DevOps- und Cloud-Architekt mit über 15 Jahren Erfahrung

Last- und Performancetest der Gematik-Infrastruktur mit mehreren tausend simulierten Arztpraxen. Clustererzeugung mit Terraform, Autoscaling unter hoher Last, CI/CD-Pipelines und Observability-Implementierung.

Clustererzeugung & Verrechtung (EKS)
Ich setzte den EKS-Cluster per Terraform auf, definierte VPC, Subnetze und Security Groups und richtete zentrale IAM-Rollen mit Least-Privilege ein. Zugangspfade, Namespaces und Quotas trennten Lastdomänen sauber. Runbooks und automatisierte Checks stellten sicher, dass Provisioning und Rechtevergabe wiederholbar und auditierbar bleiben.

Autoscaling unter hoher Node-/Subnetz-Last
Für mehrere tausend simulierte Praxen erprobte ich aggressives Autoscaling: Managed Node Groups, Cluster Autoscaler und Right-Sizing der Instanzen. Ich validierte Limitierungen durch ENIs/Subnetzadressen, passte die Topologie an und stellte vorhersehbare Skalierkurven her – inklusive Cost-Guardrails und Fail-Safe-Mechanismen.

Integration ins Testsystem
Den Cluster band ich an Lastgeneratoren, Artefaktquellen und Zielsysteme an. Secrets, Netzpfade und Auth-Flows wurden Ende-zu-Ende getestet, damit die Szenarien ohne manuelle Eingriffe laufen. Health-Checks, Konfig-Gates und ein Rollback-Pfad erlaubten schnelle Iterationen zwischen Baseline, Spike und Soak-Runs.

CI/CD & GitOps für Testumgebung
Ich etablierte Pipelines, die Umgebungen auf Knopfdruck auf- und abbauen, Konfigurationen versionieren und Testdaten bereitstellen. Parameter und Stages trennen Baseline, Spike und Soak. Releases der Infrastruktur sind nachvollziehbar; jeder Run basiert auf dem exakt reproduzierbaren Stand aus Git – inklusive automatischer Aufräumroutinen.

Orchestrierung der Testläufe
Ich plante und steuerte mehrstufige Läufe, synchronisierte Startfenster und sorgte für konstante Datenversorgung. Warm-up, Stabilisierung und kontrollierte Eskalation erzeugen verwertbare Messpunkte. Das Testteam erhält klare Rollenzuschnitte; Abweichungen und Abbrüche werden dokumentiert und als nächste Hypothesen eingespeist.

Observability & Telemetrie
Ich stellte durchgängige Telemetrie von Lastgenerator bis Zielsystem her: Metriken, Logs und Traces mit aussagekräftigen Labels. Dashboards liefern SLI/SLO-Sichten für Durchsatz und Latenzen, Alerts markieren Ausreißer. Sampling, Retention und Anreicherung sind so gewählt, dass Diagnosen schnell und wiederholbar möglich sind.

Erstellung und automatisierte Bereitstellung der Testsysteme
Systeme der Arztpraxen stellte ich als Docker Image bereit. Eingebettet sind Python-Scripte, die nach Initialisierung des Containers selbständig die notwendige Bereitstellung in der Infrastruktur des Kunden vornehmen. Zusätzlich wird in den Containern ein Webserver gestartet, über den die Container gesteuert und der Test orchestriert werden kann.

Projekt SmartAgency

Entwicklung einer webbasierten Plattform zur Verwaltung von Werbekampagnen, inklusive Planung, Buchung, Auswertung und Abrechnung. Definition der Testarchitektur für Frontend- und Backend-Komponenten, Implementierung von Shift-Left-Testing und CI/CD-Integration.

