI/CD-Workflows.
• Auslieferung von cloudnativen DevOps-Plattformen für ADAS-Programme mit Azure-Datendiensten, Kubernetes und Terraform-basierter Infrastrukturbereitstellung.
• Entwurf von High-Availability-Architekturen mit automatischem Failover. Senkte die Systemausfallzeit um 85 Prozent für geschäftskritische Energy-Trading-Plattformen.
• Entwicklung und Integration von KI-Agents und Enterprise-Chatbots mit LangChain, AutoGPT und GPT-Modellen. Ermöglichte autonome Workflows und automatisierte Abläufe auf Basis von Entscheidungen.
• Reduzierung der Cloud-Infrastrukturkosten um 40 Prozent durch Autoscaling-Strategien, Nutzung von Spot-Instanzen und richtliniengesteuerte Ressourcenverwaltung über Azure und AWS hinweg.
• Zusammenarbeit mit Data Scientists, ML Engineers, Produktmanagern und Führungskräften, um groß angelegte Lösungen für Automotive und Energie zu liefern.
• Implementierung von GitOps-gesteuerten CI/CD-Pipelines für die Softwareauslieferung im Automotive-Bereich für über 500 Ingenieure in verteilten Produktteams.
• Entwurf und Betrieb von Kubernetes-Plattformen auf Azure AKS. Verbesserte die Bereitungsstabilität und reduzierte Rollback-Vorfälle um 70 Prozent.
• Implementierung von Observability- und Monitoring-Stacks mit Prometheus, Grafana und Azure Monitor. Erreichte 99,9 Prozent Serviceverfügbarkeit.

• Architektur und Umsetzung einer vollständig digitalisierten Abschlussstrecke zur Verwaltung von Wertpapierverträgen innerhalb der DVAG-Infrastruktur. Die Plattform zielt auf maximale Benutzerfreundlichkeit, modulare Erweiterbarkeit und Compliance-gerechte Verarbeitung sensibler Daten.

• Implementierung einer reaktiven UI-Struktur mit Fokus auf User Guidance & Accessibility.

• Dynamische Steuerung von Formular- und Abschlussprozessen inkl. Validierungslogik.

• Reaktives State-Management über SignalStore (Signale + selektive Effects).

• UX-Optimierung durch adaptive Komponenten und Playwright-basierte UI-Tests.

• Modularisierung des Backends zur Anbindung bestehender Vertriebs- und Vertragslogiken.

• API-Stabilität und DTO-Design nach Clean Architecture-Prinzipien.

• Zusammenarbeit mit Domain-Teams zur Definition technischer Verträge und Servicegrenzen.

• Management mit GitHub.

• Unit-Tests mit Jest, E2E-Tests mit Playwright.

• Code-Reviews, CI-integrierte Testausführung, iterative Refactorings.

• Sicherstellung hoher Coverage und UI-Stabilität im Abschlussprozess.

• Technologien: Angular 18, RxJS, SignalStore, HTML5, SCSS, Spring Boot, Kotlin, REST, OAuth2, Jest, Playwright, Clean Architecture.

• Entwicklung automatisierter Build- und Deploymentprozesse für die Exclusive Frontoffice Systeme
• Integration der Frontoffice Systeme in die IT-Infrastruktur
• Entwicklung innovativer, benutzerfreundlicher Vertriebssoftware für Vermögensberater
• Sicherstellung von Qualität und Flexibilität durch Automatisierung sowie Arbeit mit CI/CD
• Arbeiten nach DevOps-Prinzipien
• Betrieb der Software gemeinsam im Team in der AWS-Cloud und Azure-Cloud
• Deployment der SW-Artefakte in Test- und Produktionsumgebungen
• Pflege der Testumgebungen
• Durchführen von Fehleranalysen und Bereitstellung von Informationen für die nachgelagerte Fehleranalyse
• Pflege und Wartung der Build-Pipeline
• Unterstützung des Lasttests
• Abstimmung des Batchausführungsplans mit der Batch-Automatisierung
• Erstellen von Konzepten zur Weiterentwicklung des SW-Paketierungsprozesses
• Bauen und Ausliefern von Komponenten an Partner
• Entwicklung von GitLab- und Jenkins-Pipelines zum Bauen, Deployen und Integrieren von Komponenten
• Automatisierung der Prozesse durch Spring Boot Anwendungen mit GUI (Thymeleaf, Angular 19)
• Entwicklung von RESTful Spring Boot Anwendungen mit Kotlin und Angular 19, JDBC- und REST-Zugriffen, Datentausch via SFTP, XML (JAXB)
• Konzipierung von Komponenten mit Domain Driven Design (DDD)
• Ablösen von cmd und bash Scripts durch Spring Boot Anwendungen mit GUI
• Ablösen von Java 8 Anwendungen mit JSP durch Spring Boot 3 Anwendungen (Thymeleaf, Angular)
• Implementierung von Frontend- und Backend-Authentifizierung via Keycloak
• JUnit Tests mit Mockito
• Erhöhung der Code Coverage für SonarQube-Analyse

