3rd Level Support, Backend Developer, Consultant, DevOps Engineer, Developer, ETL Developer, u.a.
Aktualisiert am 10.11.2023
Profil
Mitarbeiter eines Dienstleisters
Verfügbar ab: 08.11.2023
Verfügbar zu: 100%
davon vor Ort: 100%
Skill-Profil eines fest angestellten Mitarbeiters des Dienstleisters

Einsatzorte

Deutschland
nicht möglich

Projekte

2 Jahre
2021-11 - 2023-10

Integration einer Third-Party Payment-Plattform in einen P2P-Marktplatz

Backend Developer, Software Architect API- & Schnittstellen-Design Ablösung von Legacy-Systemen Architektur großer Software-Systeme ...
Backend Developer, Software Architect
Bei einem P2P Online-Marktplatz, auf welchem man mit Domainnamen handelt, wurde das Geld der Käufer*innen vom Kunden solange verwahrt, bis die Transaktion der Domain erfolgreich beendet wurde. Dieser Prozess unterliegt dem Geldwäschegesetz, wonach das treuhänderische Verwahren wie beschrieben nur von Unternehmen mit Banklizenz erlaubt ist. Ziel war es, alle Prozesse rechtskonform mit Hilfe einer lizenzierten Third-Party Payment-Plattform abzubilden.
  • Die verwendeten Systeme waren teilweise über 10 Jahre alt (PHP als auch Java), wodurch einerseits die Analyse des bestehenden Codes und das Dokumentieren von aktuellem Verhalten als auch das Migrieren und Modernisieren (Daten sowie Architektur) im Vordergrund stand. Es wurden u.A. 3 Java Spring Boot Services mit RESTful-APIs als auch asynchroner Schnittstellen (ActiveMQ Messages) erstellt, um mit dem internen Frontend, weiteren Backend-Services und der Third-Party API zu kommunizieren.
  • Im Rahmen dieses Projekts wurde die Kundendatenverwaltung (Frontend als auch Backend) neu entwickelt, um der nötigen Skalierbarkeit mit den wachsenden Anforderungen an das System gerecht zu werden und aus der großen monolithischen Applikation herauszubrechen. Das war außerdem nötig, da eine bidirektionale Synchronisation der Kundendaten zwischen der Payment-Plattform und dem Marktplatz erforderlich war.
  • Entwickler*innen als auch das Projektmanagement haben eng zusammen gearbeitet, um Konzepte für die Integration beider Systeme (Payment-Plattform und Marktplatz) zu erarbeiten, was aufgrund der Komplexität und der Sensibilität der Daten eine spannende Herausforderung war.
    • Anforderungsanalyse durch Ist-Zustandsanalyse des verteilten Systems
    • Konzeptionierung von komplexen Datenverarbeitungsprozessen: Abbildung von weltweit gültigen Bankkundendaten, Integration von asynchronen Authentifizierungs- und Zahlungsprozessen
    • Testgetriebene Implementierung von Java Spring Boot Services mit White- und Blackbox-Tests (Unit-, Integration- und Smoke-Tests)
    • Automatisierung von Deployments mittels Jenkins und Helm Charts in ein Kubernetes Cluster
    • Koordination mit anderen Produkt-Teams für reibungslose Umsetzungs- und Deployment-Phasen
    • Aktive Unterstützung im QA-Team bei der Umsetzung der Frontend E2E-Tests
API- & Schnittstellen-Design Ablösung von Legacy-Systemen Architektur großer Software-Systeme DSGVO Proof of Concept/ Machbarkeitsanalyse SWIFT Softwareentwicklung Softwaremigration Stammdatenmanagement Zahlungsverkehr Anforderungsanalyse & -management Code Review DevOps Funktionale Tests Kanban Qualitätsmanagement Reverse Engineering Software Architektur Test Driven Development (TDD) Active MQ Apache Camel Docker Helm Chart JUnit5 Jenkins Kubernetes Container-Orchestrierung Maven MySQL OpenAPI RESTful API SonarQube Spring Boot
E-Commerce
6 Monate
2021-06 - 2021-11

