Data Platform Engineer in Berlin

Intro: Bei Adsquare wird unsere Mission von unserem Kernfokus geleitet:

• Leidenschaft – Komplexe Herausforderungen mit großartigen Menschen, Technologie und Daten lösen.
• Nische – Standortintelligenz für programmatische Werbetreibende.

Unsere Kernwerte sind integraler Bestandteil unseres Handelns:

• Antrieb: Wir verwandeln Ambitionen in Taten.
• Resilienz: Wir passen uns an, halten durch und werden stärker.
• Keine Ausreden: Wir schätzen Ehrlichkeit, Transparenz und klare Kommunikation.
• Bescheidenheit: Wir wählen Bescheidenheit über Eitelkeit und lassen die Ergebnisse für sich sprechen.
• Moralischer Kompass: Wir handeln fair, integer und respektvoll.

Wir suchen Kandidaten, die nicht nur erstklassige technische Expertise mitbringen, sondern auch diese Werte in jedem Aspekt ihrer Arbeit verkörpern.

Aufgaben: Wir suchen einen Staff Data Platform Engineer, der die gemeinsame Datenplattform aufbaut und betreut, auf der das Data-Team und der Rest von Adsquare aufbauen: Ingestion, Lakehouse-Speicherung, Datenbanken, das Datenkatalog und die agentischen Werkzeuge, die darüber liegen. Dies ist eine hochgradig technische, praktische Rolle als Individual Contributor (IC) an der Schnittstelle zwischen DevOps und Datenengineering. Sie werden Datensysteme entwerfen und auch dafür verantwortlich sein, wie sie bereitgestellt, betrieben und in der Produktion gesund gehalten werden – Infrastruktur als Code, CI/CD, Container, Beobachtbarkeit und Kosten. Sie werden der technische Leiter unserer Datenplattform sein – treffen Sie die entscheidenden architektonischen Entscheidungen und setzen Sie Engineering-Standards – und Sie werden die Pipelines bauen, die Dienste entwerfen und bereitstellen. Es gibt keine Personalverantwortung.

Unsere Plattform verarbeitet TB-große geo-räumliche Daten, Zielgruppenattribute und Standort-Zeitserien. Wir bewegen uns in Richtung eines Daten-Mesh, bei dem Domänenteams ihre Daten als Produkte besitzen und veröffentlichen, und in eine Arbeitsweise, bei der ein Großteil unseres Engineerings mit und von KI-Agenten durchgeführt wird. Sie werden beides gestalten.

Plattform aufbauen, praktisch: Entwerfen, bauen und betreiben Sie unsere Ingestion- und Verarbeitungs-Pipelines, Lakehouse, Abfrageebene und Datenbanken. Treffen Sie klare Abwägungen zwischen Latenz, Korrektheit, Kosten und langfristiger Wartbarkeit. Machen Sie das Daten-Mesh real: Verwandeln Sie die Plattform in eine selbstbedienbare Grundlage, die es Teams ermöglicht, Datenprodukte zu besitzen, zu veröffentlichen und zu konsumieren. Definieren Sie die Standards für Datenverträge, Schema-Evolution, Eigentum und Produktionsbereitschaft. Verantworten Sie Katalog, Metadaten und Herkunft: Machen Sie unsere Daten auffindbar, dokumentiert und vertrauenswürdig – mit Herkunft, Qualitätssignalen und klarer Verantwortung – damit sowohl Menschen als auch KI-Agenten die richtigen Daten finden und nutzen können. Entwickeln Sie Agenten für Entwickler: Entwerfen und liefern Sie Agenten, MCP-Server und Werkzeuge, die es Ingenieuren und Agenten ermöglichen, Daten zu erkunden, Pipelines zu validieren, Vorfälle zu debuggen und Routineoperationen zu automatisieren. Setzen Sie die Standards des Teams für agentisches Codieren: wie wir Codierungsagenten verwenden, Fähigkeiten teilen, agentengeschriebene Codes überprüfen und Sicherheitsvorkehrungen einhalten. Zuverlässigkeit, Beobachtbarkeit und Kosten: Bauen Sie Überwachung, Alarmierung und Datenqualitätsprüfungen, die Probleme erkennen, bevor sie downstream-Produkte erreichen, und halten Sie die Cloud-Kosten sichtbar und unter Kontrolle. Führen und multiplizieren: Treiben Sie Architekturentscheidungen über Teams hinweg voran, heben Sie den Standard durch Design- und Code-Reviews und betreuen Sie Senior-, Mid- und Junior-Ingenieure.

