Projektbeschreibung:

FISERV entwickelt Zahlungslösungen und Schnittstellen sowie Bank- und Finanzsoftware für Online-Banking wie DNA, Premier, Prologue oder Cleartouch. 

• Entwicklung einer automatisierten Plattform zur kontinuierlichen Integration und Auslieferung von Softwarelösungen
  
• Ziel war die schnellere, stabilere und nachvollziehbare Bereitstellung kundenspezifischer Anwendungen im Finanz- und Zahlungsverkehr
  
• Aufbau standardisierter Strukturen für Entwicklungs-, Test- und Deploymentprozesse
  
• Unterstützung bei der Umsetzung individueller Kundenanforderungen wie z.?B. Compliance-Vorgaben oder betriebsspezifischer Abläufe
  
• Bereitstellung der Infrastruktur zur effizienten Verwaltung mehrerer Kundenprojekte innerhalb einer skalierbaren Plattform
  
• Verbesserung der Softwarequalität und Reduktion von Fehlerquellen durch automatisierte Abläufe
  
• Sicherstellung eines durchgängigen und auditierbaren Release-Prozesses
  
• Beitrag zur Reduzierung der Time-to-Market und zur langfristigen Wartbarkeit der Lösungen

Tätigkeiten:

• Aufbau und Weiterentwicklung von CI/CD-Strukturen zur Automatisierung von Build-, Test- und Deployment-Prozessen in Kundenprojekten
  
• Einrichtung, Konfiguration und Integration von SonarQube (Codequalität) und Harbor (Container Registry) in die DevOps-Pipeline
  
• Erstellung und Verwaltung von Rundeck Jobs zur Durchführung automatisierter Deployments und operativer Tasks
  
• Aufbau der Infrastruktur mit Terraform zur Bereitstellung und Wartung von Umgebungen in GitLab-basierten CI/CD-Prozessen
  
• Fehleranalyse und Lösung von CI/CD-bezogenen Problemen, z.?B. bei SonarQube und Jenkins
  
• Erstellung und Pflege von Speedjobs in Jenkins zur automatisierten Initialisierung neuer Projekt-Jobs
  
• Entwicklung individueller Automatisierungslösungen und Workarounds auf Basis spezifischer Kundenanforderungen und Issues
  

Projektbeschreibung:

EXAM-System für Online Prüfungen und Auswertungen:
Entwicklung und Betrieb eines cloudbasierten Prüfungssystems zur Durchführung, Bewertung und Analyse von Online-Examen. Ziel war eine hochverfügbare, skalierbare Lösung mit vollständig automatisierten CI/CD-Prozessen

• Aufbau der Azure-Infrastruktur (Netzwerk, AKS-Cluster, Ressourcen) mittels Terraform
  
• Konfiguration und Einsatz von Helm-Charts zur Verwaltung containerisierter Microservices im AKS-Cluster
  
• Implementierung von CI/CD-Pipelines mit Jenkins, abgestimmt auf Azure-spezifische Workflows
  
• Fokus auf Skalierbarkeit, Rollback-Fähigkeit und Performance bei Prüfungsdurchläufen
  

Recruiter Portal Website
Bereitstellung einer modernen Webanwendung für Bewerberverwaltung und Recruitingprozesse, betrieben in einer AWS-Cloud-Umgebung mit vollständiger DevOps-Automatisierung.

• Erstellung der AWS-Infrastruktur mit Terraform, inkl. EKS-Cluster, Networking, Load Balancing
  
• Aufbau von CI/CD-Pipelines für Frontend & Backend mit Jenkins und Maven
  
• Automatisiertes Deployment mit Fokus auf Konsistenz, Fehlertoleranz und schneller Release-Zyklus
  
• Reduktion von Build- und Deploymentfehlern durch automatisierte Prüfprozesse
  

Tätigkeiten:

• Aufbau und Pflege von Infrastructure-as-Code mit Terraform für Azure- und AWS-Umgebungen
  
• Bereitstellung und Konfiguration von Kubernetes-Clustern (AKS und EKS) für containerisierte Anwendungen
  
• Erstellung und Verwaltung von Helm-Charts zur Paketierung und Bereitstellung von Microservices
  
• Implementierung und Pflege von CI/CD-Pipelines mit Jenkins für automatisierte Build-, Test- und Deployment-Prozesse
  
• Nutzung von Maven zur Build-Automatisierung von Backend- und Frontend-Komponenten
  
• Einrichtung und Optimierung von Deployment-Jobs, inklusive Seedjobs zur Pipeline-Automatisierung
  
• Integration von Tools zur Codequalitätssicherung und Containerverwaltung (z.?B. statische Analysen, Image Scans)
  
• Analyse und Behebung von Fehlern in der CI/CD-Pipeline, inkl. Troubleshooting von Build- oder Deployment-Problemen
  
• Entwicklung kundenspezifischer Automatisierungslösungen zur Unterstützung individueller Anforderungen
  
• Unterstützung bei der Produktionsreife der Systeme durch stabile, wiederholbare Deployments
  

Projektbeschreibung:

Entwicklung und Betrieb einer modernen, cloudbasierten Webanwendung zur 

• Verwaltung von Bildungsinhalten
  
• Verwaltung von Nutzerdaten
  
• Prüfungsprozesse
  
• Sicherstellung einer stabilen, skalierbaren und vollautomatisierten Plattform
  
• Bereitstellung von Lerninhalten
  
• Integration von Bewerberprozessen

Tätigkeiten:

• Aufbau und Pflege der AWS-Infrastruktur mit Terraform zur automatisierten Bereitstellung von Ressourcen
  
• Verbesserung der Container-Orchestrierung durch Einführung und Verwaltung von K3s-Kubernetes-Clustern auf AWS
  
• Implementierung von automatisierten CI/CD-Pipelines mit GitLab für effiziente Build- und Deployment-Prozesse
  
• Erstellung und Verwaltung von ECR-Repositories, inkl. Vorbereitung passender Build-Skripte
  
• Erstellung, Verwaltung und Optimierung von Docker-Images für die containerisierten Anwendungen
  
• Signifikante Reduzierung der Deployment-Zeiten, wodurch die Effizienz und Release-Geschwindigkeit gesteigert wurden
  
• Aufbau einer Azure-Infrastruktur (Netzwerk, AKS-Cluster, Ressourcen) 
  
• Erstellung von CI/CD Pipelines, abgestimmt auf Azure
  
• Nutzung von Maven zur Build-Automatisierung für Backend und Frontend
  

Projektbeschreibung:

Berufsbegleitende Weiterbildung zum DevOps & Cloud Engineer mit Fokus auf AWS, CI/CD, Containerisierung, Infrastrukturautomatisierung und Cloud-Sicherheit. Die praxisnahe Ausbildung vermittelt Fähigkeiten zur Planung, Umsetzung und Automatisierung moderner DevOps- und Cloud-Infrastrukturen.

• Durchführung praxisnaher Hands-on-Projekte auf echten Cloudplattformen
  
• Simulation realer DevOps-Prozesse in Teamarbeit
  
• Aufbau vollständiger CI/CD-Strecken mit Monitoring und Logging
  
• Erstellung wiederverwendbarer Terraform-Module und Kubernetes-Deployments

Tätigkeiten:

• Nutzung von AWS-Cloud-Diensten für Infrastruktur, Speicher, Netzwerke und Bereitstellungen
  
• Aufbau skalierbarer Cloud-Infrastrukturen mit Sicherheits- und Hochverfügbarkeitsaspekten
  
• Einführung in DevOps-Philosophie, Agile, Infrastruktur als Code
  
• Planung und Umsetzung von Continuous Integration / Continuous Deployment Pipelines
  
• Arbeiten mit Docker, Docker Compose, Container Lifecycle Management
  
• Kubernetes-Grundlagen, Clustermanagement, YAML-Definitionen
  
• Verwendung von Terraform zur Automatisierung von Cloud-Infrastruktur
  
• Konfigurationsmanagement mit Ansible
  
• Systemüberwachung mit Prometheus, Grafana, CloudWatch
  
• Logging-Strategien, Analyse und Alarmierung
  
• Zugriffskontrolle, Rollenverwaltung, Secrets-Management in AWS
  
• Security in CI/CD und Containerumgebungen

Projektbeschreibung:

Intensives, maßgeschneidertes Online?Training zur beruflichen Neuorientierung oder Weiterbildung im Bereich AWS Cloud und DevOps?Automatisierung. Der Kurs vermittelt praxisnah Kenntnisse, um als zertifizierter AWS?DevOps?Engineer in modernen IT?Umgebungen erfolgreich zu arbeiten.

• Einführung in die unterschiedlichen Softwareentwicklungszyklen und agile Arbeitsmethoden im DevOps Umfeld
  
• 4?wöchiges Abschluss-Capstone-Projekt zur Austausch von Wissen in einem praxisnahen Szenario
  

Tätigkeiten:

• Einsetzen von Git und GitHub zur Codeverwaltung und Teamarbeit
  
• Python- und Shell-Scripting für Infrastructure-Automation
  
• Administration von Linux, Unix und Windows-Servern
  
• Netzwerkmanagement in Cloud-Umgebungen
  
• Planung, Provisionierung und Skalierung von Ressourcen (z.?B. EC2, S3, IAM, VPC, RDS)
  
• Monitoring mit CloudWatch
  
• Automatisierte Infrastruktur-Bereitstellung mit Terraform und Konfigurationsmanagement mit Ansible
  
• Nutzung von Jenkins, GitLab CI/CD zur Automatisierung von Tests und Deployments
  
• Erstellung von Docker-Containern
  
• Verwaltung mit Kubernetes und Helm
  
• Einsatz von Prometheus und Grafana zur System- und Metriküberwachung
  
• Absicherung von Cloud-Infrastruktur und DevOps?Pipelines
  

Projektbeschreibung:

Praxisnahes Bootcamp zur Ausbildung zum Data Scientist bei renommierten Mentoren. Hierbei wurden ML-Projekte, Regression, RFM-Analyse, Empfehlungsalgorythmen, Umsatz- und Nachfrageprognosen und weitere Schwerpunkte in den Projekten angeeignet.

• Erlangen neuer Fähigkeiten in 8 durchgeführten praxisnahen Projekten
  
• Arbeit in Gruppen mit erfahrenen Data-Science-Mentoren und Assistenten
  
• Wöchentlicher Code-Review und Feedback
  

Tätigkeiten:

• Pyhton und R wurden für Skripting eingesetzt
  
• Pandas und Matplotlib wurden in Projekten zur Datenanalyse genutzt
  
• Feature Engineering
  
• Machine Learning mit Klassifikations- und Empfehlungssystemen
  
• Nutzug von Production Level Tools sowie Flask zum modell Deployment