Applikationsseitige Schemaänderungen in NoSQL-Dokumentendatenbank

Backend Developer, Software Architect Big Data Customer Relationship Management (CRM) Datenmigration ...
Backend Developer, Software Architect
In einem hochkonfigurierbaren CRM-System für Immobilien-Makler wurden die Daten nach pro Kunde frei wählbarem Schemata in einer NoSQL-Datenbank persistiert. Bei großen Maklerbüros kamen so mehrere Millionen Datensätze mit variierender Größe und Komplexität zusammen, welche Schemaänderungen oder Bulk-Operationen auf einer großen Selektion von Entitäten als nicht trivial gestalteten. Für diesen Prozess sollte eine skalierbare und effiziente Lösung gefunden werden.
  • Schemaänderungen oder Bulk-Operationen wurden bisher über Support Anfragen und individuellem Implementierungsaufwand auf Seiten der Entwicklungsteams umgesetzt. Mit Hilfe der damit gesammelten Erfahrungen konnten konkrete und einfache Regeln definiert werden, welche beliebig kombinierbar waren. Damit konnte die Kernlogik der Applikation erarbeitet werden.
  • Um die nötige Skalierbarkeit zu gewährleisten, wurde das System als Serverless Projekt umgesetzt. AWS Lambdas stellten den Eintrittspunkt dar, welche durch Events via AWS SQS weitere Lambdas und Step Functions triggerten. Für eine reibungslose Integration mit der bestehenden Microservice Architektur wurden weitere Services via Apache Kafka Messages über Änderungen benachrichtigt und zu ändernde Entitäten entsprechend schreibgeschützt und im Frontend markiert, um mögliche Race-Conditions zu vermeiden.
    • Konzeptionierung einer skalierbaren und performanten Architektur, dass auf Lastspitzen optimiert ist (sowohl mehrere Änderungsanfragen gleichzeitig als auch Tausende bis Millionen von Datensätzen pro Änderungsanfrage)
    • Erstellung eines Proof of Concept für die AWS Serverless Architektur mit AWS Lambdas, Step Functions und DynamoDB
    • Konfiguration und Deployment der AWS Infrastruktur mit AWS CDK und Jenkins
    • Testgetriebene Implementierung von TypeScript Lambda Functions zur Mutation von bestehenden MongoDB JSON-Dokumenten anhand jeweilig eingestellter Regeln
    • Enge Zusammenarbeit mit Frontend-Team, um eine übersichtliche UX für die Endkunden sicherzustellen, da Änderungsanfragen unter Umständen in eine Warteschlange eingereiht wurden oder einige Stunden Laufzeit hatten
Big Data Customer Relationship Management (CRM) Datenmigration Proof of Concept/ Machbarkeitsanalyse Software Engineering Cloud Services (SaaS; IaaS; PaaS; Faas) Algorithmenentwicklung Code Review Event-Driven Design Funktionale Tests Kanban Pair Programming Software Architektur AWS AWS Lambda AWS Step Functions Apache Kafka CDK Flussdiagramm GitHub Github Actions Jenkins Jest MongoDB RESTful API Testcontainers TypeScript
Software
1 Jahr 1 Monat
2020-06 - 2021-06

