Für einen großen deutschen Energiekonzern sollte eine einheitliche Schnittstelle für alle Energiedaten Use Cases geschaffen werden (70 Projektmitglieder). Um diese Aufgabe zu unterstützen, baute ich zusammen mit einem Team ein eigenes Azure Kubernetes Cluster auf, damit andere Teams im Self Service eigene Endpunkte dieser einheitlichen Schnittstelle zur Verfügung und betreiben stellen konnten.
Ich übernahm verschiedene Rollen: Dev/Ops Engineer, Ops-On-Duty, Product Architect in einem größer Scrum Team und beriet auch die Projektleitung zu architekturellen Themen.
Für das Cluster wurde ein hoher Automatisierungsgrad durch die Kombination aus Kubernetes, FluxCD und Kubernetes Operatoren erreicht. Niedrige Reparaturzeiten im Disaster Recovery Fall und hohe Verfügbarkeiten waren das Ergebnis. Alle Anstrengungen waren darauf ausgerichtet, für die nutzenden Teams einen Self-Service bereitzustellen. Mittels Renovate wurden alle Komponenten innerhalb des Clusters immer auf einem aktuellen Stand gehalten.
Um KPIs für das Projekt, seinen Fortschritt aber auch für Energiedaten selbst zu erstellen, baute ich einen Monitoring Stack mit Prometheus und Grafana auf, beriet die Teams zu diesem Thema und erstellte selbst Dashboards für verschiedene Stakeholder.
Um einen Überblick darüber zu behalten, welche Dienste innerhalb des Projektes miteinander verknüpft sind, arbeitete ich an einem eigenen Projektportal auf Basis von Backstage mit. Dazu wurde Backstage mit eigenen Plugins erweitert.
In einem Team von drei Entwicklern übernahm ich die Rolle der Projektleitung und die des Senior Entwicklers. Ziel des Projekts war die Schaffung eines Systems um klinische Studien von Ihrer Durchführung auf ihre Wirtschaftlichkeit hin zu bewerten. Auf der Basis von Java wurde eine Applikation geschaffen, welche die bisherige, Excel-basierte Lösung ersetzen sollte. Zum Einsatz kam Micronaut als Java-Backend-Framework um die Microservice-basierte Architektur aufzubauen. Die Absicherung der Komponenten wurde durch JWT und Keycloak vorgenommen. Neben dem Einsatz von PostgreSQL als Datenhaltung mussten Fremdquellen importiert und konsolidiert werden.
Ein Hauptaugenmerk lag auf der Umsetzung nutzerfreundlicher Oberflächen mit Hilfe von AngularJS, welches durch das Material Design erweitert wurde. Die Stakeholder wurden in den agilen Softwareentwicklungsprozess mit einbezogen und durch regelmäßige Rollouts wurde das Feedback zeitnah eingesammelt. Diese Rollouts wurden mit Hilfe von Gitlab sichergestellt, der Qualität konnte jederzeit über Cypress End-To-End Tests vertraut werden. In der Infrastruktur kam docker, docker-compose und ansible zum Einsatz.
Die Suche nach Patienten, welche bestimme Filterkriterien erfüllen und deshalb für eine Behandlung in Frage komme wurde von mir in der Rolle als Seniorentwickler zusammen mit einem Juniorentwickler umgesetzt. Auf der Basis von Python entwickelten wir die Anbindung an verschiedene Patientendatenmanagementsysteme mit herstellerspezifischen und standardisierten (z.B. HL7v2) Formaten. Um das System zu konfigurieren wurde ein Vue.js Web-Frontend geschaffen, welches die HTTP-Endpunkte auf der Basis von Flask ansprach. Benachrichtigungen über erfolgreich ermittelten Patienten wurden über die Mail-Infrastruktur abgewickelt.
Wir aktualisierten mit Hilfe von Deployment-Pipelines in Gitlab unsere Software regelmäßig unter Sicherstellung der Qualität mit Cypress End-to-End Test. Per Ansible lieferten wir die dockerisierte Software auf die Umgebungen aus. Darüber hinaus wurde für Endkunden eine komplette VM geschaffen, um diese im Umgang mit den docker Technologien zu entlasten und ein fertiges Image zu liefern.
Um die vielen Softwarekomponten (>50) immer aktuell zu halten und ein reibungsloses Deployment zu ermöglichen sorgte ich für die Umsetzung von Build-Pipelines mit Hilfe von Jenkins. Für den Aufbau einer einheitlichen Buildumgebung wurde eine eigenes Gradle-Plugin geschaffen, um auch anderen Entwicklern die Möglichkeit zur Umsetzung von Anforderungen auf der Plattform zu schaffen. Auch in Java erfolgte eine lokale Bilanzierung aller Energieströme der angeschlossenen Geräte um eine Basis für die Regelung eben dieser Geräte zu schaffen.
Um die Flotte von Geräten zu beaufsichtigen entwickelte ich mit Hilfe von Python ein Programm zur Aggregation der Metriken und zur schnellen Erkennung von Problemfällen im Feld. Diese wurden mit einem eigenen System gesammelt und mittels Grafana auf für Kunden einsehbaren Dashboards visualisiert. Die Sicherstellung erfolgreicher Over-the-Air Updates erfolgte ebenfalls mit Hilfe dieses Tools.
Im Rahmen dieser Aufgabe arbeitete ich mit vielen verschiedenen Stakeholdern und teamübergreifend mit vielen ganz unterschiedlichen Entwicklern zusammen an der Plattform. Ich war für die fachliche Anleitung meiner Kollegen der erste Ansprechpartner.
