Freelance DevOps / MLOps Engineer (AWS, GitLab CI, Pulumi) – ML-Plattform & Betrugserkennung
ALPSCALE GmbH
Ansprechpartner: Michael Legenstein
Frankfurt am Main, Deutschland
ITSageMakerAmazon Elastic Compute CloudDevOpsGraphdatenbankPythonDataOpsPulumiCloud PlatformAWS LambdaInfrastructure as Code (IaC)GitLabCloudformationGitlab-CiDeployment AutomationAWS FargateMachine Learning OperationsArtifactory
Beschreibung
DevOps / MLOps Engineer (AWS, GitLab CI, Pulumi) – 90 % remote, 3-jähriger Einsatz (01.01.2027 – 31.12.2029, ca. 220 Tage/Jahr).
Projektziel:
Für einen großen deutschen Mobilitätskonzern (IT-Tochtergesellschaft) suchen wir bis zu 3 deutschsprachige freiberufliche DevOps / MLOps Engineers, die die Cloud-, CI/CD- und MLOps-Plattform hinter den produktiven ML-Lösungen betreiben, automatisieren und kontinuierlich weiterentwickeln. Dazu gehören die Betrugserkennung im Online-Ticketverkauf und die Optimierung operativer Prüfprozesse. Sie arbeiten in einem agilen Team auf AWS.
Hauptaufgaben:
- Betrieb und Weiterentwicklung von GitLab-CI-Pipelines in einer Multi-Repository-Landschaft: zentrale CI-Templates, wiederverwendbare Pipeline-Komponenten, projektübergreifende Integration und Deployments je Umgebung
- Automatisierung von Container-Builds mit Artifactory inkl. Schwachstellen-Scans, Image-Versionierung und Auslieferung nach AWS ECR für getrennte Test- und Produktionsumgebungen
- Konzeption und Aufbau von AWS-Infrastruktur als Code (CloudFormation, Pulumi): wiederverwendbare Komponenten, Multi-Account-Architekturen, Konfigurations- und Änderungsmanagement
- Automatisierung von MLOps-Deployments auf AWS SageMaker: Model Registry, Freigabe-Workflows, EventBridge, Lambda sowie automatisierter Rollout produktiver Inferenz-Endpoints über GitLab CI
- Standardisierung von Release-Prozessen über AWS-Accounts und Umgebungen hinweg, inkl. Freigabe-Gates, Abnahme- und Shadow-Deployments sowie kontrollierter Rollbacks
- Aufbau und Betrieb interner Webanwendungen und Backend-Services (REST-APIs, Admin- und Monitoring-Oberflächen, Authentifizierung und Autorisierung)
- Dependency- und Release-Management mit uv, privaten Python-Registries auf Artifactory und Renovate
- Betrieb und Optimierung von RDS/Aurora, PostgreSQL, Amazon Neptune, Kafka/MSK, ECS Fargate, Lambda, Step Functions und privaten REST-Endpoints
- Bereitstellung von Infrastruktur für graphbasierte Daten- und ML-Workloads (Neptune/Gremlin, GraphStorm/DGL)
- Aufbau von Monitoring und Observability mit CloudWatch, X-Ray, SNS und Grafana inkl. Alerting und Incident-Analyse
- Automatisierung von Security und Compliance: IAM nach dem Least-Privilege-Prinzip, Secrets Manager, KMS-Verschlüsselung und Schlüsselrotation, automatisierte Security-Checks
- Automatisierung von Datenaufbewahrung und -löschung (S3-Tagging, Lifecycle Policies, Step Functions) sowie hybrider Datentransfers zwischen Azure Blob Storage und AWS S3
- Aufbau von Infrastruktur für KI-Agentensysteme (MCP-Server, CLI-Tool-Integration, Observability mit Langfuse)
- Incident-Handling, Performance-Tuning und technische Dokumentation (Service-Manifeste, Deployment-Konfigurationen)
Muss-Kriterien:
- 3+ Jahre Erfahrung mit AWS SageMaker und produktivem MLOps (Model Registry, Pipelines, Endpoint-Deployments, automatisierte Freigabe-Workflows)
- Fundierte praktische Erfahrung in AWS-Architektur: IAM-Rollen und -Policies, VPC-Netzwerkdesign, KMS, Multi-Account-Umgebungen
- Produktive Infrastructure as Code mit AWS CloudFormation oder Pulumi
- Praktische Erfahrung mit Graph-Technologien (Amazon Neptune/Gremlin oder GraphStorm/DGL) inkl. Betrieb graphbasierter Daten- oder ML-Workloads
- CI/CD- und Deployment-Prozesse in regulierten Umgebungen (Freigabeverfahren, Nachvollziehbarkeit, Umgebungstrennung, Security und Compliance)
- Fließend Deutsch (C1, in Wort und Schrift) und Englisch C1
Wünschenswert:
- Pulumi mit Python inkl. wiederverwendbarer IaC-Komponenten und -Bibliotheken
- Full-Stack-Webentwicklung (REST-APIs, Authentifizierung, automatisierte Cloud-Deployments), 3+ Jahre
- Event-Streaming mit Apache Kafka / AWS MSK
- Hybride Datentransfers zwischen Azure Blob Storage und AWS S3
- KI-Agentensysteme, MCP-Server, Observability mit Langfuse
Zeitraum: 01.01.2027 – 31.12.2029, ca. 220 Tage pro Jahr.
Arbeitsmodell: 90 % remote aus der EU oder Deutschland; ca. 20 Vor-Ort-Workshop-Tage pro Jahr in Frankfurt am Main.
Erwartetes Ergebnis: Eine stabile, sichere und vollständig automatisierte Cloud- und MLOps-Plattform auf AWS, die die produktiven ML- und Webanwendungen des Kunden zuverlässig bereitstellt und betreibt.
Zuletzt bearbeitet: 18.11.2026