Migration von On-Premise Batch Applikation zu Cloud Serverless

Backend Developer, Software Architect Ablösung von Legacy-Systemen Big Data Cloud ...
Backend Developer, Software Architect
Für ein Preisvergleich Portal mit mehreren Millionen Artikeln von mehreren Hundert Online-Shops gab es einen Prozess, der die Artikeldaten heruntergeladen und Artikel unterschiedlicher Shops aber gleicher Produkte gruppiert hat. Um die Skalierbarkeit und Flexibilität zu erhöhen, war das Ziel den bestehenden Prozess als Cloud-native Serverless Applikation neuzuschreiben und in die weiterhin aktive Infrastruktur einzubinden.
  • Die bisherige Architektur, die es zu ersetzen galt, war ein über 10 Jahre Single-Threaded PHP-Skript in Kombination mit mehreren Java Applikationen, welche alle Online-Shop Daten sequenziell abgearbeitet hatte. Aufgrund der stark variierenden Anzahl von Artikeln pro Shop (100 Artikel bis zu mehreren Millionen) und individuell präferierten Update Intervallen (z.B. mehrfache Preisänderungen innerhalb eines Tages), sollte ein entsprechend flexibles und skalierbares System in der Google Cloud erstellt werden.
  • Neben dem Laden der Artikeldaten war die Gruppierung in Produkte und Produktgruppen ein essentieller Bestandteil. Da viele Shops unvollständige Daten lieferten, wurde ein Konzept entwickelt, um nach Best-Effort Artikel einem Produkt zuzuordnen (z.B. GTIN, Name oder Kategorie, sowie auch kuratierten Informationen). Des Weiteren wurden Third-Party Dienstleister angebunden, um Datenblätter und Testberichte von Produkten zu laden und auf dem Preisvergleich als Teil des Produkts und dessen Artikel anzuzeigen.
  • Um die Cloud Infrastruktur reibungslos in das bestehende System zu integrieren, wurde ein Event-getriebener Ansatz gewählt, wobei relevante Änderungen via Events an GCP PubSub gesendet wurden. Die Online-Shop Daten wurden in Form von normalisierten CSV-Dateien in einen GCP Storage Bucket geladen. (Dieser Prozess wurde an einen Third-Party Dienstleister ausgelagert, um die Fokus auf die Core-Domäne legen zu können.) Bei neuen Events oder Änderungen im Bucket wurden Java Cloud Functions und Java Cloud Run Instanzen getriggert, welche via PubSub als auch GCP Firebase miteinander kommunizierten. Die Integration in das bestehende Solr Cluster wurde mit einem On-Premise Java Spring Boot Service sichergestellt.
    • Konzeption der Serverless Architektur in der Google Cloud
    • Proof of Concept Erstellung und Vergleich verschiedener Alternativen wie GCP Functions, Cloud Run und Compute Engine Instanzen für die benötigten Use Cases
    • Senden von Events aus dem bestehenden PHP-Backend zur Verarbeitung in der Cloud Umgebung
    • Erstellung eines Konzepts zur Gruppierung von Artikeln zu Produkten und Produktgruppen anhand verschiedener Kriterien wie z.B. GTIN, Hersteller und MPN (Teilenummer des Herstellers), Name oder Kategorie (sofern von den Online-Shops übermittelt) sowie kuratierten Informationen
    • Testgetriebene Entwicklung von Java Cloud Functions und Java Cloud Run Instanzen mit White- und Blackbox-Tests (Unit-, Integration- und System-Tests)
    • Automatisierung des Deployments aller Komponenten und Konfiguration in der Google Cloud mit Terraform und BitBucket Pipelines
    • Anforderungsanalyse, Koordination und technischer Ansprechpartner für externe Dienstleister, welche weitere Teile des Systems in die GCP migrierten
    • Testgetriebene Implementierung eines Java Spring Boot Services als Verbindung zwischen Cloud und On-Premise, welcher die neuen Produktdaten aus der Cloud Architektur via Events erhält und aufbereitet in ein Solr-Cluster hochlädt
Ablösung von Legacy-Systemen Big Data Cloud Cloud Services (SaaS IaaS PaaS Faas) Datenaggregation Development Lead / Management Digitale Transformation von Applikationen & Architekturen E-Commerce Onlineshop / Webshop Produkt- und Preisstammdaten Proof of Concept / Machbarkeitsanalyse Softwareentwicklung Cloud Native Code Review DevOps Domain Driven Design (DDD) Event-Driven Design Minimum Viable Product (MVP) Produktentwicklung Scrum Scrum of Scrums System Test Test Driven Development (TDD) Docker Event Driven Architecture Flussdiagramm Google Cloud Platform GCP Google Cloud Platform GCP Functions Gradle HashiCorp Terraform JAVA 11 JUnit5 Java Profiling SonarLint Spring Boot Testcontainers
E-Commerce
6 Monate
2020-01 - 2020-06

ETL-Pipeline für Produktdaten eines großen Online-Marktplatzes

Backend Developer, ETL Developer Datenaustausch E-Commerce Maintenance ...
Backend Developer, ETL Developer
Auf einem Preisvergleich-Portal sollen Produkt- und Artikeldaten eines großen Online-Marktplatzes angezeigt werden, um die Angebotsauswahl zu vergrößern. Aufgrund der Menge von Produkten des Online-Marktplatzes lag nicht wie üblich bei anderen Online-Shops eine CSV-Datei vor sondern eine separate API. Diese sollte genutzt werden, um Produkte für relevante Kategorien zu finden und in einer CSV-Datei für die weitere Verarbeitung bereit zu stellen.
  • Basierend auf einer statischen Liste von Hunderten Suchbegriffen wurde die API des Online-Marktplatzes nach Produkten durchsucht. Jedes Produkt musste separat wieder zur API gesendet werden, um weitere Angebotsdaten wie den Preis zu ermitteln. Anschließend wurden die Produkt- und Angebotsdaten zusammengefügt und weitere Datennormalisierungsschritte durchgeführt. Der Prozess endete mit dem Schreiben einer bis zu eine Millionen Zeilen lange CSV-Datei und dem Hochladen in ein GCP Storage Bucket.
  • Da bereits ein Apache Airflow Cluster in der GCP aufgrund anderer Projekte in Betrieb war, dieses noch Kapazitäten hatte und Laufzeit-Kosten gering gehalten werden sollten, wurde dieses Projekt ebenfalls als ETL-Pipeline in Apache Airflow mit Python implementiert. Ein Client für die API des Online-Marktplatzes konnte mit dem OpenAPI-Code Generator anhand verfügbarer OpenAPI-Spezifikationen erstellt werden.
    • Konzeption der ETL-Pipeline in Apache Airflow
    • Testgetriebene Entwicklung mit Pytest Unit-Tests
    • Automatisierung des Deployments mit Terraform und BitBucket Pipelines
    • Wartung und Monitoring des Systems
Datenaustausch E-Commerce Maintenance Produkt- und Preisstammdaten Softwareentwicklung Automatisierung Code Review DevOps Manuelle Tests Scrum Unit-Testing Apache Airflow Docker Firebase Google Cloud Platform GCP HashiCorp Terraform OpenApi Codegen Pip Python Testcontainers pytest
E-Commerce
7 Monate
2019-05 - 2019-11

