> Markdown version of [/jobs/ext/4679160-it-solution-architect-data-architecture](https://www.wearedevelopers.com/jobs/ext/4679160-it-solution-architect-data-architecture). 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).

---

# IT Solution Architect - Data Architecture

- **Company:** EWE AG
- **Location:** Berlin, Germany
- **Experience:** Expert
- **Contract:** Permanent contract
- **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Airflow, Amazon Web Services, Data Analysis, Apache HTTP Server, Cloud Computing, Cloud Engineering, Code Review, Data Architecture, Information Engineering, Data Governance, Extract Transform Load (ETL), Data Systems, Python (Programming Language), Metadata Repositories, Scrum Methodology, Data Mesh, Software Engineering, SQL Databases, TypeScript, AWS Cdk, Data Processing, Snowflake, Grafana, Data Strategy, Machine Learning Operations, Api Design, Terraform, Databricks
- **Published:** November 12, 2026
- **Apply:** https://jobs.meinestadt.de/berlin/standard?id=260520279

## About the Role

B Ausübungsformen, Dein Know-how überzeugt:Berufserfahrung: Du verfügst über mindestens 6 Jahre Erfahrung in technischen Rollen im Data-Engineering-Umfeld, davon mindestens 2 Jahre als IT Solution Architect, Data Architect, Technical Lead oder Senior Data Engineer. Erfahrung in integrationsintensiven und/oder Enterprise-Umfeldern ist von VorteilDatenarchitektur & Engineering: Fundierte Erfahrung mit modernen Datenstrategien und -architekturen (z. B. Lakehouse) sowie sehr solides Praxiswissen zu ETL-/ELT-Ansätzen, eventgetriebenen Architekturen und API-Design Datenqualität & Privacy Engineering: Nachweisliche Praxis in der Etablierung von Datenqualitätsstandards und der Sicherstellung des Datenschutzes, insbesondere durch Privacy-by-Design-Ansätze in Datensystemen sowie Techniken wie Tokenisierung, Maskierung und Hashing Cloud Engineering: Fundierte praktische Erfahrung mit AWS im Daten- und Serverless-Umfeld. Eine aktuelle AWS-Zertifizierung (Solutions Architect und/oder Data Engineer) ist von
VorteilProgrammierung & IaC: Sicherer Umgang mit Python, TypeScript und SQL sowie praktische Erfahrung mit Infrastructure as Code (AWS CDK oder Terraform)Produktivbetrieb: Erfahrung in der Operationalisierung produktiver Datensysteme zur Verarbeitung großer Datenmengen, mit Fokus auf Zuverlässigkeit und Observability. MLOps-Kenntnisse sind ein PlusData Stack & Methodik: Du hast einen guten Überblick über die aktuelle Technologielandschaft im Datenumfeld, über Datenplattform-Lösungen (z. B. Snowflake, Databricks & etc), sowie über moderne Ansätze wie Data Catalogs, Data Contracts oder Data Mesh und kannst deren Einsatz fachlich einordnenTeamarbeit & Kommunikation: Erfahrung in agilen, cross-funktionalen Teams (Scrum/Kanban). Du denkst analytisch, kommunizierst klar, machst Trade-offs nachvollziehbar und übernimmst Verantwortung für nachhaltige LösungenSprachkenntnisse: Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift, jeweils mindestens C1 Niveau Darauf kannst Du Dich

## Description

API
Apache Airflow
Datenaufbereitung
Cloud
Apache
TypeScript
Englisch
Datenverarbeitung
SCRUM
Messaging
Visualisierung
Go
ETL
Datenschutz
Planung
Business Intelligence
Design
Server
IT
Lakehouse
Berufserfahrung
Snowflake
AWS
Python
Optimierung
Grafana
Klimaschutz
Zertifizierung
Kommunikation
E-Mobility
Engineering
Deutsch
Analytisches Denken
Verantwortungsvolle Arbeitsweise
Teamfähigkeit
Flexibilität
Zuverlässigkeit

Unsere Leistungen

Job-Rad
Entwicklungsmöglichkeiten
Mobiles Arbeiten
Mitarbeiterangebote
Weiterbildungsmaßnahmen
Betriebliche Altersvorsorge
Kantine

Stellenbeschreibung

Gemeinsam für das beste Ladeerlebnis: EWE Go wird durch ein flächendeckendes und zuverlässiges Schnellladenetzwerk an attraktiven Standorten, gestützt durch einen fairen und transparenten Ladeservice, zu einer führenden E-Mobilitätsmarke in Deutschland. Sei ein Teil davon. Du möchtest Deine technische Expertise einbringen, komplexe Herausforderungen lösen und die Weiterentwicklung moderner Datenlandschaften aktiv mitgestalten? Bei uns erwartet Dich eine Position, in der Du nicht nur innovative Lösungen entwickelst, sondern auch langfristige technologische Entscheidungen mitprägst. Dabei hast Du die Möglichkeit, Deine Ideen einzubringen, Verantwortung zu übernehmen und gemeinsam mit einem engagierten Team nachhaltige Lösungen für die Zukunft zu schaffen.Es erwartet Dich ein Aufgabengebiet, welches Dich herausfordern und begeistern wird:Lakehouse & Datenplattform: Technische Konzeption, hands-on Entwicklung und kontinuierliche Optimierung unseres Lakehouse-Datensystems, der
Datenplattform-Komponenten und weiterer cloudbasierter Datenlösungen auf AWS, mittels Infrastructure as Code mit AWS CDK und TypeScriptDatenstrategie & Zielarchitektur: Mitgestaltung der Datenstrategie und Architekturplanung für die Datensystemlandschaft. Dazu gehört die Vorbereitung von Architekturentscheidungen und Umsetzungsvorschlägen unter Berücksichtigung von Machbarkeit, Wartbarkeit und Enterprise-Architektur AnforderungenDatenpipelines & Integration: Aufbau resilienter Datenpipelines und ETL-/ELT-Prozesse mit Python und SQL, deren Orchestrierung mit Apache Airflow sowie Planung und Umsetzung der Integration interner und externer Systeme über verschiedene Schnittstellen und Integrationsmethoden (APIs, Events Messaging und Streams)Datenqualität & Datenschutz: Planung und Umsetzung von Anonymisierung und Pseudonymisierung in den bestehenden Datensystemen für eine DSGVO-konforme Datenverarbeitung sowie Sicherstellung von Datenqualität und -konsistenz über alle Datenbestände hinweg
gemäß der etablierten Data Governance Visualisierung & Business Intelligence: Aufbau von Komponenten für Dashboards, Reports und BI-Anwendungen, u. a. mit Grafana und ggf. weiteren BI-Tools, als Grundlage für Business Analytics und datenbasierte EntscheidungenMachine Learning & KI: Mitgestaltung der Datenaufbereitung für Anwendungsfälle wie KI-gestützte Analysen sowie Aufbau und Operationalisierung von ML- und KI-Anwendungen bis in den ProduktivbetriebStandards & Qualität: Definition von Leitplanken und Best Practices für den Software-Lifecycle im Bereich Datensysteme sowie Design- und Code-Reviews zur Absicherung funktionaler und nicht-funktionaler Anforderungen wie Performance, Speicherverbrauch, Skalierbarkeit und StabilitätVerantwortung & Zusammenarbeit: Arbeit auf Augenhöhe in einem cross-funktionalen Team mit Data Engineers, Data Analysts und Data Scientists, in enger Abstimmung mit dem Solution Owner für Datenlösungen sowie mit Stakeholdern aus unterschiedlichen Fachbereichen