> Markdown version of [/jobs/ext/3906977-werkstudent-data-analytics](https://www.wearedevelopers.com/jobs/ext/3906977-werkstudent-data-analytics). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Werkstudent Data & Analytics

- **Company:** Rabot Energy
- **Location:** Hamburg, Germany
- **Experience:** Internship
- **Contract:** Internship / Graduate position
- **Skills:** Artificial Intelligence, Airflow, Amazon Web Services, Data Analysis, Microsoft Azure, BigQuery, Cloud Computing, Sync (Unix), Python (Programming Language), Power BI, SQL Databases, Tableau (Software), Google Cloud, Git, Data Analytics
- **Published:** October 25, 2026
- **Apply:** https://startup.jobs/werkstudent-m-w-d-data-analytics-rabot-energy-10569964

## About the Role

* SQL & Python: Du bist sicher in SQL und hast Python-Grundlagen, idealerweise aus einem quantitativen oder technischen Studium.
 * Sorgfältig & strukturiert: Du arbeitest zuverlässig und genau, gerade bei wiederkehrenden Aufgaben.
 * Automatisierer:in: Du baust nicht nur Dashboards, sondern automatisierst Routinen gern und bringst Prozesse ins Laufen.
 * Student:in: Du bist immatrikuliert in einem quantitativen oder technischen Fach mit mindestens zwei Semestern Restlaufzeit, kannst rund 20 Stunden pro Woche arbeiten (mindestens 15) und bist regelmäßig im Hamburger Büro.
 * Sprache: Du kommunizierst sicher auf Deutsch oder Englisch.

Schön zu haben: dbt (auch aus Projekten), Git und Pull Requests, Cloud (GCP, AWS oder Azure), BI-Tools (Metabase, Power BI, Tableau), eigene Projekte mit KI-Tools sowie erste Praxis als Werkstudent:in oder Praktikant:in im Datenumfeld.

## Description

Du übernimmst die wiederkehrenden Datenprozesse, die heute allein bei unserem BI Engineer liegen, damit das Team mehr Kapazität für Modellierung und neue Projekte hat. Dazu gehören zum Beispiel die Provisionsabrechnung mit Partnern, das Partner-Tracking, Monatsreports und Ad-hoc-Anfragen aus Finance, Sales und Marketing, rund 20 Stunden pro Woche.

Du arbeitest in unserem Stack (BigQuery, dbt, Metabase, Dagster), führst die wöchentlichen und monatlichen Routinen zuverlässig aus, beantwortest Standard-Datenanfragen und pflegst dbt-Modelle und Doku per Pull Request. Dabei bist du kein:e reine:r Dashboard-Bauer:in: Du arbeitest genau und automatisierst Routinen gern. Der Einstieg ins Analytics Engineering ist ausdrücklich möglich.

Deine Ergebnisse

Wir denken in Ergebnissen, nicht in Aufgabenlisten. Wenn du erfolgreich bist, sieht das so aus:

Monat 3 (Ramp-up)

 * Du kennst unseren Stack (BigQuery, dbt, Metabase, Dagster) und führst die wöchentlichen und monatlichen Routinen (Partner-Sheet-Sync, Provisionsfreigaben, Investor- und Partner-Exporte) eigenständig nach Anleitung aus.

Monat 6 (Performance)

 * Du beantwortest Standard-Datenanfragen aus Finance, Sales und Marketing selbst.
 * Du pflegst bestehende dbt-Modelle und Doku per Pull Request.
 * Du hast mindestens eine Routine automatisiert oder vereinfacht.

Monat 12 (Scale)

 * Du trägst den Block der wiederkehrenden Aufgaben vollständig und bist erste:r Ansprechpartner:in dafür. Unser BI Engineer ist davon entlastet.
 * Optional: Du hast ein kleines eigenes Projekt im Analytics Engineering umgesetzt.