Filter für Suchergebnisse eines Preisvergleich-Portals implementieren

Full Stack Developer Datenaggregation E-Commerce Produkt- und Preisstammdaten ...
Full Stack Developer
Um Nutzern die Möglichkeit zu bieten bei den beliebtesten Suchbegriffen (ca. 500 kuratierte und für Suchmaschinen optimierte Landing Pages: Produkte und Produktgruppen) nach wichtigen Produktdaten und -details zu filtern, wurden Produktattribute von einem Thrid-Party Dienstleister kuratiert und aufbereitet. Aus dieser Auswahl wurden Filter erstellt und durch A/B Tests optimiert.
  • Für die verschiedenen Einstellungsoptionen für jeden einzelnen Filter wurde eine normalisierte Tabellenstruktur entwickelt, die als MVP durch manuelle Änderungen gefüllt wurde. Ein separater Prozess persistierte die Produktdaten bereits in einem Couchbase Bucket. Die Java Applikation, welche für die Indexierung der Produkt- und Angebotsinformationen in eine Apache Solr Instanz zuständig war, hatte die benötigten Normalisierungen für die Produktattribute durchgeführt und so effiziente Suchabfragen ermöglicht.
    • Preisvergleich Portal mit ca. 500 kuratierten und für Suchmaschinen optimierten Landing Pages (Produkte und Produktgruppen)
    • Produktdatenblätter von Third-Party Dienstleister
    • Produktdaten normalisieren und in Apache Solr indexieren
    • Statisches Mapping von Suchbegriff zu kuratierten Filtern
    • Java Applikation lädt Produktdaten aus Couchbase
    • PHP Backend ruft Solr auf, Kommunikation mit PHP Frontend über SOAP
    • Design Umsetzung mit LESS und JS/jQuery

    Tätigkeit
    • Konzeption der normalisierten Tabellenstruktur für die verschiedenen Einstellungsoptionen für jeden einzelnen Filter (z.B. Normalisierungsregeln, Lokalisation, Gruppierung von Werten inner-halb einer numerischen Range)
    • Testgetriebene Entwicklung
    Datenaggregation E-Commerce Produkt- und Preisstammdaten Produktdatenmanagement SOAP Softwareentwicklung Suchmaschinenoptimierung (SEO) A/B Testing Code Review Manuelle Tests Minimum Viable Product (MVP) Scrum Scrum of Scrums Test Driven Development (TDD) UI Design UML Use Cases User Testing AJAX Adobe InDesign Apache Solr CSS Couchbase ECMA Script HTML5 JAVA JQuery MySQL PHP PHPUnit Zend
    E-Commerce
    7 Monate
    2018-03 - 2018-09

    Bachelorarbeit

    Developer Datenvisualisierung Digitalisierung KI ...
    Developer
    Bei der Korrektur von Klausuren im Universitätsbereich wurden die Kontrolleure damit beauftragt, auf einem Papier die erreichten (Teil-)Punktzahlen aller Studenten zu notieren. Die anschließende Digitalisierung sollte inklusive Plausibilitätsüberprüfungen bezüglich Überschreitungen der maximal erreichbaren Punkte als auch dem Vergleich der Summe aller Teilaufgaben mit der notierten Gesamtpunktzahl automatisiert werden.
    • Es wurde eine Python Applikation erstellt, welche eingescannte PDF-Dateien und die Gesamtpunktzahlen aller (Teil-)Aufgaben als Eingaben nahm und als Ergebnis eine CSV-Datei mit der Matrikelnummer und den (Teil-)Punktzahlen und eine Liste von nicht erkennbaren PDF-Dateien ausgab.
    • Anhand eines speziell präparierten Formulars nutzte die Applikation Python OpenCV für die Lokalisation der relevanten Elemente. Anschließend wurde mit OpenCV eine Normalisierung der identifizierten Points of Interest vorgenommen, um Störfaktoren zu minimieren.
    • Die normalisierten Bilder einzelner Ziffern wurde dann in ein Convolutional Neural Network (CNN) gegeben. Abhängig von dem zu erwarteten Ziffernbereich wurde ein speziell dafür trainiertes CNN verwendet, z.B. ist aufgrund der maximal erreichbaren Punktzahl einer Aufgabe nur eine Ziffer zwischen 0 und 5 möglich, wurde eine CNN verwendet, was nur Ziffern in diesem Bereich erkennt.
    • Das CNN wurde mit den MNIST-Daten als auch eigenen Testdaten trainiert, welche durch die handgeschriebenen Ziffern der Kontrolleure erstellt wurden.
    • Der Prozess wurde in der Bachelorarbeit via LaTeX festgehalten, alle Auswertungen und visuelle Representationen der Ergebnisse wurden mit R erzeugt.
      • Proof of Concept Erstellung für Objekterkennung mit Python OpenCV
      • Aufbereitung der selbst erstellten Testdaten (Klassifizierung und Normalisierung)
      • Training und Optimierung der verschiedenen CNNs mit Hilfe von Python Tensorflow
      • Auswertung der Performance der CNNs anhand verschiedener Faktoren und Visualisierung mittels R
      • Diskussion, Erklärung und Dokumentation der verschiedenen Typen von Neuronalen Netzen in der Bachelorarbeit mit LaTeX
    Datenvisualisierung Digitalisierung KI Softwareentwicklung Algorithmenentwicklung ML Model Training ML Pipeline Data Preparation Manuelle Tests Produktentwicklung Convolutional Neural Networks (CNN) LaTeX Machine Learning OCR Pip Python Python OpenCV R Tensorflow
    Software
    9 Monate
    2017-02 - 2017-10

