Site Reliability Engineering Experten in Deutschland

• Entwarf und entwickelte die Architektur einer Enterprise-SCM/CI-Plattform für Kubernetes-native Delivery- und GitOps-Workflows.
• Implementierte Infrastruktur-Automatisierung sowie Vault- und IAM-Integration für sichere, konforme Pipelines.
• Koordinierte bereichsübergreifende Teams zur Optimierung von DevOps, Security und Architektur in Release-Prozessen.
• Steigerte die Plattform-Akzeptanz und Developer Experience durch die Automatisierung von Onboarding- und Artifact-Pipelines.

• Führte zwei bereichsübergreifende Engineering-Teams im SAFe-Framework, um Backend- und Integrationslösungen für Visas Terminal-Management- und Cybersource-Onboarding-Plattformen zu liefern
• War Program Coach für zehn Teams innerhalb der Platform-Services-Organisation und förderte Agile-Reife, Abstimmung in der Delivery und eine Kultur der kontinuierlichen Verbesserung
• Organisierte Agile-Zeremonien wie Product-Manager-Alignments, Metrik-Reviews, Inspect-and-Adapt-Sessions, System Demos und Leadership-Workshops, um Transparenz, Zusammenarbeit und Delivery-Performance zu stärken
• Trieb den Rollout des skalierten Delivery-Frameworks Re-imagine Work@Visa im Agile-Transformation-Team voran und verbesserte so die Zusammenarbeit und die Planbarkeit der Delivery
• Erhöhte die Release-Frequenz um das 18-Fache pro Quartal durch die Abstimmung verteilter Teams und die Entwicklung eines umfassenden Release-Leitfadens
• Arbeite mit dem Release Manager zusammen, um Deployments über Visa Data Center, AWS und Mobile-Plattformen zu standardisieren
• Führte Teams dazu, alle Security Findings zu schließen und die Behebung in den BAU zu überführen, sodass bis Mitte 2024 keine offenen Punkte mehr vorhanden waren
• Leitete das Security-Findings-Programm über das gesamte Portfolio und sorgte für Sichtbarkeit, Verantwortlichkeit und Fortschrittsverfolgung
• Unterstützte den Rollout des OKR-Frameworks und leitete quartalsweise Reviews, um die Umsetzung mit den Geschäftszielen abzustimmen
• Stärkte die Kommunikation zwischen verteilten Teams, beseitigte Blocker und setzte sich für kontinuierliche Verbesserung und Automatisierung ein
• Führte On-Demand-Workshops für Teams mit wachsender Reife durch, um die Einführung von Best Practices zu unterstützen
• Mitbegründete ein Center of Excellence und eine Agile Community of Practice, um kontinuierliches Lernen und Abstimmung zu fördern
• Arbeitete mit SRE- und InfoSec-Teams an einem Multi-Region-Rollout und an Security-Initiativen, um Zuverlässigkeit und Compliance zu verbessern

• Mentor eines Teams aus 6 ML-Platform-Engineers durch wöchentliche 1:1s, technische Design-Reviews und Best Practices; Verbesserung der Team-Produktivität um 35% durch strukturierte Sprint-Planung und Programme zur Skill-Entwicklung
• Definition der ML-Plattform-Roadmap 2025–2026 in Zusammenarbeit mit Data Science, Cloud Engineering und Product Teams; Priorisierung von automatisierter Model Governance, Cost-Attribution-Systemen und Multi-Environment-Deployment-Strategien
• Zusammenarbeit mit Stakeholdern aus Data Science, SRE und Product, um die Fähigkeiten der ML-Plattform mit den Geschäftszielen abzustimmen; Reduktion der Deployment-Hürden für Data Scientists um 60% durch Self-Service-Plattformen
• Architektur und Lieferung einer produktionsreifen MLOps-Plattform für 50+ Modelle in Produktion mit automatisierten Promotion-Pipelines, Versionierung und Rollback-Funktionen; Erreichung eines SLA von 99,5% Plattform-Uptime
• Design einer verteilten ML-Pipeline-Architektur mit Metaflow und Argo Workflows (Vertex Pipelines-kompatibel); Verkürzung der Modell-Trainingszeit um 30% und der Deployment-Zyklen von 2 Wochen auf 3 Tage durch vollständige CI/CD-Automatisierung
• Aufbau containerisierter ML-Services auf Kubernetes mit Auto-Scaling-Policies, Resource Quotas und Multi-Tenancy-Isolation; Optimierung der Infrastrukturkosten um 180K $ pro Jahr (25% Reduktion)
• Implementierung von Monitoring, Alerting und Performance-Tracking mit Prometheus, Grafana und Custom Instrumentation; Reduktion der Debugging-Zeit für Modelle um 50% und Einführung von SLOs für die Modell-Performance
• Leitung der Entwicklung einer RAG-basierten Document-Intelligence-Plattform mit LangChain, LangGraph und Vektor-Datenbanken; Implementierung von Agentic-AI-Workflows für die automatisierte Verarbeitung von Finanzdokumenten
• Implementierung von Infrastructure-as-Code mit Terraform für reproduzierbare Umgebungseinrichtung und GitOps-Workflows; Reduktion von Infrastruktur-Drift-Vorfällen um 80%
• Design von rollenbasiertem Zugriff für die ML-Plattform, Implementierung von Model-Lineage-Tracking und Aufbau von Audit Trails für regulatorische Compliance nach Enterprise-IAM-Best Practices

