Data Engineer Mid-Level (m/w/d)

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.

  
  

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.