    Produktbilder Download und Normalisierung für Preisvergleich-Portal

    Backend Developer, Software Architect E-Commerce Monitoring Onlineshop / Webshop ...
    Backend Developer, Software Architect
    Auf einem Preisvergleich-Portal sind Produktbilder essentiell für die Endkunden, daher war es nötig die verfügbaren Bilder von Online-Shops und Third-Party Dienstleister via SSL und mit bestmöglicher Verfügbarkeit zu hosten. Dies sollte durch ein neues System sichergestellt werden, welches alle nötigen Bilder herunterlädt, für alle Use Cases optimiert und mit geringer Latenz verfügbar macht.
    • Es wurden verschiedene Third-Party Tools und Services verglichen bezüglich Kosten und Leistung, wonach eine eigene proprietäre Lösung mit Python ImageMagick das Optimum darstellte. Die ca. 50 Millionen Produktbild-URLs wurden aus einer MySQL Datenbank und mehreren Couchbase Buckets geladen. Anschließend wurden diese parallelisiert heruntergeladen, für alle benötigten Viewports der Endkunden zu den entsprechenden Größen skaliert und nach abschließender Dateigrößenoptimierung in JPG- und WebP-Formate konvertiert. Hierfür wurden 4 Java Akka Services erstellt, mit entsprechendem Request Throttling abhängig vom Host der Bild-URLs. Besonderes Augenmerk wurde auf die Suchmaschinenoptimierung (SEO) gelegt, weshalb die finale Bild-URL einen normalisierten Produktnamen enthielt.
    • Für eine effiziente Auslieferung der Bilder wurde zwei On-Premise Server mit je einer Nginx Instanz und einem NFS bereitgestellt. Die Java Applikationen wurden auf einem separaten On-Premise Host betrieben, um die Auslieferungserver nicht zu beeinträchtigen.
      • Evaluation von verschiedenen Third-Party Tools und Services für Bilderoptimierung und -hosting
      • Konfiguration und Wartung der On-Premise CentOS-Hosts
      • Konzeption einer skalierbaren und effizienten Architektur mit Integration in die bestehende Umgebung
      • Testgetriebene Implementierung von 4 Java Akka Services
      • Wartung und Monitoring der implementierten Systeme
    E-Commerce Monitoring Onlineshop / Webshop Produktdatenmanagement Softwareentwicklung Suchmaschinenoptimierung (SEO) Automatisierung Code Review DevOps Performanceoptimierung Scrum Software Architektur Test Driven Development (TDD) AKKA Ansible Apache Maven Couchbase ImageMagick JAVA JUnit LiquiBase MySQL Nginx HTTP Server Python Red Hat Enterprise Linux (RHEL)
    E-Commerce

    Position

    • 3rd Level Support
    • Backend Developer
    • Consultant
    • DevOps Engineer
    • Developer
    • ETL Developer
    • Entwickler
    • Fachliche Verantwortung
    • Frontend Developer
    • Full Stack Developer
    • Product Owner
    • Requirements Engineer
    • Scrum Master
    • Software Architect
    • Software Developer
    • Software Engineer
    • Systems Architect
    • Systemtester
    • Testautomatisierer
    • Tester