Beratung von Tech-Unternehmen und Gründern zu Produktstrategie, Customer Discovery, KI-gestützter Produktentwicklung und Product Operating Models.

• Entwickelte und implementierte ein hybrides Empfehlungssystem (Content-Based + Collaborative Filtering)
• Baute End-to-End-ML-Pipelines inklusive Datenverarbeitung, Feature Engineering, Modelltraining und Bewertung
• Entwickelte RAG-basierte LLM-Systeme mit LangChain und Vektordatenbanken für semantische Suche und Wissensabruf
• Etablierte MLOps-Workflows mit MLflow für Experiment-Tracking, Versionierung und Deployment-Bereitschaft
• Implementierte Deep-Learning-Modelle (Computer Vision & Klassifikation) mit PyTorch und TensorFlow

IOG (IOHK) ist eines der weltweit führenden Unternehmen für Forschung und Engineering im Bereich Blockchain-Infrastruktur.

• Ein lang laufendes R&D-Projekt in ein zusammenhängendes, produktionsreifes Testnet umgewandelt; dafür das 35-köpfige Engineering-Team (Core, QA, SRE) aufgebaut und skaliert.
• Strategische Ausrichtung definiert und die technologische Entwicklung als wichtiges Mitglied der Führung mit den Geschäftszielen abgestimmt.
• Softwareentwicklungsprozesse optimiert und agile Methoden eingeführt, was die operative Effizienz und die Code-Sicherheit verbessert hat.
• Projekte in einem schnelllebigen Startup-Umfeld durch effektives Projektmanagement und gute Ressourcenplanung umgesetzt.

• Aufbau eines bereichsübergreifenden Product-Teams zur Entwicklung einer SuperApp
• Beratung und Mentoring, um das Team zu unterstützen und Impulse zu geben (fachlich & Soft Skills)

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.

• Backend-Entwicklung: .Net 8, C#, PostgreSQL, Entity Framework Core, REST-Web-APIs, Docker, Kubernetes, Kafka, Open API Swagger, Apache Airflow, Resharper, Git, Microservices, SOAP, gRPC, Hangfire, OAuth 2, GraphQL
• Schnittstellenentwicklung zur Dokumentenverarbeitung mit SmartFix, Softexpansion und Natif.ai: C#, REST API, Resharper, Git
• Deployment: Azure DevOps YAML, Vanilla Helmchart, Rancher, Kubernetes-Cluster, Linux-Docker, Windows-VM, Python
• Unit-Tests und Integrationstests
• Telemetrie, Kibana, Grafana, Elastic Search
• Arbeit in einem Kanban-Team aus 8 Entwicklern, 1 Tester und einem Product Owner

