05/08/2026 updated

**** ******** ****
100 % available

Cloud & AI Systems Engineer | AWS, Kubernetes, Kafka | AI Platforms, RAG & Event-Driven Systems

Valencia, Spain
Only remote
M.Sc. Big Data & Business Analytics
Valencia, Spain
Only remote
M.Sc. Big Data & Business Analytics

Profile attachments

CV Kevin Pilch May 2026.pdf

About me

Cloud & AI Systems Engineer mit Fokus auf produktionsreife Daten- und AI-Plattformen auf cloud-nativer Infrastruktur. Entwicklung skalierbarer Cloud-, Data- und AI-Systeme — von Event-Driven Data Platforms bis zu produktionsreifen LLM- und RAG-Infrastrukturen.

Argo CDRAGMLflowArtificial IntelligenceAmazon Web ServicesCloud EngineeringDevOpsInfrastructure ManagementPython (Programming Language)PostgreSQLTypeScriptDocker ContainerLarge Language ModelsSpring BootGenerative AIAWS LambdaInfrastructure as Code (IaC)AWS ECSEvent Driven ArchitectureGitlab-ciKubernetesApache KafkaTerraformAWS EKSDatabricksGolang
Cloud & Infrastruktur
  1. AWS
  2. Azure
  3. Kubernetes
  4. Terraform
  5. Docker
  6. GitOps
  7. ArgoCD
  8. CI/CD
  9. GitHub Actions
  10. GitLab CI
  11. Infrastructure as Code (IaC)
  12. Cloud-native Architekturen
  13. Multi-Account Architekturen
  14. Container-Orchestrierung
  15. Networking & Security
AI & Platform Engineering
  1. AI Platform Engineering
  2. LLM Infrastructure
  3. LLM Serving
  4. RAG (Retrieval-Augmented Generation)
  5. vLLM
  6. LoRA Fine-Tuning
  7. GPU Workloads
  8. AI Serving Infrastructure
  9. AI Runtime Infrastructure
  10. Vector Databases
  11. Weaviate
  12. pgvector
  13. MLflow
  14. Databricks
  15. AI Agents
Daten- & Backend-Systeme
  1. Kafka
  2. Event-Driven Architecture (EDA)
  3. Streaming-Systeme
  4. Datenplattformen
  5. ETL / ELT Pipelines
  6. Backend Services
  7. REST APIs
  8. PostgreSQL
  9. Data Engineering
  10. Echtzeit-Datenverarbeitung
  11. Verteilte Systeme
  12. Microservices
Programmiersprachen
  1. Python
  2. Kotlin
  3. TypeScript
  4. SQL
  5. Golang
Weitere Expertise
  1. Produktionsreife AI-Systeme
  2. Cloud-Migrationen
  3. Platform Engineering
  4. Observability
  5. Skalierbarkeit & Performance-Optimierung
  6. Enterprise-Architekturen
  7. GDPR-konforme Architekturen
  8. Industrial IoT & Sensordatenverarbeitung
  9. Edge Computing
  10. DevOps & Automatisierung

Languages

GermanNative speakerEnglishFluentSpanishBasic knowledge

Project history

Lead Cloud & AI Engineer

Vertical AI

Internet & IT

10-50 team member

Cloud- und AI-Plattform-Engineering für eine B2B-SaaS-Plattform zur Bereitstellung spezialisierter Enterprise AI Agents innerhalb weniger Tage.
  1. Architektur und Aufbau produktionsreifer AI Runtime Infrastructure auf AWS und Kubernetes
  2. LLM-Serving über AWS Bedrock, Azure AI Foundry, dezentrale GPU-Compute-Provider und EKS-basierte Inferenz-Workloads
  3. Custom Model Deployments mit vLLM für skalierbare Multi-Tenant AI-Workloads
  4. Entwicklung von RAG-Architekturen mit Weaviate und PostgreSQL (pgvector) für kundenspezifische Knowledge Bases
  5. Entwicklung von MCP-Layern zur Integration interner und externer Service-Interfaces
  6. LoRA Fine-Tuning und Serving domänenspezifischer Modelle für produktive AI-Use-Cases
  7. Aufbau einer Multi-Account AWS Landing Zone inklusive SSO, Networking und Security-Baseline
  8. Entwicklung modularer Terraform-Infrastruktur sowie CI/CD- und GitOps-Workflows zur eigenständigen Erweiterung der Plattform durch das Engineering-Team
Tech Stack:
AWS (Bedrock, EKS, ECS, RDS), Azure (AI Foundry), Kubernetes, Terraform, Docker, GitHub Actions, vLLM, Weaviate, PostgreSQL/pgvector, Python, AI Serving Infrastructure, RAG, LoRA Fine-Tuning, GitOps, Argo CD