• KI-gestützte Analyse von Quellcode
• KI-gestützte Bildgenerierung für einen Shirtshop
• KI-gestützte Analyse vernetzter YouTube-Kanäle und kommentierender Nutzer
• KI-gestütztes Prototyping von Software
• Betrieb einer lokalen KI-Umgebung
• 3D-Druck und -Scan: Entwicklung eines Verfahrens zur Reparatur von GfK-Teilen mittels 3D-gedruckter Negativformen

Der Fokus liegt auf praktischen Anwendungen neuer Technologien, der Gründung eines Open-Source-Projekts für einen Yacht-Autopiloten sowie Yacht-Refit und Wohnmobil-Ausbau.

• Implementierung der spezifizierten DevOps-Lösungen zur Automatisierung der Infrastruktur (Terraform, Bicep, CloudFormation, Ansible) im lokalen Rechenzentrum (Ovirt, Proxmox, Ceph-Cluster, MinIO) und in der Private Cloud.
• Verwaltung, Konfiguration und Umsetzung von CI/CD-DevOps-Pipelines (GitLab, GitFlow) zur Unterstützung des Entwicklungsprozesses (Artifactory, Prometheus, Istio, Service Mesh, Helm Charts, OpenShift (Red Hat Enterprise) / Kubernetes-Cluster), Red Hat Satellite.
• Verwaltung, Einrichtung, Überwachung und Einspielung von Patches der Linux-Infrastruktur auf Basis von Red Hat Enterprise für Dev, Test und QA.
• Einsatz von Scrum- und Kanban-Methoden.
• Verwaltung, Konfiguration und Umsetzung von Sicherheitsstandards für die Bereitstellung in den Dev-, Test-, QA- und Produktionsphasen der neuen ePA-Anwendungen.
• Entwicklung neuer Plugins und Add-ons für die bestehende Infrastruktur.
• Datenbankunterstützung.
• Unterstützung der Datenanalyse (Python, Spark, Pandas, Power BI, Splunk Enterprise).
• Umsetzung von Best Practices für DevSecOps und BizDevOps unter Einsatz von GitOps (ArgoCD), Streamlit-Framework und Semaphore Ansible UI.
• Konfiguration und Test von iperf, uperf, sysbench mit dem Benchmark-Operator für externe Quelldaten und IoT/MDM-Geräte, Erstellung von Berichten über ELK/OpenSearch.
• Aufbau einer neuen Databricks-Plattform zur Sammlung und Analyse von Big Data aus verschiedenen Quellen und IoT-Geräten im Hadoop-Framework (Python, Pandas, PySpark, Power BI, Apache Airflow).
• Aufbau der Backend-Datenaggregation und -verarbeitung zur Automatisierung der Bereitstellung von Konfigurationen zwischen verschiedenen OpenShift-Clustern und dem Big-Data-Framework (Python, Pandas, PySpark, Apache Spark, PostgreSQL, Django 2, Ansible Automation, Jira JSM).
• Aufbau einer neuen ML-Pipeline-Plattform unter Verwendung von Kubeflow, TensorFlow, KServe.
• Extraktion, Transformation und Laden von Daten aus verschiedenen Quellen, einschließlich strukturierter und unstrukturierter Daten, in ein analytisches DWH bzw. Big-Data-Cluster mit Python, Pandas, Polars, Power BI, Django-Backend und PostgreSQL.
• Einrichtung eines neuen DevOps-Test- und QA-HashiCorp-Vault-Clusters für PKI und IAM.
• Konfiguration und Test automatisierter Patches basierend auf CVSS-Bewertungen und SIEM-integrierten CVEs.
• Einsatz von Nexpose und InsightVM zum Scannen von Schwachstellen in Netzwerken, Hosts, Containern und Anwendungen.
• Planung und Umsetzung sicherer und skalierbarer AWS-Architekturen einschließlich VPC, EC2, S3, RDS und Route53 sowie ähnlicher Umgebungen auf Azure und GCP.
• Automatisierte Systembereitstellung und -deployment mit CloudFormation-Vorlagen.
• Konfiguration von IAM-Rollen, Richtlinien und Berechtigungen zur Gewährleistung einer sicheren Zugriffskontrolle.
• Patch-Management, Backup-Automatisierung und Einrichtung der Notfallwiederherstellung in der AWS-Infrastruktur.
• Überwachung und Optimierung der Systemleistung mit AWS CloudWatch und AWS Trusted Advisor.
• Unterstützung von VMware-Diensten (vSphere, Aria, Horizon) und der virtuellen Desktop-Umgebung.
• Entwicklung und Wartung von CI/CD-Pipelines mit Jenkins, GitLab CI/CD und AWS CodePipeline mit Schnittstelle zu Nutanix.
• Konfiguration von AWS CloudWatch zur Überwachung der Anwendungsleistung und Systemereignisse.
• Planung und Durchführung der Migration von On-Premises-Anwendungen zu AWS-Cloud-Plattformen.
• Bereitstellung containerisierter Anwendungen mit Docker und Kubernetes in AWS-Umgebungen.
• Bereitstellung interner Softwarepakete zwischen Verfügbarkeitszonen mit AWS CodeDeploy.
• Erstellen und Bereitstellen von ML-Modellen mit Scikit-Learn, XGBoost und Spark MLlib einschließlich Hyperparameter-Tuning, Modellevaluation und Produktivsetzung.