• Grundlagen des Cloud Computing & Architektur: Fundiertes Wissen zu den zentralen Cloud-Konzepten, einschließlich der drei Service-Modelle (IaaS, PaaS, SaaS) und der verschiedenen Bereitstellungsmodelle (Public, Private, Hybrid, Multi-Cloud).
• Moderne Anwendungsbereitstellungsstrategien (GCP-Fokus): Einführung in das GCP Application Hosting-Spektrum, einschließlich virtueller Maschinen, Container (Kubernetes und Cloud Run), Platform as a Service (App Engine) und serverlosem Computing (Functions as a Service - FaaS).
• Datenmanagement & Big Data Analytics: Umfassende Darstellung der Cloud-Speicheroptionen (Object, Block, File) und Datenbanklösungen, einschließlich relationaler (Cloud SQL), NoSQL (Firestore, Bigtable, Memorystore) und serverlosem Enterprise-Data-Warehousing (BigQuery).
• DevOps und Infrastruktur-Automatisierung: Kenntnisse in DevOps-Prinzipien, einschließlich Continuous Integration (CI), Continuous Delivery (CD), Infrastructure as Code (IaC) mit Tools wie Terraform, und Implementierung von effektivem Monitoring und Logging für Systembeobachtbarkeit.
• Neue Technologien & verantwortungsbewusste Cloud-Nutzung: Fokus auf wichtige Themen wie Cloud und IoT-Sicherheit, Identity and Access Management (IAM), Datenschutz und ethische Aspekte bei Cloud- und Massendaten-Sammlung.

• Verantwortlich für Entwicklung, Architektur, QA, BI, KI und Cloud-Betrieb in einer globalen Engineering-Organisation mit über 150 Ingenieuren in 21 Teams in 6 Ländern
• Führung der Transformation von einer veralteten Single-Tenant-Architektur hin zu einer cloud-nativen Multi-Tenant-SaaS-Plattform mit AWS, Kubernetes und ereignisgesteuerten Architekturen
• Etablierung von Operating-Modellen im Engineering, Architektur-Governance und DevOps-Praktiken in mehreren internationalen Teams
• Einführung von Generative-KI-Funktionen (Azure OpenAI, RAG) zur Ermöglichung KI-gesteuerter Produktfeatures und sicheren Enterprise-Datenzugriffs
• Verantwortlich für Cloud-Infrastrukturstrategie, Sicherheit und Compliance (ISO 27001, SOC1/2) sowie Cloud-Kostenoptimierung (FinOps)
• Leitung von Enterprise-Integrationen mit ERP-, CRM- und Commerce-Systemen für globale Kunden

• Projektleitung „Cloud Migration“ zur Verlagerung der On-Premise-Produktionsumgebung zu Scaleway.
• Umstellung einer Docker-Swarm-Altumgebung auf eine moderne Kubernetes-basierte Cloud-Umgebung.
• Entwurf einer DSGVO-konformen Cloud-Landschaft und eines Deployment-Setups – 100 % europäische souveräne Cloud.
• Praktisches Aufsetzen der Cloud-Umgebung mittels Terraform, ArgoCD und GitLab-Pipelines (CI/CD).
• Ablösung des Alt-VPNs durch modernes mTLS-PKI und umfassende AD-Integration.
• Leitung eines agilen 11-köpfigen Teams nach Kanban, Moderation von Team-Meetings und Planungen.
• Erfolgreicher Abschluss der Migration – Verlagerung von Infrastruktur, Services und Daten von der Planung bis zur Umsetzung.

• Entwickelte und implementierte KPI/OKR-Frameworks, die planbare Abläufe und Management-Transparenz sicherstellen
• Ermöglichte wiederholbares Performance-Tracking und strukturierte Quartalszyklen

• ChatGPT-ähnlicher KI-Chatbot mit Datei-Upload- und Interaktionsfunktionen, gehostet auf Azure in Europa, um die Einhaltung der Datenschutzbestimmungen des Unternehmens zu gewährleisten
• KI-gestützte Lösung zur Verarbeitung juristischer Dokumente zur automatischen Extraktion steuerrelevanter Daten aus komplexen Rechtsdokumenten, Verbesserung der Genauigkeit bei der Ermittlung steuerlicher Verpflichtungen, Verkürzung der Verarbeitungszeit und Minimierung des Risikos von Nichteinhaltung
• Asset Manager Service-Portal (AMS) entwickelt mit Angular, Python, Docker und Oracle DB, das als zentrales Datenkatalog dient und die Effizienz und Genauigkeit bei der Datenabfrage verbessert
• Dynamics 365 Azure-Integration über kundenspezifische Azure Functions-Plugins, um die CRM-Funktionen an die speziellen Anforderungen eines Investmentinstituts anzupassen