    Kompetenzen

    Produkte / Standards / Erfahrungen / Methoden

    Fachlichkeit
    • Allgemein
      • AI, Anwendungsmodernisierung, Artificial Intelligence, Backend Services, Backoffice, Big Data, Cloud, Datenaggregation, Datenaustausch, Datenmigration, Datenvisualisierung, Digitalisierung, E-Commerce, Frontendentwicklung, IT Infrastruktur, KI, Maintenance, Monitoring, Produktentwicklung, SOAP, Softwareentwicklung, Softwaremigration, Suchmaschinenoptimierung (SEO), Webauftritt
    • Financial Services
      • SWIFT
      • Zahlungsverkehr
    • IT-Architektur
      • API- & Schnittstellen-Design, Ablösung von Legacy-Systemen, Architektur großer Software-Systeme, Cloud Services (SaaS, IaaS, PaaS, Faas), Development Lead / Management, Diagnostik und Pflege von SW/IT-Architekturen, Digitale Transformation von Applikationen & Architekturen, IT-Infrastruktur und Systemarchitektur, Proof of Concept / Machbarkeitsanalyse, Software Engineering
    • Management
      • Anforderungsmanagement, Change Request Management, Content Management Systeme (CMS), Defect Management, Stammdatenmanagement, Änderungsmanagementsystem
    • Normen und Gesetze
      • DIN_EN_ISO_9001:2000
      • DSGVO
      • General Data Protection Regulation (GDPR)
      • ISO 9001
    • Soziales
      • Vereinsverwaltung
    • Vertrieb & Marketing
      • Customer Relationship Management (CRM)
      • Onlineshop/ Webshop
      • Produkt- und Preisstammdaten
      • Produktdatenmanagement

    Methoden
    • Agile
      • Agile Develpoment
      • Agile Projectmanagement
      • DevOps
      • DevSecOps
      • Extreme Programming (XP)
      • Holocracy
      • Holokratie
      • Kanban
      • Minimum Viable Product (MVP)
      • Objectives & Key Results (OKR)
      • Scrum
    • Beratung/ Consulting
      • GDPR
      • Produktentwicklung
    • Dokumentation
      • Arc42
      • Business Process Model and Notation (BPMN)
      • Entity Relationship Diagramme
      • Reverse Engineering
      • UML
    • IT-Architektur Vorgehensweisen
      • Clean Architecture
      • Enterprise Architecture
      • Event-Driven Design
      • Hexagonale Architektur
      • Software Architektur
    • Projektmanagement
      • Agiles Projektmanagement
      • Continuous Delivery
      • Infrastruktur
      • Projektmanagement
      • Qualitätsmanagement
      • Releasemanagement
      • Trunkbased Development
      • Wasserfall
      • Wasserfall-Modell
    • Qualitätssicherung
      • A/B Testing, Behavior Driven Development (BDD), Clean Code, Code Coverage, Code Review, Continuous Integration, Funktionale Tests, Integrationstest, Komponenten Tests, Manuelle Tests, Monitoring, Pair Programming, Performanceoptimierung, Quality Gateways, Qualitätssicherung, Statische Code-Analyse, System Test, Test Design, Test Driven Development (TDD), Testautomatisierung, UI / Oberflächen Tests, Unit-Testing, User Testing
    • Requirements
      • Anforderungsanalyse & -management
      • DSGVO
      • Datenmodellierung
      • Domain Driven Design (DDD)
      • Event Storming
      • Use Cases
      • User Stories
      • User Story Mapping
    • Scaled Agile
      • Scrum of Scrums
    • Sonstige
      • Algorithmenentwicklung
      • Automatisierung
      • Cloud Native
      • Fehleranalyse
      • Kotlin
      • ML Model Training
      • ML Pipeline Data Preparation
    • UI/ UX
      • 2D Design
      • Befragungs- und Beobachtungstechniken
      • Frontend Development
      • Personas
      • Personas/ Nutzungsszenarien
      • Responsive UI
      • UI Design
      • User Research