Entwurf der automatisierten Testausführung nach dem Behaviour Driven Design (BDD)
Die kurzen Entwicklungszyklen und umfassenden Änderungen bedingen eine anpassungsfähige Testschicht. Integrations- und Abnahmetests sollen so weit wie möglich automatisiert in die CI/CD Pipeline integriert sein. Um die nötige Anpassungsfähigkeit herzustellen, lege ich Cucumber als Framework für Behaviour-Driven Testing fest. Alle weiteren Testaktivitäten werden als Szenarien darin abgebildet.

Aufbau der Testpipeline inkl. Erstellung der Docker-Container und Testergebnisse im JUnit-Format
Das Projekt wird in Microsoft Azure DevOps entwickelt und über die dortigen Pipelines kompiliert. Um den Testprozess einzubinden, erstelle ich Docker-Container, die aus der Testpipeline heraus aufgerufen werden, die aktuellen Testszenarien und Step-Implementierungen aus Git laden und die Tests ausführen. Die Ergebnisse werden im JUnit-Format gespeichert und an die Pipeline zurückgegeben.

Automatisierte Erstellung der API-Testszenarien und Programmierung in Python
Um die vielfältigen Micro-Services und Lambda-Funktionen der Anwendung zu koordinieren, wird ein API Manager eingesetzt. Von diesem beziehe ich eine Spezifikation der APIs im Open API Format. Ich entwerfe ein Python-Programm, um die Spezifikation der API Tests zu zerlegen und für jeden Endpunkt Testszenarien automatisiert zu erzeugen. Zusätzlich werden Ein- und Ausgabedaten automatisch erzeugt.

Entwurf und Umsetzung der Ausführungsarchitektur für die UI-Tests über die BDD-Schicht
Auch Oberflächentests werden in Cucumber / Gherkin definiert und in Python mit dem Programm behave ausgeführt. Zur Browserautomatisierung setze ich Playwright ein. Ich entwerfe das System, so dass Kontextinformationen zwischen den Schritten des Testszenarios ausgetauscht werden können und Playwright die Steuerungsinformationen von Cucumber und die Testdatendefinitionen aus dem API Tests erhält.

Überführung der Testautomatisierung nach AWS
Während des Projekts wird die Infrastruktur von Azure Devops und Azure auf Github und Amazon Web Services umgestellt. Ich migriere die Ausführungspipeline und binde die für die Tests benötigten Dienste in AWS an. Zur Userverwaltung binde ich Cognito, Hubspot und Stripe an. Daten werden in S3 Buckets angelegt. Die aktuelle API rufe ich vom API Manager ab und nutze die Daten für API-Tests.

Überführung der Testarchitektur in Typescript
Im Zuge der Umstellung auf ShiftLeft Testing soll die Testbibliothek von Python nach Typescript konvertiert werden. Ich übersetze die Anbindung der Backend-DIenste (verschiedene AWS Dienste, HubSpot und Stripe) und stelle sie als TypeScript Klassen zur Verfügung.

Umstellung auf Cucumber.JS
Im Zuge der Umstellung auf ShiftLeft Testing soll die Testbibliothek von Python nach Typescript konvertiert werden. Dazu soll auch die Testausführung von Python Behave auf Typescript Cucumber.js umgestellt werden. Ich übersetze die Testkonfiguration bzw. baue sie in Typescript analog zur bisherigen Umsetzung neu auf.

Anbindung der Testumgebung an IAM System
Die automatisierten Tests erfordern vor jedem Testablauf dynamisch angelegte Benutzer. Ich nutze boto3, um aus der Python-Implementierung heraus auf AWS Cognito zuzugreifen und die Nutzerkonten anzulegen und zu verrechten. Die dafür notwendigen Rechte in der AWS Plattform ermittle ich in AWS IAM und verrechte den technischen Nutzer entsprechend.

API Sicherheitstests
Der Zugriff auf die Anwendung soll nur berechtigten Nutzern ermöglicht werden. Als Teil der Testbibliothek entwerfe ich einen Testfall, der vom AWS Gateway die tatsächlich ausgerollten Systemkomponenten ermittelt und diese automatisiert auf korrekte Verrechtung prüft. Die Anwendungssicherheit wird somit über dedizierte Oberflächentests sowie automatisierte API-Tests fortwährend sichergestellt.

