25.02.2026 aktualisiert


Premiumkunde
100 % verfügbarPrincipal Architekt Infrastructure
Vöhl, Deutschland
Deutschland
Bachelor of Computer ScienceSkills
Kubernetes-SicherheitC (Programmiersprache)JavaActive DirectoryAPIsAgile MethodologieKünstliche IntelligenzAmazon Web ServicesAmazon Elastic Compute CloudAmazon S3Apple Mac SystemsArchitekturKünstliche Neurale NetzwerkeAtlassian ConfluenceAtlassian Jira
Intensive Erfahrungen als
- Interim CTO / Principal Architect
- Staff / Lead Engineer (Platform, AI/ML, Distributed Systems)
- DevOps & Cloud Architect (Multi-Cloud)
Tech-Stack Expert Level
Distributed Systems, Cloud-Native Architectures, Kubernetes, Multi-Cloud (AWS / Azure / GCP), Event-Driven Systems, Kafka, Terraform (IaC), Platform Engineering, AI/ML Pipelines, Identity & Security (OAuth2 / OIDC), High-Scale Systems
Kunden & Stationen u.a.
→ Yahoo (Web-Scale Plattform, Milliarden Requests/Tag)
→ Nokia / HERE Technologies
→ Honda
→ Symantec
→ Smartly
→ Heuro Labs (Founder & CEO)
→ Scale-ups, internationale Tech-Unternehmen & Deep-Tech Startups
Ich freue mich auf Ihre Nachricht!
Sprachen: Python, Ruby, Java, C, Go, C++, Clojure, Scala, Nim, Rust, Perl, Prolog, Ada, Pascal
AI / ML: Regression Models, Random Forests, Boosting, SVMs, Neural Networks, Logical Models, Predicate Calculus, RL models, W3C Taxonomies, W3C ontologies, Relational Model, Graphical Model, Vocabulary, Tokenization, Embeddings, Generative AI, Caffe, OpenCV, OpenNLP, NLTK, SpaCy, OpenAI, Anthropic, Cohere, LangChain, AutoGPT Langchain, AutoGPT, AutoGen, Jade, JaCoMo, AnyScale
Betriebssysteme: Linux, FreeBSD, OpenBSD, NetBSD, OS X, Solaris, Minix3, Plan9, VMS
Networking: ZeroMQ, TCP, IP, IPv6, UDP, Ethernet, Cisco, Juniper, VPN
Storage: Cassandra, Hadoop, HDFS, GFS, Parquet, Arrow
Caching: Redis, Memcached.
Logging/Monitoring: Grafana, Kibana, Elastic, Sentry, Loki
Weitere Tools: Kafka, Zookeeper, RabbitMQ, Protobuf, YaML, XML, JSON, Keycloack, Spark, Hive, Rails, Flask, Spring Boot, Play, Scikit, PyTorch, Tensorflow, Transformers, Gensim, SpaCy, NLTK, OpenNLP, Pandas, Numpy, Hyperopt, Polars
AWS: EC2, S3, ELK, Fargate, SQS, SNS, Lambda, Aurora, Aurora Serverless, Redshift, Route53, DynamoDB, Elasticache, KMS, Certificate Manager, SageMaker, CDK
Azure: Azure SDK, Azure Functions, API Management, Blob Storage, KeyVault, Azure MySQL, Azure PostgreSQL, AKS, Resource Manager, Container Apps, Load Balancer, Resource Manager, VPN Gateway GCP: Compute Engine, Google Console, Big Query, Compute Engine, Kubernetes Engine, Cloud Storage. Virtualisierung: VMWare, LXC, VirtualBox, Qemu, FreeBSD Jails
Container: Docker, Podman
Cloud Native: Kubernetes, Kubernetes Operator Development
Microsoft: Active Directory, MS SQL
Datenbanken: Postgresql, MySQL, MongoDB, CoucheDB, BlazeGraph, Neo4J, Sqlite, Sparql, SQL, Cypher, DBT, DuckDB
Agile Methoden: Scrum, Kanban
IT-Security: TLS, SSL, OAuth, OIDC, JWT, PKI, GPG, PGP
Infrastructure as Code (IAC): Terraform HCL, Python, CDK, Boto3,Puppet, Ansible, Kube APIs
Machine Learning: Regression Models, Random Forests, Boosting, SVMs, Neural Networks, Logical Models, Predicate Calculus, RL models, W3C Taxonomies, W3C ontologies, Relational Model, Graphical Model, Vocabulary, Tokenization, Embeddings, Generative AI, Caffe, OpenCV, OpenNLP, NLTK, SpaCy
Zertifizierung: RHCE , EMC Storage Professional
Sprachen
DeutschMutterspracheEnglischMuttersprache
Projekthistorie
- Implementierung eines Produkts, um mehrere Clouds und Container-Plattformen wie AWS, Azure, Kubernetes und Openshift zentral zu verwalten
- Implementierung von ISO27001 im Unternehmen
- Betreuung von jüngeren DevOps Kollegen
Zielsetzung: Skalierbares System zur Verarbeitung großer Datenmengen mit hoher Durchsatzrate, mit Schwerpunkt auf Kosteneffizienz und Elastizität
- Entwurf und Implementierung eines verteilten Data-Mining- und Verarbeitungssystems, das Wissensgraphen nahezu in Echtzeit speichert und aktualisiert. Dies umfasst alle Datenmodelle, Serialisierungs- und Deserialisierungsschemata, Versionsstrategien und Lebenszyklus-Wartung.
- Implementierung von Dutzenden von Verarbeitungs- und Persistenzelementen zur Verarbeitung von Millionen von Datenpunkten pro Sekunde und zur Speicherung von Hunderten Millionen Datensätzen pro Tag.
- Das System wurde in C++, Java, Clojure und Python implementiert.
- Leitung eines kleinen Teams von 7 Entwicklern.
- Verwendete Technologien: Kafka, Spark, HDFS, Blazegraph, MongoDB, Postgres
Umfang: Kurzfristiger Einsatz zur Steigerung der Teamproduktivität und Erweiterung eines bestehenden Altsystems
Zielsetzung: Ermöglichung der Abrechnung neuer KI-Dienste
- Entwurf und Implementierung einer Kafka-basierten Erweiterung zur Monetarisierung und Abrechnung von KI-Diensten
- Analyse und Dokumentation des bestehenden Systems und Datenmodells
- Entwurf und Implementierung eines deklarativen Modells für einen endlichen Automaten
- Daten-Schema-Design und CI/CD-Integration mit GitHub Actions
- Mentoring und Wissenstransfer an weniger erfahrene Mitarbeiter
- Kommunikation von Herausforderungen und zukünftigen Richtungen an Führungskräfte
- Verwendete Technologien: Ruby, Rails, Kafka, Karapace, Kubernetes