Level
Erfahren
Ort
Stuttgart
Arbeitsmodell
Onsite
Job Feld
Data
Anstellung
Vollzeit
Vertragsart
Unbefristetes Dienstverhältnis

Job Zusammenfassung

In dieser Rolle entwickelst du automatisierte Datenpipelines, optimierst Datenverarbeitungsprozesse und implementierst moderne Datenarchitekturen für Batch- und Streaming-Daten auf hybriden Plattformen.

Job Technologien

Deine Rolle im Team

Pipeline-Entwicklung: Du entwickelst und wartest automatisierte Data-Ingestion-Pipelines und stellst die zuverlässige Verarbeitung von Batch- und Streaming-Daten sicher.
Mitarbeit an der Plattform: Du unterstützt beim Ausbau moderner, hybrider Datenplattformen (z. B. auf Basis von Spark/Databricks oder vergleichbaren Technologien) und implementierst Features für moderne Datenarchitekturen (Lakehouse & DWH).
Data Quality: Du setzt Schema-Validierungen und Datenqualitätsprüfungen während des Ingestion-Prozesses um und unterstützt bei der Metadatenextraktion.
Governance-Support: Du arbeitest an der Umsetzung von Zugriffskontrollen und Datenversionierungen mit, um die Reproduzierbarkeit von Datensätzen zu gewährleisten.
Performance-Support: Du unterstützt bei der Optimierung von Datenverarbeitungsprozessen und hilfst dabei, unnötige Datenbewegungen im System zu minimieren.
Wachstum: In Zusammenarbeit mit unseren Seniors vertiefst Du Dein Wissen in verteilten Systemen, MLOps-Tooling und modernen Lakehouse-Designs.

Unsere Erwartungen an dich

Ausbildung

Sehr gute Deutsch- und Englischkenntnisse sowie ein abgeschlossenes Studium im Bereich Informatik, Data Engineering oder vergleichbar.

Qualifikationen

Programmierung: Gute Kenntnisse in Python sowie ein sicherer Umgang mit relationalen Datenbanken (SQL).
Cloud-Basis: Grundverständnis von Cloud-Technologien (Azure oder AWS) und ersten Kontakt zu Docker.
Versionierung: Sicherer Umgang mit Git und Verständnis für Data Lineage Konzepte.
Sehr gute Kenntnisse: Grundverständnis von automatisierten Workflows und Deployments.
Datenmodellierung: Wissen über Partitionierung und grundlegende Architekturprinzipien von Data Lakes.
Datenmodellierung: Grundverständnis für dimensionale Datenmodellierung (Star/Snowflake Schema) und Architekturprinzipien von Data Lakes.
Lernbereitschaft: Du hast eine hohe Motivation, Dich in die rasant entwickelnde Data- und AI-Landschaft einzuarbeiten.
Team-Spirit: Du arbeitest gerne kooperativ mit Engineering- und Analytics-Teams zusammen.
Strukturierte Arbeitsweise: Du gehst Aufgaben methodisch an und hast ein Auge für Datenintegrität.

Erfahrung

Solide Kenntnisse: Erste praktische Erfahrung mit Distributed Computing (z. B. Spark/Databricks oder vergleichbare Technologien) und dem Aufbau von Daten-Pipelines.
Qualitätsanspruch: Erfahrung mit Testing-Verfahren für Datenprozesse und Clean Code Standards.