    Technologien & Tools
    • AI/ML
      • Convolutional Neural Networks (CNN)
      • Deep Learning
      • Keras
      • Machine Learning
      • Pandas
      • Tensorflow
    • API Management
      • Apollo GraphQL
      • CUDA
      • OpenAPI
    • Application Server
      • Apache httpd
      • Apache-Webserver
      • Jetty
      • Nginx HTTP Server
    • Applikationen (Office, Adobe, ...)
      • Abobe Creative Cloud
      • Adobe Acrobat
      • Adobe InDesign
      • Audacity
      • Draw.io
      • Figma
      • GIMP
      • Google Chrome
      • Google Doc
      • Google Kalender
      • Libre Office
      • MatLab
      • Microsoft Excel
      • Microsoft Office
      • Microsoft Outlook
      • Microsoft Powerpoint
      • Microsoft Word
      • TeamViewer
    • BPMN und Geschäftsprozesse
      • Camunda
    • C/C++ Frameworks und Technologien
      • C/C++
      • GNU Compiler Collection
    • CRM
      • MailChimp
      • Salesforce
    • Cloud
      • AWS, AWS API Gateway, AWS CLI, AWS CloudFormation, AWS Cloudfront, AWS Cloudwatch, AWS EC2, AWS ECR, AWS EKS, AWS Fargate, AWS IAM, AWS Lambda, AWS S3, AWS SNS, AWS SQS, AWS Step Functions, Azure, CDK, Firebase Cloud Messaging, GCP IAM, GCP VPC, Google, Google App Engine: Cloud Endpoints, Google Big Query, Google Big Query DataStudio, Google Cloud Build, Google Cloud Platform GCP, Google Cloud Platform GCP Console, Google Cloud Platform GCP Functions, Google Cloud Platform GCP Platform SDK, Google Compute Engine, Google Data Studio, Google Firebase, Google Firebase Cloud Messaging, Google GSuite, Google Kubernetes Engine GKE, Heroku, SaaS (Software as a Service), Serverless Computing, Software as a Service (SaaS)
    • Container, Containertools, Containerplattformen
      • Buildah
      • Docker
      • Docker Compose
      • Docker Registry
      • HELM
      • Helm Chart
      • Kubernetes
      • Kubernetes Container-Orchestrierung
      • Kubernetes K9s
      • Kubernetes k8s
      • Kubernetes k8s Kubectl
      • Minikube
      • Podman
      • Testcontainers
    • Content Management
      • CMS
      • Google Track Management
      • WordPress
    • Datenmanagement
      • Data Warehousing
      • MicroStrategy
    • Datentechnologien & verteilte Verarbeitung
      • AKKA
      • Apache Kafka
      • Protocol Buffers Protobuf
    • DevOps
      • Ansible
      • Artifactory
      • GitLab
      • GitOps
      • HashiCorp Consul
      • HashiCorp Terraform
      • JFrog Artifactory
      • Jenkins
      • PUTTY
      • Puppet
      • Puppeteer
      • RedHat Package Manager (RPM)
      • Shell Scripting
      • Terraform
      • XAMPP
      • Jira
    • Dokumentation
      • ARC42
      • Asciidoc
      • Flussdiagramm
      • Lucidchart
      • Swagger
      • UMLet
      • Unified Modeling Language (UML)
    • Entwicklungstooling
      • Android SDK
      • Apache Ant
      • Apache Maven
      • Datadog
      • Google Chrome DevTools
      • Gradle
      • ImageMagick
      • MarkDown
      • Maven
      • OpenApi Codegen
      • Postman
      • Scrum
      • Swagger Codegen
    • Entwicklungsumgebungen
      • Eclipse
      • IntelliJ
      • IntelliJ IDEA
      • Jetbrains PHPStorm
      • Microsoft Visual Studio
      • Microsoft Visual Studio Code
      • NetBeans
    • Fachapplikation
      • FFmpeg
    • Geoinformation
      • Google Maps API
      • Google Maps Geolocation API
      • Google Places API
    • Integrationsplattformen und Technologien (Messaging; API)
      • AJAX
      • API Gateway
      • Active MQ
      • Apache HTTP Server
      • Google Protocol Buffers
      • GraphQL
      • HATEOAS
      • JSON RPC
      • RESTful API
      • RESTful JSON
      • SOAP
      • WebSockets
    • IoT
      • Arduino C
      • Arduino IDE
      • Raspberry Pi
    • Java Frameworks & Standards
      • Apache Camel, AssertJ, Drools, Google Guava, GraalVM, Gson, Hibernate, HikariCP, JHipster, JMS, JaCoCo, Jackson, JakartaEE, Java, Java JPA, Java Profiling, Java SLF4J, Log4j, Logback, Logstash, Lombok, MapStruct, Micronaut, OkHTTP, OpenCV, Quarkus, Resilience4j, Spring, Spring Boot, Spring Data, Spring Integration, Spring MVC, Spring Web Services, Thymeleaf, Vuex
    • JavaScript Frameworks & Technologien
      • Axios
      • Electron
      • Karma
      • MEAN Stack
      • Mocha
      • NextJS
      • Node.js
      • Nodemailer
      • React Hooks
    • JavaScript Frontend Frameworks
      • Angular, Angular CLI, Angular TypeScript, AngularJS, D3.js, Express.js, Grunt.js, JQuery, JS, Moment.js, Node NPM Node Package Manager, Nuxt.js, React, React tsx, Svelte, Vue.JS, Web Components, Webpack, lit-html
    • Kollaborationswerkzeuge
      • Atlassian Confluence, Atlassian JIRA, Discord, Dropbox, Google Drive, Google Hangout, Jitsi, MS Teams, Microsoft Skype, Microsoft Teams, Miro, Slack, Trello, Zoom Conferencing Tool
    • Logging und Monitoring
      • Application Monitoring, ELK, Fluentd, Grafana, Graylog, Icinga, Jaeger Tracing, Kibana, Log Processing, Logging, Open Telemetry, Prometheus, Traefik
    • Microsoft Frameworks & Technologien
      • .NET
      • .NET Core
      • ASP.NET
      • ASP.NET MVC
      • ASP.NET WebAPI
      • NHibernate
    • Mobile
      • Android
      • Firebase SDK
      • JQuery mobile
      • PhoneGap
      • Progressive Web App (PWA)
      • Xamarin
    • Muster, Programmiermodelle & Standards
      • 12 Factor App, CQRS, Enterprise Integration Patterns, Event Driven Architecture, Event-Stream-Architecture, Kotlin Coroutines, MVC, MVP, MapReduce, Microfrontends, Microprofile, Microservice Architektur, OCR, Self Contained Systems, mvvm
    • PHP Frameworks
      • Laravel
      • PHP REST API
      • PHP Smarty
      • PHPFPM
      • Symfony
      • Twig
      • Zend
    • Python Frameworks
      • Anaconda, Apache Airflow, Beautiful Soup, Coverage.py, Django, Matplotlib, NumPy, Pip, Python Flask, Python Numpy, Python OpenCV, Python Unit testing framework, SciPy, Tkinter, rST (reStructuredText Markup)
    • Qualitätssicherungs und Performance Tooling
      • Apache JMeter
      • Checkstyle
      • ESLint
      • FindBugs
      • Google Lighthouse
      • JMeter
      • SoapUI
      • SonarQube
      • Testautomatisierungs Tools
      • WebPageTest
    • Security Frameworks, Tooling & Standards
      • Basic Authentication
      • JSON Web Token JWT
      • Nmap
      • OAuth2
      • OWASP
      • Open SSH
      • OpenSSL
      • Two-factor authentication (2FA)
      • Usercentrics
    • Sonstige
      • Blockchain
      • Domain Specific Language
      • Ethereum
      • Google Analytics
      • Google Tag Manager
      • Notepad++
      • SOA
      • SVG
      • TCP/IP
    • Sourcecodeverwaltung
      • Atlassian BitBucket
      • CVS
      • GIT
      • GIT GitFlow
      • Git GitOps
      • GitHub
      • GitLab
      • GitLab CI
      • Gitea
      • Github Actions
    • Testframeworks
      • Appium, BrowserStack, Cucumber, Cypress, DB Unit, DbUnit, Gherkin, Hamcrest, JUnit, JUnit4, JUnit5, Jest, Mockito, PHPUnit, Pitest, Playwright, PowerMock, Selenium, Selenium Core, Selenium Java, Selenium WebDriver, SonarLint, Testcontainers, WireMock, pytest
    • Virtualisierung
      • Excalidraw
      • Libvirt
      • Oracle VM VirtualBox
      • Parallels
      • VMWare
      • Vagrant
    • Web Frontend
      • ?Aria Templates
      • CSS
      • CSS Bootstrap
      • Google Material Design
      • HTML/CSS
      • HTML5
      • Play Framework
      • React
      • SASS
      • SCSS
      • Storybook
      • Tailwind CSS
      • XHTML