Cloud Engineer

Essent

Energy, Water & Environment

1000-5000 team member

Cloud- und Data-Platform-Engineering im Rahmen der digitalen Transformation eines der größten Energieversorger der Niederlande. Migration von Legacy-Batch-Systemen zu cloud-nativen Echtzeit-Datenplattformen für Millionen Haushalte.
  1. Migration von Batch-Processing zu Event-Driven Architectures mit Kafka und Kubernetes
  2. Entwicklung skalierbarer Echtzeit-Datenpipelines zur Verarbeitung großer Mengen energierelevanter Kundendaten
  3. Reduktion der Datenlatenz von mehreren Stunden auf Sekunden durch Streaming- und Event-basierte Verarbeitung
  4. Migration und Provisionierung einer Multi-Service AWS Infrastruktur (ECS, EKS, RDS, MSK) mit Terraform und GitLab CI/CD
  5. Entwicklung GDPR-konformer Datenarchitekturen für domainübergreifende Datenhaltung und Datenverarbeitung
  6. Aufbau von Echtzeit-Analytics-Plattformen für Kundenanwendungen zur Energieverbrauchsanalyse
  7. Entwicklung eines Synthetic-Test-Data-Frameworks für Shift-Left-Development und produktionsnahe Testautomatisierung
  8. Unterstützung bei der Modernisierung cloud-nativer Plattform- und Deployment-Prozesse im Enterprise-Umfeld
Tech Stack:
AWS (ECS, EKS, MSK, RDS, Lambda), Kafka, Kubernetes, Terraform, GitLab CI/CD, Python, Spring Boot, Event-Driven Architecture, Streaming Systems, PostgreSQL, Cloud-native Data Platforms

Data Engineer

Vibracoustic SE & Co. KG

Automotive & Vehicle Manufacturing

>10.000 team member

Cloud- und Data-Platform-Engineering im Rahmen der digitalen Transformation eines globalen Automobilzulieferers. Migration von dokumentenbasierter Testdatenverwaltung zu skalierbaren, cloud-nativen Datenplattformen für internationale Engineering- und R&D-Teams.
  1. Entwicklung einer Multi-Cloud-Datenplattform zur Batch-Verarbeitung hunderter GB täglicher Sensor- und Prüfstandsdaten mit AWS Glue, S3, Athena und Databricks
  2. Aufbau automatisierter ETL/ELT-Pipelines für industrielle Sensor- und IoT-Daten
  3. Reduktion der Datenverarbeitungszeit um bis zu 90% durch cloud-native Batch-Processing-Architekturen
  4. Entwicklung ML-basierter Anomalieerkennungssysteme für Lebensdauertests mit deutlich verbesserter Fehlerdetektion
  5. Edge-Computing für industrielle Prüfstandsdaten zur Verarbeitung unstrukturierter Sensordaten in maschinenlesbare Datenmodelle
  6. Globaler Rollout der TESTLAB 4.0 Plattform für internationale Engineering- und R&D-Teams mit über 1000 Nutzern
  7. Entwicklung Deep-Learning-basierter Verfahren zur Berechnung von Stellsignalen mit höherer Genauigkeit als bestehende Branchenlösungen
  8. Unterstützung bei der Standardisierung und Skalierung datengetriebener Entwicklungs- und Analyseprozesse im internationalen Enterprise-Umfeld
Tech Stack:
AWS (S3, Glue, Athena, Lambda), Azure, Databricks, Python, PySpark, ETL/ELT, Batch Processing, Machine Learning, IoT, Edge Computing, Sensor Data Processing, Industrial IoT, Data Platforms, Cloud-native Architectures

Certificates

Azure Administrator Associate

Microsoft

2026

AWS Certified Cloud Practitioner

Amazon Web Services

2023

Recommendations

Contact form

Log in to get in touch

You need to be logged in to use the contact form.

Sign upLog in