Remote-Jobs, die du auf
LinkedIn & Xing übersiehst.

Sehr gute Englischkenntnisse werden erwartet, mindestens auf B2-Niveau, idealerweise auf C1-Niveau.

Erfahrung mit Snowflake wird erwartet; Erfahrung mit Cortex ist ideal.

Deutschkenntnisse mindestens auf B2-Niveau werden erwartet.

Sehr gute Kenntnisse in Node.js werden erwartet.

Gute Kenntnisse in React werden erwartet.

Englischkenntnisse auf professionellem Arbeitsniveau werden vorausgesetzt.

Vorausgesetzt wird praktische Erfahrung in der durchgängigen Verantwortung für produktiv betriebene Datenpipelines.

Wünschenswert sind praktische Kenntnisse in Anonymisierung und Pseudonymisierung sowie der Anwendung von GDPR und LGPD auf reale Datensätze.

Wünschenswert ist Analytics-Engineering-Praxis mit dbt oder einer gleichwertigen Lösung, bei der Tests als zentrale Artefakte behandelt werden.

Wünschenswert sind Statistikkenntnisse zum Erkennen ungeeigneter Modelle, insbesondere Überlebenszeitanalyse, Zensierung, Selektionsverzerrung und hierarchische Modelle.

Englischkenntnisse mindestens auf Niveau C1 in Wort und Schrift sind erforderlich.

Erforderlich ist tiefgehende Expertise im Aufbau zuverlässiger Datenpipelines, in der Integration unterschiedlicher Datenquellen und im Entwurf skalierbarer Data-Warehouse-Architekturen.

Erforderlich ist praktisches Verständnis dafür, strukturierte Geschäftsdaten für LLM-basierte Anwendungen zugänglich zu machen und dabei Datenkontext, Genauigkeit und Sicherheit angemessen zu berücksichtigen.

Google BigQuery gehört zusammen mit Dataform zur bestehenden Dateninfrastruktur. Alternative Technologien können auf Grundlage der fachlichen Expertise bewertet werden.

Dataform gehört zusammen mit Google BigQuery zur bestehenden Dateninfrastruktur. Alternative Technologien können auf Grundlage der fachlichen Expertise bewertet werden.

Gefordert sind Kenntnisse in Avro und Kafka für Schemaentwurf, Serialisierung und Schemaweiterentwicklung.

Gefordert sind Kenntnisse in Redshift und im produktiven Einsatz von Airflow für Datenmodellierung und Leistungsoptimierung.

Gefordert sind Kenntnisse in Redshift und im produktiven Einsatz von Airflow für Datenmodellierung und Leistungsoptimierung.

Kubernetes gehört zu den geforderten Cloud- und DevOps-Kenntnissen; zusätzlich werden CI/CD, Infrastructure as Code, Data Lakes und offene Tabellenformate vorausgesetzt.

Erfahrung mit dbt ist von Vorteil.

Die freie Wahl von Arbeitszeit und Arbeitsort setzt einen Wohnsitz in Deutschland voraus.

Erwartet wird praktische Erfahrung im Aufbau von LLM-Datenschichten mit Retrieval, Embeddings, Vektorsuche, Kontextgestaltung, MCP und vergleichbaren Werkzeugschnittstellen. Praktische Nachweise zählen stärker als ein Kurs; nicht alle Anforderungen müssen exakt erfüllt sein.

Erwartet wird Erfahrung mit der Integration mehrerer Systeme einschließlich APIs, Webhooks, Authentifizierungsmodellen, Ratenbegrenzungen und unangekündigten Schemaänderungen. Nicht alle Anforderungen müssen exakt erfüllt werden.

Die Rolle verantwortet Gestaltung und Weiterentwicklung des Timescale-Data-Warehouse als zentrale Datenquelle und setzt Timescale bei ETL-Datenflüssen ein.

Power BI gehört zur Reporting- und Forecasting-Schicht für die Unternehmensleitung. Pipeline-, Funnel- und Nutzungsdaten dienen der Einschätzung der Geschäftsentwicklung.

Fließende Deutschkenntnisse sind erforderlich; zusätzlich wird fließendes Englisch verlangt.

Ein sicherer Umgang mit Azure Data Factory wird vorausgesetzt.

Fließende Englischkenntnisse sind erforderlich; zusätzlich wird fließendes Deutsch verlangt.

Ein sicherer Umgang mit Python wird vorausgesetzt.

Sehr gute Kenntnisse in Data Governance werden erwartet.

Englischkenntnisse auf mindestens Intermediate-Niveau sind von Vorteil.

Fundierte SQL-Kenntnisse sind zusammen mit fundierten Python-Kenntnissen erforderlich.

Erforderlich ist Erfahrung im Aufbau von ETL/ELT-Prozessen mit Dataform, Airflow, dbt oder Prefect.

Ein praktisches Verständnis von Git ist erforderlich.

Erfahrung mit KI-Agenten zur Orchestrierung und Optimierung von Datenpipelines ist von Vorteil.

Sichere Python-Kenntnisse werden vorausgesetzt.

Sichere Kenntnisse in dbt werden vorausgesetzt.

Erforderlich ist ein tiefes Verständnis von Datenmodellierung, Data-Warehouse-Design und bewährten Verfahren zur Datenqualität.

Die Rolle entwickelt die Datenmodellierung in Databricks mit fortgeschrittenem SQL, dbt und Datenqualitätsframeworks wie elementary weiter.

Die Rolle verantwortet die Weiterentwicklung der AWS-Cloudinfrastruktur und treibt Infrastructure as Code mit Terraform voran.

Einmal jährlich kommt das gesamte Unternehmen für eine Woche in einer jeweils neuen Stadt zusammen.

Erwartet werden praktische GCP-Kenntnisse einschließlich Preismodellen, Abrechnungsstrukturen und Mechanismen zur Kostenoptimierung; zusätzlich werden fundierte AWS-Kenntnisse erwartet.

Vertiefte dbt-Kenntnisse gehören zu den erwarteten Data-Engineering-Kenntnissen, zusammen mit BigQuery oder einem gleichwertigen modernen Warehouse, SQL in großem Maßstab und analytischer Datenmodellierung einschließlich dimensionaler und inkrementeller Modelle sowie Tests.

Erwartet werden SQL-Kenntnisse für große Datenmengen, gemeinsam mit dbt, BigQuery oder einem gleichwertigen modernen Warehouse und analytischer Datenmodellierung einschließlich dimensionaler und inkrementeller Modelle sowie Tests.

Erwartet werden Grundlagen statistischer Prognosen, neben Anomalieerkennung und Experimenten, sowie die Fähigkeit einzuschätzen, wann ein fundiertes Modell einer Faustregel überlegen ist.