Dateningenieur – vollständig remote innerhalb Europas

Arbeitszeit: Vollzeit
Erfahrung: Erforderlich sind mindestens drei Jahre Erfahrung im operativen Data Engineering in einer Produktionsumgebung sowie genügend Erfahrung für selbstständiges Arbeiten.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet eine bestehende Datenplattform etwa zur Hälfte im Betrieb und zur Hälfte in ihrer Weiterentwicklung. Gemeinsam mit BI, Analytics und Datenverantwortlichen sichert sie verlässliche Daten und prüft KI-generierte Ergebnisse vor dem Produktiveinsatz.

Deine Aufgaben

Wiederkehrende Probleme der lokalen Microsoft-SQL-Server-Umgebung werden einschließlich systemübergreifender Zugriffe über Linked Servers, OPENQUERY und PolyBase untersucht und behoben.
Veraltete Datenzuflüsse, fehlerhafte Joins und unbemerkte Änderungen an Quellsystemen werden erkannt und gemeinsam mit den Datenverantwortlichen behoben.
Airflow-DAGs und Python-Jobs auf Windows- und Linux-VMs werden betreut; dazu gehören fehlgeschlagene Tasks, Backfills und zum tatsächlichen Datenfluss passende Abhängigkeiten.
Neue Quelldomänen werden im Warehouse modelliert und in verständliche, für Analysten nutzbare Datenmodelle überführt.
Automatisierte Qualitätsprüfungen kontrollieren Aktualität, Datenvolumen, referenzielle Integrität und Geschäftsregeln, damit fehlerhafte Daten früh auffallen.
Langsame SQL-Abfragen, gespeicherte Prozeduren, Indizes und Ausführungspläne werden optimiert, damit die Plattform mit dem Unternehmenswachstum leistungsfähiger wird.
Wiederkehrende Störungen werden durch bessere Alarmierung, Protokollierung, Runbooks und Automatisierung dauerhaft beseitigt.
KI-Werkzeuge werden intensiv eingesetzt; generierter SQL- und Pipeline-Code wird vor dem Produktiveinsatz abschließend geprüft und durch Tests abgesichert. Ergebnisse werden mit den Quelldaten abgeglichen.

Das solltest du mitbringen

Erforderlich

Erforderlich sind mindestens drei Jahre Erfahrung im operativen Data Engineering in einer Produktionsumgebung und genügend Erfahrung für selbstständiges Arbeiten.
Erwartet werden eigenständige Fehleranalyse anhand von Logs, SQL und Python, ein ausgeprägter Qualitätsanspruch und die Fähigkeit, Datenverantwortlichen Fehler samt Begründung und Lösungsvorschlag klar zu erläutern.
Vorausgesetzt werden professionelle Microsoft-SQL-Server-Kenntnisse, hervorragendes T-SQL und fundierte Optimierungskompetenz bei Indexstrategien, Ausführungsplänen, Abfragen und Partitionierung. Dazu gehören die passende Auswahl dieser Maßnahmen und sichere systemübergreifende Zugriffe mit Linked Servers, OPENQUERY und PolyBase.
Erforderlich ist Urteilsvermögen bei der Datenmodellierung: Warehouse-Tabellen und dimensionale Modelle müssen wechselnden Quellen und neuen Analysefragen standhalten. Qualitätsprüfungen müssen Probleme erkennen, ohne unnötige Fehlmeldungen zu erzeugen.
Erforderlich sind fundierte Python-Kenntnisse für Pipelines, Transformation und Automatisierung sowie praktische Erfahrung in der eigenständigen Entwicklung, im Betrieb und in der Fehleranalyse von Airflow-DAGs im Produktivbetrieb. Dazu gehören Scheduling, Wiederholungsversuche, Backfills, Abhängigkeiten und die Ursachenanalyse fehlgeschlagener Tasks statt ihres bloßen Zurücksetzens.
Zwingend sind praktische Kenntnisse mit Claude Code oder einem vergleichbaren agentischen Programmierwerkzeug sowie mit MCP-Servern und LLM-gestützten Workflows. Ebenso zwingend ist die konsequente Prüfung der Ergebnisse durch Lesen des generierten SQL, Prüfen des Ausführungsplans und Abgleich mit der Quelle.
Git und GitLab müssen mit Branching, Merge Requests, Code Reviews und CI/CD-Pipelines zur täglichen Arbeitspraxis gehören.
Erforderlich sind Debugging-Fähigkeiten auf Windows- und Linux-VMs sowie praktische Kenntnisse mindestens einer großen Cloud-Plattform, Azure oder AWS.
Erwartet werden eigenständige Ursachenanalyse statt bloßer Neustarts und durchgängige Verantwortung für Probleme ohne ausdrückliche Aufforderung. Die Englischkenntnisse müssen ausreichen, um Datenverantwortlichen Fehler in ihren Datenzuflüssen klar und überzeugend zu erläutern.

Von Vorteil

Wünschenswert ist Erfahrung mit Microsoft Fabric, insbesondere Lakehouse oder Warehouse, Data-Factory-Pipelines und OneLake.
Wünschenswert ist Erfahrung im Bau eigener MCP-Server oder interner LLM-Werkzeuge über deren reine Nutzung hinaus.
Wünschenswert ist Vertrautheit mit Power BI oder einem anderen BI-Werkzeug als Nutzungsschicht für die Daten.
Wünschenswert sind Einblicke in schnell wachsende B2C-Unternehmen oder Unternehmen mit abonnementbasiertem Geschäftsmodell.

So ist Remote hier geregelt

Die Zusammenarbeit mit dem globalen Team erfolgt nach einem Remote-first-Modell.
Zum Arbeitsumfeld gehören Treffen innerhalb der EU und eine jährliche gemeinsame Sommerreise.

Das wird angeboten

Geboten werden Remote-first-Zusammenarbeit im globalen Team, Treffen innerhalb der EU und eine jährliche gemeinsame Sommerreise.
Die Rolle erhält eigenständige Verantwortung für den operativen Plattformbetrieb und Vertrauen in dessen Ausführung.
Das Team nutzt KI-Werkzeuge produktiv und erwartet offene Rückmeldungen zu unzureichenden Ergebnissen.
Das Arbeitsumfeld legt Wert auf Klarheit, Struktur und langfristiges Denken und bietet enge Zusammenarbeit mit BI, Analytics und datenverantwortlichen Teams.

Veröffentlicht: 10.09.2026 · Quelle geprüft: 19.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.