Principal-Ingenieur für Infrastruktur

Arbeitszeit: Die Stelle ist in Vollzeit mit Teilnahme an einer rotierenden Rufbereitschaft vorgesehen.
Erfahrung: Erforderlich sind mindestens 12 Jahre in Infrastruktur, Plattform, SRE, Softwareentwicklung oder verwandten Disziplinen sowie fundierte Praxis in Entwurf und Betrieb großer Produktionsinfrastruktur.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet Infrastrukturvorhaben von Architektur und Prototypen bis zum produktiven Betrieb, um Durchsatz, Latenz, Ausfallsicherheit und Kosten zu verbessern. Sie berichtet an die Engineering-Leitung und arbeitet mit Anwendungsentwicklung, Sicherheit und Compliance an teamübergreifenden Verbesserungen auf Basis von Geschäftsabläufen und Kundenbedürfnissen.

Deine Aufgaben

Die Rolle entwickelt die Kerninfrastruktur für wachsenden Datenverkehr, Datenmengen und komplexere Lasten weiter und verfolgt Geschäftsabläufe über Anwendungen, Daten und Infrastruktur hinweg. Sie priorisiert Verbesserungen, erstellt Architekturvorschläge, bewertet Alternativen mit Prototypen und Benchmarks, prüft Änderungen und dokumentiert Betrieb und Fehlerverhalten.
Sie erstellt Kapazitätsmodelle, führt Last- und Stresstests durch und untersucht Engpässe in Rechenressourcen, Netzwerken, Kubernetes und Datenbanken anhand von Durchsatz, Latenz, Auslastung und Kosten je Arbeitslast. Sie optimiert Ressourcengrößen, Nutzung, Autoscaling und Speicher und beziffert Einsparungen unter Einhaltung der Zuverlässigkeits- und Leistungsziele.
Sie baut resiliente AWS-Konto-, IAM-, Netzwerk- und Servicearchitekturen und berücksichtigt bei wachsender Last Servicekontingente, Fehlerisolation sowie Anforderungen an mehrere Verfügbarkeitszonen oder Regionen. Sie betreibt Kubernetes und verbessert Clusterarchitektur, Lebenszyklusautomatisierung, Workload-Isolation, Ressourcenverteilung, Autoscaling, sichere Upgrades und zuverlässige Bereitstellungen.
Sie skaliert und optimiert Aurora RDS für MySQL und Postgres durch Abfrage- und Indexoptimierung, die Behebung von Verbindungs- und Replikationsengpässen, Kapazitätsplanung und verbessertes Failover. Gemeinsam mit der Anwendungsentwicklung setzt sie sichere Schemaänderungen und Datenbankmigrationen um.
Sie definiert und instrumentiert mit Serviceverantwortlichen Service-Level-Ziele und Fehlerbudgets und verhindert bei Bedarf Fehlerkaskaden durch Fehlerisolation, Backpressure, Lastabwurf und sichere Wiederholungen. Metriken, Logs, Traces, Dashboards und handlungsrelevante Alarme machen Servicezustand, Skalierungsgrenzen und Kundenauswirkungen nachvollziehbar.
Sie übernimmt rotierende Rufbereitschaft und die technische Wiederherstellung bei schweren Störungen bis hin zu vollständigen Ausfällen durch evidenzbasierte Diagnose, Gegenmaßnahmen, Kommunikation und dauerhafte Korrekturen aus Postmortems. Sie entwickelt und testet Backup, Wiederherstellung und Failover anhand vereinbarter Wiederherstellungszeit- und Datenverlustziele und dokumentiert gemessene Übungsergebnisse.
Sie automatisiert Provisionierung, Konfiguration, Bereitstellungen, Upgrades und Wiederherstellung durch Code und Infrastructure as Code, sodass Abläufe reproduzierbar, geprüft, testbar und wiederherstellbar sind. Infrastrukturmigrationen gestaltet sie mit gestaffelten Rollouts, Kompatibilitätsprüfungen, Validierung und Rückfallwegen.
Sie entwickelt und bewertet KI-gestützte Infrastruktur- und SRE-Werkzeuge für Störungsuntersuchungen, Kapazitäts- und Anomalieanalysen, Runbooks und wiederkehrende Betriebsarbeiten. Der Produktionseinsatz erfolgt mit begrenzten Zugriffsrechten, Validierung, nachvollziehbarer Ausführung und überprüfbaren Aktionen; Verbesserungen bei Genauigkeit oder Arbeitsaufwand werden gemessen.