• Ich habe die Mobile-App refaktoriert, indem ich Stores, Models, API-Client, Screens und Komponenten in TypeScript neu implementiert habe.
• Ich habe einen leistungsfähigen On-Device-Speicher für Stores hinzugefügt, als Vorbereitung auf den Offline-Modus.
• Ich habe RNUILib integriert, um schnell ein minimalistisches und modernes UI-Design zu erreichen.
• Ich habe native Pakete implementiert, um zusätzliche Funktionen wie die Anzeige von Anrufer-IDs zu bieten.
• Ich habe die Feature-Entwicklung und UX-Verbesserungen nach der ersten Refaktorierung und dem Redesign geplant.

• Konzeption, Erweiterung und Umsetzung der Schnittstellen (REST, GraphQL, Kafka)
• Architektur und Umsetzung Cloud-nativer Microservices auf Azure Kubernetes Service
• Domain-Driven Design, Event-Driven Architecture mit Kafka
• Entwicklung einer umfangreichen Query-Engine für REST-Endpunkte basierend auf fachlichen Objekten
• Konzeption und Realisierung der Klassifikation von Stammdaten mithilfe von Machine-Learning-Algorithmen (Library Weka, Spotify Voyager)
• Analyse und Auswertung komplexer Lasttestszenarien und Ableitung von Optimierungen
• Steigerung der Systemresilienz (Kafka Error Handling, Circuit Breaker, Sidecar Service Mesh in Go)
• Integration mit CIAM-Systemen (asynchrone Echtzeit-Synchronisierung und Definition der Datenhoheit, Autorisierung, Authentisierung)
• Anbindung Azure Service Bus (AMQP-Protokoll)
• Konzeption und Umsetzung von komplexen Berechtigungskonzepten (u. a. Delegated Administration)
• Dokumentation der Ergebnisse (Confluence, Architekturbeschreibungen, Architekturentscheidungen)

• Erweiterung des Dokumenten-Management-Systems um eine standardisierte CMIS-Schnittstelle (Content Management Interoperability Services)
• Implementierung von CMIS-Basisdiensten wie Navigation, Zugriffsrechten, Suche, CRUD-Operationen und Versionierung in Java
• Umsetzung basierend auf RESTful/OpenAPI-Services
• Bereitstellung als Fat-JAR und natives Container-Image
• Deployment On-Premises und serverlos als Azure Container Application mit Terraform
• Steigerung der Team-Autonomie durch Infrastruktur-Engineering und kurze Feedback-Schleifen
• Observability mit OpenTelemetry, Azure Monitor und Azure Logic Apps
• Einführung von Terraform- und Trunk-Based-Development-Prozessen
• Qualitätssicherung mit BDD-Tests in C# mit SpecFlow und Testcontainers
• Azure DevOps Pipeline Integrationstests
• Etablierung von Cloud-Deployment-Prozessen
• Schulung der Mitarbeiter in Cloud und Terraform