Anforderungen: Wir suchen einen Macher: einen Ingenieur mit tiefem Plattformwissen, der immer noch gerne Code ausliefert und begeistert ist, wie KI-Agenten das Datenengineering verändern. Erfahrung: 7+ Jahre in Datenengineering, Datenplattform oder Backend-Engineering, einschließlich erheblicher Zeit auf Senior- oder Staff-Ebene mit plattformweiter Reichweite – und immer noch praktisch tätig. Lakehouse- und Datenbankdesign: Tiefgehende Erfahrung im Entwerfen und Betreiben von Lakehouse- und Datenbankarchitekturen – offene Tabellenformate (z.B. Iceberg), Parquet, Objektspeicher, Abfrage-Engines wie Athena/Trino oder Redshift sowie relationale Datenbanken. Sie verstehen Partitionierung, Kompaktierung, Schema-Evolution und Abfrageleistung. Pipelines im großen Maßstab: Sie haben Batch- und ereignisgesteuerte Pipelines im TB-Maßstab (z.B. Spark, Glue, Step Functions, Airflow oder Dagster) aufgebaut und betrieben, einschließlich Backfills, Fehlerbehebung und Datenqualitätsprüfungen. Daten-Mesh & Datenkatalog: Praktische Erfahrung mit Datenkatalogen und Metadaten (z.B. DataHub, OpenMetadata, AWS Sagemaker Catalog, Glue Data Catalog, Unity Catalog), Herkunft, Datenverträge oder Datenprodukte – oder ein starkes, nachweisbares Interesse am Daten-Mesh, unterstützt durch angrenzende Erfahrungen. Agentisches Engineering: Sie arbeiten täglich mit KI-Codierungsagenten und nutzen deren Vorteile, und Sie haben LLM-Agenten, MCP-Server oder Werkzeuge auf Daten-Systemen gebaut (oder sind bereit, dies zu tun). Softwareengineering & DevOps: Starke Produktionskenntnisse in Python (getestet, typisiert, wartbar) und Expertenkenntnisse in SQL. Eine DevOps-Mentalität: Sie behandeln Infrastruktur als Code und sind praktisch mit AWS, Terraform, Containern/Kubernetes, CI/CD und Produktionsüberwachung tätig. Technische Führung: Sie fördern Konsens über Teams hinweg, erklären architektonische Abwägungen klar gegenüber Ingenieuren und nicht-technischen Stakeholdern und verbessern die Menschen um Sie herum. Geo-räumliche Daten: Erfahrung mit räumlichen Indizes und Werkzeugen (z.B. H3, S2, PostGIS) und Standort-Zeitseriendaten. Ad-Tech: Erfahrung in programmatischer Werbung, Zielgruppen-/Segmentdaten oder Datenschutz- und Einwilligungsanforderungen. Semantische Schicht: Erfahrung im Aufbau von Metriken oder semantischen Schichten, die selbstbedienbare Analysen und KI-gesteuerten Datenzugang ermöglichen.

Unser Software-Stack: Python, SQL, Spark, AWS (S3, Glue, Athena, Lambda, Step Functions), Apache Iceberg, Redshift, dbt, Terraform, Kubernetes, Datadog, GitLab CI und KI-Codierungsagenten. Sie werden helfen, zu entscheiden, was als Nächstes kommt.

Bedingungen: Ein persönliches Lernbudget von 1.200 EUR pro Jahr, 30 Urlaubstage pro Jahr, Mitgliedschaft im Urban Sports Club, betriebliche Altersvorsorge und Umzugs-/Homeoffice-Budget, regelmäßige Team- und Unternehmensveranstaltungen, die von unserem People-Team organisiert werden, neueste Hardware und alle Werkzeuge, die Sie zum Gedeihen benötigen.

Gehaltsbereich (jährliche Zielverdienste): 90.000 - 105.000 Euro (OTE). Arbeitsmodell: Hybrid. Gewünschter Starttermin: Januar 2027.