Für einen großen deutschen Energiekonzern sollte eine einheitliche Schnittstelle für alle Energiedaten Use Cases geschaffen werden (70 Projektmitglieder). Um diese Aufgabe zu unterstützen, baute ich zusammen mit einem Team ein eigenes Azure Kubernetes Cluster auf, damit andere Teams im Self Service eigene Endpunkte dieser einheitlichen Schnittstelle zur Verfügung und betreiben stellen konnten.
Ich übernahm verschiedene Rollen: Dev/Ops Engineer, Ops-On-Duty, Product Architect in einem größer Scrum Team und beriet auch die Projektleitung zu architekturellen Themen.
Für das Cluster wurde ein hoher Automatisierungsgrad durch die Kombination aus Kubernetes, FluxCD und Kubernetes Operatoren erreicht. Niedrige Reparaturzeiten im Disaster Recovery Fall und hohe Verfügbarkeiten waren das Ergebnis. Alle Anstrengungen waren darauf ausgerichtet, für die nutzenden Teams einen Self-Service bereitzustellen. Mittels Renovate wurden alle Komponenten innerhalb des Clusters immer auf einem aktuellen Stand gehalten.
Um KPIs für das Projekt, seinen Fortschritt aber auch für Energiedaten selbst zu erstellen, baute ich einen Monitoring Stack mit Prometheus und Grafana auf, beriet die Teams zu diesem Thema und erstellte selbst Dashboards für verschiedene Stakeholder.
Um einen Überblick darüber zu behalten, welche Dienste innerhalb des Projektes miteinander verknüpft sind, arbeitete ich an einem eigenen Projektportal auf Basis von Backstage mit. Dazu wurde Backstage mit eigenen Plugins erweitert.
In einem Team von drei Entwicklern übernahm ich die Rolle der Projektleitung und die des Senior Entwicklers. Ziel des Projekts war die Schaffung eines Systems um klinische Studien von Ihrer Durchführung auf ihre Wirtschaftlichkeit hin zu bewerten. Auf der Basis von Java wurde eine Applikation geschaffen, welche die bisherige, Excel-basierte Lösung ersetzen sollte. Zum Einsatz kam Micronaut als Java-Backend-Framework um die Microservice-basierte Architektur aufzubauen. Die Absicherung der Komponenten wurde durch JWT und Keycloak vorgenommen. Neben dem Einsatz von PostgreSQL als Datenhaltung mussten Fremdquellen importiert und konsolidiert werden.
Ein Hauptaugenmerk lag auf der Umsetzung nutzerfreundlicher Oberflächen mit Hilfe von AngularJS, welches durch das Material Design erweitert wurde. Die Stakeholder wurden in den agilen Softwareentwicklungsprozess mit einbezogen und durch regelmäßige Rollouts wurde das Feedback zeitnah eingesammelt. Diese Rollouts wurden mit Hilfe von Gitlab sichergestellt, der Qualität konnte jederzeit über Cypress End-To-End Tests vertraut werden. In der Infrastruktur kam docker, docker-compose und ansible zum Einsatz.
Die Suche nach Patienten, welche bestimme Filterkriterien erfüllen und deshalb für eine Behandlung in Frage komme wurde von mir in der Rolle als Seniorentwickler zusammen mit einem Juniorentwickler umgesetzt. Auf der Basis von Python entwickelten wir die Anbindung an verschiedene Patientendatenmanagementsysteme mit herstellerspezifischen und standardisierten (z.B. HL7v2) Formaten. Um das System zu konfigurieren wurde ein Vue.js Web-Frontend geschaffen, welches die HTTP-Endpunkte auf der Basis von Flask ansprach. Benachrichtigungen über erfolgreich ermittelten Patienten wurden über die Mail-Infrastruktur abgewickelt.
Wir aktualisierten mit Hilfe von Deployment-Pipelines in Gitlab unsere Software regelmäßig unter Sicherstellung der Qualität mit Cypress End-to-End Test. Per Ansible lieferten wir die dockerisierte Software auf die Umgebungen aus. Darüber hinaus wurde für Endkunden eine komplette VM geschaffen, um diese im Umgang mit den docker Technologien zu entlasten und ein fertiges Image zu liefern.
Um die vielen Softwarekomponten (>50) immer aktuell zu halten und ein reibungsloses Deployment zu ermöglichen sorgte ich für die Umsetzung von Build-Pipelines mit Hilfe von Jenkins. Für den Aufbau einer einheitlichen Buildumgebung wurde eine eigenes Gradle-Plugin geschaffen, um auch anderen Entwicklern die Möglichkeit zur Umsetzung von Anforderungen auf der Plattform zu schaffen. Auch in Java erfolgte eine lokale Bilanzierung aller Energieströme der angeschlossenen Geräte um eine Basis für die Regelung eben dieser Geräte zu schaffen.
Um die Flotte von Geräten zu beaufsichtigen entwickelte ich mit Hilfe von Python ein Programm zur Aggregation der Metriken und zur schnellen Erkennung von Problemfällen im Feld. Diese wurden mit einem eigenen System gesammelt und mittels Grafana auf für Kunden einsehbaren Dashboards visualisiert. Die Sicherstellung erfolgreicher Over-the-Air Updates erfolgte ebenfalls mit Hilfe dieses Tools.
Im Rahmen dieser Aufgabe arbeitete ich mit vielen verschiedenen Stakeholdern und teamübergreifend mit vielen ganz unterschiedlichen Entwicklern zusammen an der Plattform. Ich war für die fachliche Anleitung meiner Kollegen der erste Ansprechpartner.