Data Engineer Mid-Level (m/w/d)
Für den weiteren Ausbau und Betrieb unserer modernen Daten- und Analytics-Landschaft suchen wir einen vielseitigen Mid-Level Data Engineer (m/w/d). In dieser Rolle bist du das Bindeglied zwischen robuster Data-Lakehouse-Infrastruktur, analytischem Reporting mit Lightdash & Streamlit und angewandten Data-Science-Use-Cases.
Deine Aufgaben:
Lakehouse & Data Engineering (ca. 50%):
Konzeption, Aufbau und Tuning performanter Pipelines auf Basis von Databricks.
Datenmodellierung mit dbt sowie Orchestrierung robuster DAGs via Apache Airflow.
Governance & Performance:
Etablierung automatisierter Data-Quality-Prüfungen, Data Lineage und Cluster-Optimierung.
Analytics & Data Apps (ca. 25%):
Aufbau einer semantischen Metriken-Schicht und Self-Service-BI in Lightdash.
Entwicklung interaktiver Analyse-Tools und Data Apps in Python (Streamlit).
Data Science & ML (ca. 25%):
Explorative Analysen, Prototyping und Training von ML-Modellen (z. B. Prognosen, Anomalien).
MLOps & Business-Integration:
Experiment-Tracking auf Databricks und Bereitstellung der Ergebnisse für Fachbereiche.
Du begleitest Daten entlang ihres gesamten Lebenszyklus - von der Rohdatenaufnahme im Lakehouse über automatisierte Datenmodelle bis hin zu interaktiven Dashboards und Machine-Learning-gestützten Datenanwendungen.
Dein Profil:
Berufserfahrung:
Mindestens 2-4 Jahre Praxis im Data Engineering, Analytics Engineering oder einer vergleichbaren Rolle.
Core Engineering Stack:
Fundierte Praxis mit Databricks (Delta Lake, Unity Catalog), dbt und Apache Airflow.
BI & Data Apps:
Erfahrung mit Lightdash (oder Interesse an code-basierter BI) sowie mit Streamlit.
Code & Datenbanksprachen:
Exzellentes SQL (Performance-Tuning, komplexe Joins) und sehr gutes Python (pandas, PySpark, scikit-learn).
Methodik & Best Practices:
Routinierter Umgang mit Git / CI/CD und modernen Modellierungskonzepten (Star-Schema).
Mindset & Sprachen:
Pragmatische Hands-on-Mentalität, starke Kommunikationsfähigkeit und sehr gutes Deutsch & Englisch.