Senior Data Engineer (m/w/d)
Summary
Designs and builds high-performance on-premises/edge data platforms with Kubernetes, streaming pipelines, and modern open-source tools like Iceberg/Spark, while automating deployments and collaborating cross-functionally to integrate new technologies.
Akkodis ist ein globales Beratungsunternehmen für Digital Engineering, das Technologie und Talente zusammenbringt, um Transformation zu beschleunigen, Innovation voranzutreiben und eine intelligentere Zukunft zu gestalten. Mit mehr als 40.000 Expert:innen in über 30 Ländern verbinden wir Branchen und Technologien miteinander - von AI und Data Analytics bis zu Cloud, Edge, Automatisierung und Cybersecurity.
Deine Mission
Du hast keine Lust auf 08/15-Cloud-Deployments, sondern willst echte High-Performance-Plattformen ohne Public-Cloud-Abhängigkeit aufbauen?
Als Senior Data Engineer (m/w/d) konzipierst und entwickelst du innovative, hochskalierbare On-Premises- und Edge-Datenplattformen. Du bringst Batch- und Low-Latency-Streaming-Pipelines auf ein neues Level, integrierst moderne Open-Source-Technologien auf Kubernetes und treibst die Plattformautomatisierung voran
Stellenbeschreibung
- Plattform-Architektur & Automatisierung: Konzeption und Entwicklung einer hochperformaten On-Premises- & Edge-Datenplattform inkl. Komponenten für Orchestrierung, Deployment und GitOps.
- Pipelines & Workloads: Implementierung robuster Batch- und Low-Latency-Streaming-Datenpipelines auf Kubernetes-Clustern.
- Storage & Data Arch: Anbindung und Verwaltung S3-kompatibler Storage-Lösungen sowie Integration moderner Datenarchitekturen (z. B. Medallion, Kappa).
- Innovation & AI-Tools: Erstellung und Validierung von Proof-of-Concepts (PoCs) - gerne unter Einsatz moderner KI-Coding-Tools (z. B. Cursor.ai).
- Governance & Versionierung: Evaluierung und Integration von Datenkatalogen und Datenversionierungslösungen (z. B. Apache Iceberg).
- Cross-functional Collaboration: Enge Zusammenarbeit mit Lead Architects, Infrastruktur- und Security-Teams zur kontinuierlichen Bewertung und Einbindung neuer Technologien.
Profil
- Fundiertes Fundament: Abgeschlossenes Studium der Informatik, Wirtschaftsinformatik oder eine vergleichbare Qualifikation.
- Erfahrung: Mehrjährige Praxis im Data Engineering (Erfahrung im Data Science-Umfeld ist ein Plus).
- Linux & Kubernetes: Sehr gute Kenntnisse in Kubernetes-Infrastrukturen, Container-Technologien und Linux-Umgebungen.
- Code & Data Stack:
- Profund in Python, Golang, SQL (MPP), Bash oder Java.
- Erfahrung mit modernen Tools & Frameworks wie Apache Iceberg, Spark, Kafka, Flink, Airflow, Dagster, NATS.io, Risingwave oder S3-Storage.
- Methoden: Routine in GitOps-Workflows, automatisiertem Testing sowie im schnellen PoC-Aufbau.
- Mindset: Analytisch, lösungsorientiert und begeistert von unabhängigen, hochskalierbaren Data-Management-Plattformen.
- Sprachen: Fließende Deutsch- und gute Englischkenntnisse in Wort und Schrift.
Das i-Tüpfelchen (Nice-to-Have):
- Kenntnisse in Hardware-naher Optimierung (NUMA, Core Pinning) oder Edge-Computing-Umgebungen.