Senior Data Engineer (m/w/d)

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.

We show an excerpt and a link, and the full text when the source allows it. Brands and logos shown belong to their owners.

Source: Statistisches Bundesamt (Destatis), table; dl-de/by-2-0; StarIn's calculation