25.08.2026 aktualisiert
Premiumkunde
100 % verfügbarDatabricks Data Engineer & AI Engineer
Berlin, Deutschland
Weltweit
B.Sc. Business Mathematics, Technische Universität BerlinÜber mich
Mathematiker und Data & AI Engineer, 10+ Jahre in Banken, Versicherung und Industrie. Schwerpunkt: Databricks-Lakehouse-Migration, robuste Daten-Pipelines und produktive GenAI-/Agentic-AI-Lösungen — in regulierten Umfeldern mit Git, CI/CD und formaler Abnahme.
Skills
OAuth 2.0RAGMLflowAzure FunctionsData LakehouseAzure DatabricksdbtDelta LakeAzure DevOpsLangChainSql Data WarehouseJavaAtlassian JiraBankingData Architecture
Databricks & Lakehouse Engineering
Rund ca. 6 Jahre Data Engineering und 3 Jahre produktive Databricks-Praxis: PySpark, Delta Lake, Unity Catalog und Medallion-Architektur. Aufbau und Optimierung von Ingestion- und Verarbeitungspipelines sowie Migration von Data-Warehouse-Workloads in die Lakehouse-Plattform.
Agentic AI, MCP & GenAI
Produktive Multi-Agent-Architekturen (Mosaic AI Agent Framework, Genie Spaces) hinter zentral verwalteten, OpenAI-kompatiblen Endpoints mit MCP-Server-Integration und OAuth-Absicherung. LLM-Bereitstellung und Prompt-Flow-Orchestrierung über Azure AI Foundry. End-to-End-RAG-Pipelines mit Parsing, Chunking, Embeddings, Vector Search und Re-Ranking.
KI-gestützte Entwicklung (Claude Code, Copilot)
Claude Code als primäres Entwicklungswerkzeug im täglichen Einsatz, ergänzt durch GitHub Copilot — für Anforderungsanalyse, Coding, Testautomatisierung und Dokumentation. Agentic Engineering als gelebte Arbeitsweise inklusive Review-Prozessen über Pull Requests.
dbt, Datenmodellierung & DWH-Migration
Produktive Erfahrung mit dbt für Modellierung und Transformation über mehrere Projekte. Datenmodellierung nach Data Vault 2.0 (Raw Vault, Business Vault) und Medallion-Architektur. Plattformmigrationen, u. a. BigQuery nach Databricks mit Zielarchitektur, Reconciliation, Validierung und Cleanup.
Python & SQL Datenverarbeitung
Expertenkenntnisse in Python und SQL für ETL-/ELT-Prozesse, analytische Workloads und statistische Modellierung. Einsatz in regulierten Unternehmensumgebungen mit Git-basierten Workflows, Code-Reviews und formaler Kundenabnahme.
Cloud & Infrastructure as Code (Azure, Terraform)
Fortgeschrittene Kenntnisse in Microsoft Azure (Data Factory, ADLS Gen2, Key Vault, Entra ID) und Terraform für Infrastructure as Code. Gestufte CI/CD-Pipelines mit Plan-/Apply-Trennung und Approval-Gates.
Data Governance & Datenqualität
Unity-Catalog-Governance, RBAC, Berechtigungs- und Namenskonzepte, Data Lineage und Datenklassifizierung. Automatisierte Abstimmung (Reconciliation) auf Transaktionsebene mit Toleranzlogik, Abweichungskategorisierung und Match-Reporting im Banking-Umfeld.
FastAPI, Docker & MLflow
FastAPI zur Bereitstellung OpenAI-kompatibler REST-APIs, Docker für Deployments. MLflow für Experiment-Tracking, Modellversionierung, Deployment und Monitoring.
Power BI & Reporting
Interaktive Dashboards und skalierbare Reporting-Architekturen mit Power BI und Tableau für Kunden aus Banking und Versicherung, inklusive Row-Level Security und Performance-Optimierung.
Workshops, Coaching & Wissenstransfer
Konzeption und Durchführung Databricks-Workshops und Trainings für Entwicklerteams und Fachanwender: Materialien, Hands-on-Übungen und Coaching zur Teambefähigung.
Git & Jira Change Management
Git-basierte Entwicklung mit Code-Reviews, Jira-gestütztem Ticket-Workflow und strukturiertem Change Management. Erfahrung mit Confluence-Dokumentation und agiler Delivery (Scrum, Kanban).
Sprachen
DeutschMutterspracheEnglischverhandlungssicher
Projekthistorie
Design und Entwicklung von Datenaufnahme- und Verarbeitungspipelines mit PySpark, Delta Lake und Unity Catalog. Integration externer Datenquellen (REST/SOAP APIs) in das Lakehouse. Aufbau der Ingestion- und Curation-Schicht für GenAI-Agenten (Genie Spaces) und RAG-Vektorindizes. Multi-Agenten-Architekturen mit Mosaic AI und FastAPI. Git-basierte Entwicklung, Terraform auf Azure, CI/CD und Jira-Workflows.
Konzeption und Deployment eines Databricks Supervisor Agent (Mosaic AI), der mehrere Genie Spaces und Tools über einen einzigen governed Endpoint orchestriert. Integration in die Corporate-AI-Plattform (LibreChat) via MCP und OAuth 2.0 (Azure Entra ID), inkl. Architekturdesign, Auth-Troubleshooting und technischer Dokumentation. Projekt: AI-Center: Databricks Agentic AI Integration.
Implementierung einer cloudbasierten Ingestion-Pipeline für die Creditreform CWS SOAP API: Python-Client-Bibliothek, Azure Functions für Mailbox-Verarbeitung, ADF-Orchestrierung, Databricks-Notebook für XML-Parsing und Delta Table Upsert in Unity Catalog. Vollständige Abnahmetests mit 17 dokumentierten Testfällen. Projekt: CWS API Integration - Creditreform WebServices.