    Betriebssysteme

    Apple MacOS
    Apple iOS
    Bash
    Curl
    DOS
    FreeBSD
    Linux
    Linux CentOS
    Linux Debian
    Linux Sound Alsa
    Linux Sound Pulse Audio
    Linux Ubuntu
    Microsoft Windows
    Red Hat Enterprise Linux (RHEL)
    Unix
    Windows Subsystem for Linux
    awk, sed, vi

    Programmiersprachen

    C
    C#
    C++
    CoffeeScript
    Dart
    ECMA Script
    Groovy
    JAVA
    11, 17, 18, 8
    Java Springboot
    JavaScript
    Kotlin
    LUA
    Microsoft Visual Basic
    OCaml
    PHP
    Perl
    Python
    R
    Rust
    Scala
    TypeScript
    go
    golang
    CSV
    HTML
    JSON
    JSON-LD
    LaTeX
    Mustache
    SQL
    XLST
    XML
    XPATH
    XSD
    XSL
    YAML

    Datenbanken

    Couchbase
    Firebase
    Flyway
    LINQ
    Maria DB
    MongoDB
    MySQL
    NoSQL
    Object Query Language (OQL)
    PostgreSQL
    Redis
    SQLite
    DBeaver
    LiquiBase
    MySQL Workbench
    PL/SQL
    PgAdmin
    Apache CouchDB
    Apache Lucene
    Apache Solr
    DynamoDB
    Elasticsearch
    Neo4J

    Vertrauen Sie auf GULP

    Im Bereich Freelancing
    Im Bereich Arbeitnehmerüberlassung / Personalvermittlung

    Fragen?

    Rufen Sie uns an +49 89 500316-300 oder schreiben Sie uns:

    Das GULP Freelancer-Portal

    Direktester geht's nicht! Ganz einfach Freelancer finden und direkt Kontakt aufnehmen.