Das solltest du mitbringen

Erforderlich

Ein Bachelorabschluss in Informatik oder einem vergleichbaren technischen Fach ist erforderlich.
Erforderlich sind mindestens 12 Jahre Erfahrung in Infrastruktur, Plattform, Site Reliability, Softwareentwicklung oder verwandten Engineering-Disziplinen sowie substanzielle praktische Tiefe im Entwurf und Betrieb von Produktionsinfrastruktur in großem Maßstab.
Erforderlich sind tiefgehende AWS-Kenntnisse und Produktionserfahrung mit Compute, IAM, Multi-Account-Architekturen und Netzwerken einschließlich VPC-Design und privater Konnektivität.
Erforderlich sind tiefgehende Kubernetes-Kenntnisse im Produktionsbetrieb zu Clusterlebenszyklus, Scheduling, Ressourcenmanagement, Autoscaling, Netzwerken und Fehlerbehebung bei geschäftskritischen Workloads. EKS-Erfahrung ist besonders erwünscht.
Erforderlich sind tiefgehende Kenntnisse relationaler Datenbanken in großem Maßstab, insbesondere RDS/Aurora mit MySQL und/oder Postgres, zu Abfrageleistung, Indizierung, Verbindungsmanagement, Replikation, Hochverfügbarkeit, Failover sowie überprüfter Datensicherung und Wiederherstellung.
Erforderlich sind persönlich erzielte Skalierungsverbesserungen an Infrastruktur: Engpässe erkennen, Ausgangsverhalten messen, Änderungen umsetzen und Verbesserungen bei Kapazität, Latenz, Zuverlässigkeit oder Kosteneffizienz nachweisen.
Erforderlich sind ausgeprägte Programmier- und Automatisierungskenntnisse mit Golang, Python oder ähnlichen Sprachen für Produktionswerkzeuge und zur Reduktion manueller Betriebsarbeit sowie Erfahrung mit Infrastructure as Code mit Terraform oder gleichwertigen Werkzeugen.
Erforderlich sind fundierte Systemkenntnisse in Linux, Netzwerken, DNS, TLS, Speicher, Nebenläufigkeit und Fehlerbildern verteilter Systeme sowie die Fähigkeit zur Fehleranalyse über Infrastruktur- und Anwendungsgrenzen hinweg.
Erforderlich ist Erfahrung im Betrieb einer rund um die Uhr verfügbaren Hochverfügbarkeitsplattform, deren Ausfälle Kunden oder Umsatz unmittelbar betreffen, einschließlich praktischer Störungsbehebung und Korrekturen aus Postmortems.
Erforderlich sind Bereitschaft zur rotierenden Rufbereitschaft und nachgewiesene Fähigkeit, Produktionssysteme unter Druck mit evidenzbasierter Diagnose, sicheren Gegenmaßnahmen und klarer technischer Kommunikation wiederherzustellen. Dazu gehören das Bilden und Prüfen von Hypothesen anhand von Logs, Metriken und Traces, tragfähige Entscheidungen bei unvollständigen Informationen und dauerhafte Fehlerbehebung.
Erforderlich ist Erfahrung mit Umsetzung und Tests von Disaster Recovery anhand definierter Wiederherstellungsziele einschließlich Datenwiederherstellung und Validierung der Servicewiederherstellung.
Erforderlich ist praktische Erfahrung mit Observability, Lasttests, Kapazitätsplanung und sicheren CI/CD-Verfahren für gemeinsam genutzte Produktionsinfrastruktur.
Erforderlich ist die aktive Nutzung von KI-Werkzeugen in Engineering oder Betrieb mit praktischem Urteilsvermögen zu ihren Grenzen und zur Überprüfung generierten Codes, von Empfehlungen und Betriebsaktionen.
Erforderlich ist die Fähigkeit, unklare technische Probleme von der Untersuchung bis zur produktiven Umsetzung zu bearbeiten und fachübergreifend systemweite Engpässe zu lösen. Dazu gehört ein tiefes Verständnis des Zusammenspiels von Cloud-Architektur, Netzwerken, Clusterinterna, Datenbankleistung und Anwendungsverhalten.
Erwartet werden dauerhaft sehr hohe und steigende Qualitätsmaßstäbe, die auch andere zu guten Ergebnissen anregen, das Verhindern weitergereichter Fehler und nachhaltige Problemlösungen. Dazu kommt die Bereitschaft, neue Wege jenseits etablierter Konventionen zu entwickeln.
Erwartet werden zügiges Handeln und kalkulierte Risikobereitschaft; reversible Entscheidungen sollen ohne unnötig umfangreiche Voruntersuchung getroffen werden.
Erwartet werden aufmerksames Zuhören, offene und klare Kommunikation, respektvoller Umgang und verlässliches Einhalten von Zusagen. Entscheidungen sollen auch bei unbequemen Meinungsverschiedenheiten respektvoll und beharrlich hinterfragt werden, ohne Überzeugungen allein zugunsten sozialer Harmonie aufzugeben; nach einer Entscheidung wird diese vollständig mitgetragen.
Erwartet werden termingerechte Ergebnisse in angemessener Qualität und Ausdauer trotz Rückschlägen. Dazu gehören evidenzbasierte Untersuchungen von Last- und Ausfallverhalten, Ursachenbehebung, die Umsetzung von Architektur in funktionierenden Code und sichere, getestete Produktionsänderungen sowie die messbare Erklärung der Wirkung auf Verfügbarkeit, Latenz, Kapazität, Wiederherstellungszeit, Kosten oder eingesparte Betriebsstunden.
Erwartet werden verständliche, betreibbare und problemgerechte Systeme, der Abbau unnötiger Komplexität und Verantwortung für das Ergebnis. Änderungen werden im Produktionsbetrieb überprüft, und die dauerhafte Wirksamkeit von Korrekturen wird auch bei wachsender Plattform sichergestellt.