Security Monitoring
Insbesondere während der Rolloutphase wird besonderes Augenmerk auf die Sicherheit gelegt. Ich werte regelmäßig den Systemzustand in AWS CloudWatch aus und prüfe die einschlägigen Metriken. Hierbei prüfe ich insbesondere die Anzahl fehlgeschlagener Login-Versuche und API-Aufrufe und gleiche die Ergebnisse mit den Zeiträumen der automatisierten Testausführung ab, um Verzerrungen zu vermeiden.

Die SPIRIT-Academy umfasst mehrere interne Projekte und dem Ziel der stetigen Optimierung zur internen Nutzung. In einer Webanwendung in der Microservice-Architektur werden hier die Geschäftsprozesse des Unternehmens abgebildet. Die Unterprojekte sind als Teil der Ausbildung der Nachwuchstalente des Unternehmens konzipiert. 
Das Self-Service Portal stellt für die Mitarbeiter einen einheitlichen, dezentralen Zugriff auf Geschäftsprozesse wie z. B. Profilerstellung, Reisekostenabrechnung, Inventar- und Kontaktverwaltung bereit. 

Erstellung des Anforderungskatalogs und Umsetzung in User Stories
Durch Analyse der groben Nutzerforderung, Zieldefinition und Modellierung der Use Cases in UML identifiziere ich die Meilensteine des Programms und hinterlege sie als Scrum Epic in Jira. Nach Entwurf der passenden Systemarchitektur verfeinere und schneide ich die User Stories in Zusammenarbeit mit den Stakeholdern und dem Entwicklungsteam. Zwischenergebnisse hinterlege ich im Github Projektwiki.

Entwurf der Systemarchitektur auf Basis von Standardtechnologien im Rahmen des Ausbildungsprojektes
Das System soll zum Wissenstransfer für Auszubildende dienen und wird auf industrieweite Standardtechnologien gestützt. Die PostgreSQL DB im Docker Container binde ich mit Hibernate und der Java Persistence API an das Spring Boot Backend an. Dort stellt eine REST-API die Daten dem Angular Frontend zur Verfügung. Die Sicherheit gewährleiste ich durch JWT. Der Quellcode wird im Github versioniert.

Entwurf und Konfiguration der Continuous Integration und des Prozesses über Maven und Jenkins
Für die Vielzahl an Microservices erstelle ich eine CI/CD Kette (Continuous Integration), die ausgehend vom akzeptierten Pull Request im Github die Anwendung in Jenkins baut, testet und auf Test- und Produktivservern ausrollt und startet. Den Prozess bilde ich über Maven Build Script und Jenkins Pipeline ab.

Konfiguration der Microservices, Deployment und Überwachung im Betrieb (Devops) mit ELK-Stack
Die Microservices konfiguriere ich über Spring Cloud Config, die Verschaltung untereinander über Cloud-Systeme wie Zuul, Feign, Hystrix und Eureka. Um die Anwendungen im Betrieb zu überwachen, nutze ich den ELK-Stack (Elasticsearch, Logstash, Kibana).

Deployment
Ich erstelle den Deployment- und Startmechanismus auf den Test- und Produktivsystemen als Verkettung von Bash-Scripten. Diese binde ich in den systemd - Dienst ein. Die Scripte versorgen die zu startende Anwendung mit Informationen des Hostsystems, so dass wichtige Startparameter systemabhängig erzeugt bzw. konfiguriert werden.

Containerisierung
Zum initialen Rollout wurden die Anwendungen in der privaten Cloud als installierte Dienste ausgerollt. Nach und nach verpacke ich die Anwendungen in Docker Container und stelle auf eine Compose-Orchestrierung um. Im späteren Schritt wird diese durch Kubernetes-Deployments abgelöst.