Senior Full-Stack Developer – Angular, Python und AWS-Simulation_#3393

Project overview

Bewerbungs-/Angebotsfrist 05.11.2026, 16:00 Uhr

Projektrahmenbedingungen

Project details

Frankfurt am Main; Präsenz für fachliche Abstimmungen, ggf. weitere Standorte in Deutschland

Laufzeit: 01.01.2027–31.12.2027; ca. 11,99 Monate

Umfang: 216 PT davon 171 remote, 45 Onsite = 79,17% remote

Durchschnitt ca. 4,14 Tage/Woche

Onshore: Deutschland

Sprache / gefordertes Sprachniveau: Deutsch – Muttersprache

Konditionen – Pflichtangaben für Kandidaten:

Für die weitere Bearbeitung Ihrer Bewerbung sind diese Angaben zwingend erforderlich: Bitte nennen Sie Ihre gewünschte Abrechnungsart sowie Ihren Stunden- oder Tagessatz, jeweils getrennt für Remote und Onsite. Geben Sie außerdem an, ob Reisekosten enthalten sind oder separat berechnet werden. Bei separater Berechnung nennen Sie bitte die Höhe bzw. die Berechnungsgrundlage.

1.1 Projekt-/Verfahrenskontext

Eine AWS-basierte Simulationsplattform für mikroskopische, netzweite Eisenbahnbetriebssimulationen weiterentwickeln. Fahrplanqualität, Kapazität, Verspätungen und Bauauswirkungen mit Infrastruktur-, Fahrplan- und Betriebsdaten analysieren. Fördermittelprojekt.

1.2 Projektstruktur

Agiles DevOps-Team mit Sprints und Program Increments. Mono-Repository, ein Merge Request je End-to-End-Feature, fachliche Reviews und automatisierte Build-/Test-/Deployment-Pipelines in GitLab. KI-Entwicklung im Agentenmodus ist tägliche Voraussetzung. GitLab, virtueller Desktop, Kiro-CLI und bereitgestelltes Benutzerkonto sind verbindlich; notwendige Werkzeuge/Lizenzen werden gestellt.

3.1 Scope

4.1 Muss-Anforderungen – 100 % zwingend zu erfüllen

M1: Nachgewiesene professionelle Frontend-Entwicklung überwiegend mit Angular, tragende Rolle bei Modul-/Komponentenschnitt und State-Management-Strategie; Erfahrungslevel Senior (> 5 Jahre).

M2: Architektonische Weiterentwicklung gewachsener Anwendungen über Frontend/Backend: Modul-/Komponentenschnitt, Abhängigkeitsrichtungen, Schichtengrenzen, Auflösung von Architekturverletzungen; Erfahrungslevel Senior (> 5 Jahre).

M3: Praktische agentische KI-Softwareentwicklung im Agent-Modus, nicht nur Code-Autovervollständigung, z. B. Kiro, Claude Code, Cursor, OpenCode; 2 Referenzen.

M4: Python-Web-APIs mit FastAPI/Pydantic, relationale Datenhaltung über SQLAlchemy inklusive Schema-Migrationen; 2 Referenzen.

M5: Entwicklung und Implementierung von Algorithmen zur Planung des Schienengüterverkehrs; 1 Referenz.

4.2 Soll-Anforderungen

Nachweis S1–S6 jeweils durch Anzahl Referenzen.

S1 (25%): WebGL-Karten-/Geodatenvisualisierung großer dynamischer Datenmengen und interaktive Kartenobjektbearbeitung (Auswahl, Verschieben, Geometrien-/Attribute-Editieren) mit Deck.gl, MapLibre, Three.js; 2.

S2 (25%): Komplexe, performante Tabellen großer Datenmengen mit AG Grid; 2.

S3 (20%): Komplexe interaktive Editoren/Formulare für strukturierte Daten, dynamische Formulare, Validierung, Dirty-/Undo-Handling und Konflikte bei gleichzeitiger Bearbeitung; 2.

S4 (10%): Performante Darstellung großer Datenmengen mit Plotly.js, insbesondere Zeitreihen/interaktive Diagramme; 2.

S5 (10%): Nachgewiesene Tiefe in produktiven Python-Web-Services mit FastAPI (oder vergleichbar): Authentifizierung, rollen-/rechtebasierte Autorisierung (OIDC/JWT, API-Keys), versionierte Schema-Migrationen an einer laufenden relationalen Datenbanken; 2.

S6 (10%): UI nach Design-System mit Figma, Design-Tokens/Variables und Verzahnung von Design/Code, z. B. Figma Code Connect; 1.

• Konditionen / Abrechnungsart (Stunden- oder Tagessatz)
• Stundensatz Remote (EUR/Stunde) und Stundensatz Onsite (EUR/Stunde)
• Oder Tagessatz Remote (EUR/Tag) und Tagessatz Onsite (EUR/Tag)
• Reisekosten
• Angular 22 mit Standalone Components und Signal-State-Management warten/erweitern; KPI-basierte Analyseansichten für Zeitreihen, Karten, Tabellen und Bildfahrpläne mit GraphQL entwickeln.
• WebGL-Karten mit Deck.gl für Infrastruktur/Zugbewegungen und Editoren für Fahrplan-, Infrastruktur-, Stamm- und Modelldaten entwickeln; wiederverwendbare UI-Komponenten nach Design-System pflegen.
• REST/GraphQL und Protobuf anbinden; Architekturverletzungen abbauen, Leaflet nach Deck.gl migrieren, Testabdeckung erhöhen und Unit-/E2E-Tests umsetzen.
• Python-REST-Endpunkte mit FastAPI, Pydantic, SQLAlchemy sowie Alembic-/PostgreSQL-Schema-Migrationen entwickeln/warten. GraphQL-API mit Ariadne für große Ergebnismengen über Athena/Parquet erweitern.
• Serverlose Import-/ETL-/Simulations-Pipelines mit AWS Lambda, Batch, S3 und Glue weiterentwickeln; Features durchgängig über Frontend, API und Pipeline umsetzen.