Von Vorteil

Erwünscht ist Erfahrung in Fintech, Zahlungsverkehr oder Bankwesen beim Betrieb von Infrastruktur mit hohen Anforderungen an Zuverlässigkeit, Sicherheit und Auditierbarkeit.
Erwünscht ist Erfahrung mit Architekturen über mehrere Regionen, Chaos Engineering und Ausfalltests einschließlich der Abwägungen zwischen Konsistenz und Wiederherstellung verteilter Datensysteme.
Erwünscht sind fundierte Kenntnisse in Prometheus, Grafana, Loki, Tempo oder vergleichbaren Observability-Systemen.
Erwünscht ist Erfahrung im Aufbau interner Plattformfunktionen und von Self-Service-Werkzeugen einschließlich Bereitstellungsautomatisierung, schrittweiser Auslieferung und wiederverwendbarer Infrastrukturkomponenten.
Erwünscht ist Erfahrung im Aufbau von Lösungen zur KI-gestützten Störungsuntersuchung oder Betriebsautomatisierung mit eingeschränkten Zugriffsrechten, auditierbarer Ausführung und klaren menschlichen Prüfpunkten.

So ist Remote hier geregelt

Die Stelle ist als Remote-Tätigkeit ausgewiesen.

Das wird angeboten

Die monatliche Bruttovergütung beträgt je nach Standort und Erfahrungsniveau 12.500 bis 20.800 USD für die Rolle mit mindestens 12 Jahren Erfahrung.

Veröffentlicht: 14.09.2026 · Quelle geprüft: 18.10.2026.

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