09/03/2026 updated
Premium member
100 % availableData & AI Solution Architect - Platform & Data Engineer - Databricks - Azure - Tech Lead
Montevideo, Uruguay
Worldwide
B.Sc. Cognitive Science (Osnabrück) · Computer Science / Data Science (Radboud)About me
Architekt für Datenplattformen mit Engineering-Tiefe (Azure/Databricks) — seit 2025 auch für KI- und Agenten-Plattformen. Beide Ebenen: Lakehouse, DataOps, Governance — und die Cloud-Plattform darunter: Terraform, CI/CD, etc. Muttersprache Deutsch, remote im deutschen Arbeitstag, ab sofort.
Data LakehouseAzure DatabricksPlatform EngineeringMLOpsData ArchitectureData InfrastructureData IntegrationData QualityData WarehousingGovernancePython (Programming Language)Machine LearningDataOpsAzure Data LakeSolution Architecture
Datenplattform-Architektur
Lakehouse (Delta Lake, Medallion), Data Warehousing, analytische Datenmodellierung, mehrschichtige Architekturen, spaltenorientierte OLAP-Serving-Layer, Migration bestehender Datenlandschaften.
Databricks
Multi-cloud, ab Account-Konsole; Unity Catalog, Delta Lake, Databricks SQL, Jobs & Workflows, Plattformbetrieb, Compute- und Kostenoptimierung. Benannte letzte Eskalationsstufe für Databricks-Themen in einem Konzern mit über 40.000 Mitarbeitenden.
Azure
Data Factory, Data Lake Storage, Synapse, Analysis Services, Functions/Logic Apps, Key Vault, Azure DevOps, Cost Management. Netzsegmentierung in Azure (VNets, Subnets, NSGs). Entra ID, Enterprise Apps, Managed Identities.
Data Engineering & Pipelines
End-to-end-Pipeline-Engineering von der Ingestion über die Transformation bis in den Serving-Layer — Zuverlässigkeit, Observability und Kosten im Blick. ETL und ELT, Batch und Streaming, Datenmigration, Orchestrierung über Azure Data Factory und Databricks Jobs & Workflows. Python (PySpark, pandas, scikit-learn), SQL (T-SQL, Spark SQL).
Infrastructure-as-Code & Delivery
Terraform bis rund 1.000 Cloud-Ressourcen — Entwurf, Implementierung und Betrieb. CI/CD und Release-Pipelines, Umgebungs- und Secrets-Trennung, Code Review, Docker, Netzsegmentierung.
MLOps & Operations
Modell-Lifecycle, APIM-Automatisierung, On- und Offboarding von Enterprise Apps samt IAM-Integration, Test und Deployment von Plattform-Bausteinen. Data Science: NLP, Computer Vision, Recommender Systems. Praktiken: DataOps, MLOps, DevOps, GitOps, DocOps, AgentOps, EpOps.
Agentische KI & Governance
Agent-Harness-Design, Isolation und Sandboxing, review-gesteuerte auditierbare agentische Softwareproduktion mit Audit-Logging über Software-, Backlog- und Agent-Lebenszyklus, Multi-Agent-Orchestrierung, agentische Coding-Tools (Claude Code), Agent-Harnesses (OpenClaw), strukturierte Risikobewertung von Plattformen und LLM-Anbietern.
Governance & Audit
Unity Catalog Lineage und -Audit, Databricks-Audit-Logs und Cluster-/Job-/Query-Telemetrie (Event- und Driver-Logs, Spark-UI, Run- und Query-History), Delta Lake, Data Factory Run Monitoring, Azure DevOps Deployment Historie, Azure Activity Log, Azure Cost Management, Berechtigungskonzepte und RBAC, IAM- und SCIM-Integration, Datenqualität.
Technische Leitung
Gemischte Teams von 10–15 Personen aus internen und externen Kräften, Anforderungsanalyse, Entscheidungsvorlagen, Enablement, technisches Vetting, Rollout von Standards in ein BI-Department von 45 Kopf.
Rahmen & Verfügbarkeit
Verfügbar ab sofort, Vollzeit, ausschl. remote. Zeitzone UTC−3 (4–5 h Versatz zu Deutschland) — der dt. Nachmittag ist durchgehend abgedeckt, Vormittagstermine nach Absprache. Dienst- oder Werkvertrag über die eigene Gesellschaft. Keine ANÜ, keine Präsenztage in Deutschland. Als gebürtiger Deutscher häufig das Bindeglied zw. deutschsprachigem Fachmanagement und internationaler Entwicklung.
Languages
GermanNative speakerEnglishFluentFrenchBasic knowledgeDutchBasic knowledgeRussianBasic knowledgeSpanishGood
Project history
Konzeption, Architektur und technische Umsetzung eigener Systeme. Auszug:
- Multi-Agent-Harness für review-gesteuerte, agentische Softwareproduktion — geregelter Zustandsautomat mit Review-Gates, harten Zustandsgrenzen, Audit-Logging und Observability über Software-, Backlog- und Agent-Lebenszyklus. Architektur, Zustandsmodell und Governance von mir; die Implementierung in TypeScript ist agentengeschrieben innerhalb dieser selben Gates.
- Isolierte Ausführungsumgebung für autonome Agenten — Cloud-Infrastruktur vollständig als Code in Terraform, Container-Isolation und Netzsegmentierung, Begrenzung des Schadensradius je Instanz, Secrets- und Umgebungstrennung.
- Plattform zur unabhängigen Bewertung von KI-Agent-Harnesses und LLM-Anbietern (in Arbeit) — Sicherheit, Datenschutz, Governance, ToS, Compliance — mit strukturierten Confidence-Metadaten.
Stack: Terraform, Docker, Tailscale, Hetzner, TypeScript, Python, LLM-APIs, agentische Coding-Tools (Claude Code), Agent-Harnesses (OpenClaw).
Unabhängige Beratung für Enterprise Data, Data- & Platform-Engineering und — seit 2025 — Risiko und Governance agentischer KI.
Enterprise-Engagements überwiegend white-label über Boutique-Beratungen.
Schwerpunkte: Azure-/Databricks-Datenplattformen, Lakehouse-Architektur, DataOps/MLOps, Infrastructure-as-Code — hands-on wie in fachlicher Leitung. 2026 in Uruguay unter dem Namen Salix Austral neu aufgestellt.
Kunden u. a. Munich Re und Phoenix Pharma SE.
Zuständig für das Geschäftsfeld DataOps & Databricks über drei Großkunden hinweg, von Strategie bis Operations.
Sparring mit dem Partner zur Geschäftsfeldstrategie. Design der Skill-Rollen-Matrix des Geschäftsfelds und der Weiterbildungs-Bahnen der Consultants. Technisches Vetting der Kandidaten des Geschäftsfelds; Auswahl der Consultants für zwei der drei Delivery-Teams.
Presales-Unterstützung des Vertriebs und Verfassen von Sales Proposals. Aufsetzen neuer Projekte und Projektteams, teils mit personeller Unterstützung in der Anfangsphase. Management des Databricks Partner Accounts der Boutique.
Technische Verantwortung für die Delivery beim Hauptkunden.
Stack: Databricks, Azure, DataOps, Delta Lake, Terraform.