senior-data-engineer-m-w-d

Warehousing (Serving Layer) vereint.</p> <p> ️ Data-Ingestion & Pipelines: Du baust und betreibst zuverlässige Pipelines für umfangreiche Datenmengen (z. B. Sensor- oder Erdbeobachtungsdaten) in Batch- und Streaming-Szenarien.</p> <p> ️ Plattform-Evolution: Du treibst unsere Datenplattform voran, indem Du neue Trends im Bereich Data & AI (z. B. Vector-Datenbanken & RAG-Infrastruktur) evaluierst und Tools für effizientes Datenmanagement sowie CI/CD-Prozesse entwickelst.</p> <p> ️ Governance, Observability & FinOps: Du etablierst strenge Data-Governance-Standards, implementierst Data Lineage sowie Data Contracts zur Schnittstellensicherung, wendest FinOps-Prinzipien zur Kostenoptimierung an und stellst die Datenqualität sicher.</p> <p> Performance-Optimierung: Du optimierst die Verarbeitungsleistung durch effiziente Partitionierungsstrategien und gestaltest Datenlayouts, die Compute-Workloads nah an der Speicherebene erlauben.</p> <p> Enablement & Beratung: Du fungierst als

Sparringspartner für Data Scientists und Ingenieure, vermittelst Best Practices und stellst Blueprint-Architekturen für die gesamte Organisation bereit.</p> <p>Was Du mitbringst:</p> <p>Expertenkenntnisse</p> <p>- Distributed Computing: Tiefe Erfahrung mit dem Spark-Ökosystem (z. B. Databricks, EMR oder vergleichbare Frameworks) sowie fundiertes Wissen in der Konzeption moderner Data-Lake- oder Lakehouse-Architekturen.
- Pipeline-Engineering: Fundiertes Wissen im Aufbau komplexer Ingestion-Workflows und in der Verwaltung von Daten-Transformations-Pipelines.
- Programmierung: Exzellente Kenntnisse in Python (oder Go) sowie sicherem Umgang mit SQL- und NoSQL-Datenbanken.
- Cloud & Infrastruktur: Routine in Cloud-Plattformen (Azure oder AWS) sowie Infrastructure as Code (Terraform).
- Datenmodellierung & DWH: Fundierte Erfahrung in der dimensionalen Modellierung (Star/Snowflake Schema) sowie im Design von hochperformanten Serving Layern für BI- und Analytics-Anwendungen.</p> <p>Sehr gute Kenntnisse</p> <p>- Data Management: Praktische Erfahrung mit Datenversionierung, Lineage-Tracking und Schema-Validierung.
- DevOps für Data: Sicherer Umgang mit Docker, Kubernetes und CI/CD-Tools (z. B. GitHub Actions).
- Security & Networking: Verständnis von Authentifizierung, Verschlüsselung und sicheren Datenverarbeitungspraktiken.
- Agile Methodiken und Erfahrung in der Zusammenarbeit mit funktionsübergreifenden Analytics-Teams.
- Data Contracts & KI-Daten: Erfahrung in der Gestaltung stabiler Datenschnittstellen sowie Grundverständnis für den Betrieb von Vektordatenbanken und RAG-Pipelines.</p> <p>Persönlich</p> <p>- Ownership: Du übernimmst die volle Verantwortung für die Stabilität, Skalierbarkeit und operative Leistung der Datenplattform.
- Analytische Exzellenz: Du hast eine strukturierte Herangehensweise an komplexe Herausforderungen wie Partitionierung und Tiling-Strategien.
- Kommunikationsstärke: Du kannst Blueprint-Architekturen klar vermitteln und Kollegen fachlich anleiten.
- Fließende Deutsch- und Englischkenntnisse sowie ein abgeschlossenes Studium (M.Sc.) in Informatik oder einem verwandten Bereich.</p>

Arbeiten bei der BCM Solutions bedeutet beim besten Arbeitgeber mitzugestalten. Mit unseren Kolleginnen und Kollegen gestalten wir seit 2010 aktiv die BCM Solutions GmbH. Jährlich werden wir für unsere phänomenale Arbeit durch unsere BCM Community als bester Arbeitgeber ausgezeichnet. Als Marktführer für PREEvision überzeugen wir mit der Erfahrung unserer Mitarbeiter und Mitarbeiterinnen, die sie durch täglichen Einsatz bei unseren exklusiven Kunden unter Beweis stellen. Die BCM Solutions GmbH steht außerdem für hochwertige Softwarelösungen und Dienstleistungen im Bereich der Softwareentwicklung. Wir verbinden persönliche und fachliche Weiterentwicklung mit Spaß bei der Arbeit und bringen dadurch Kundenprojekte stets zum Erfolg!

Was Dich erwartet:

️ Hybride Daten-Plattform & Architektur: Du verantwortest die Konzeption und Implementierung einer hybriden Datenplattform, die die Flexibilität von Lakehouse-Strukturen mit der Performance und Struktur eines klassischen Data