Data Platform Engineer in Berlin

At Adsquare, our mission is driven by our core focus:

• Passion – Solving complex challenges with great people, tech, and data.
• Niche – Location Intelligence for Programmatic Advertisers.

Our core values are integral to everything we do:

• Drive: We turn ambition into action.
• Resilience: We adapt, persevere, and grow stronger.
• No BS: We value honesty, transparency, and clear communication.
• Humble: We choose modesty over vanity and let results speak for themselves.
• Moral Compass: We do the right thing with fairness, integrity, and respect.

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

Wir suchen einen Staff Data Platform Engineer, um die gemeinsame Datenplattform zu erstellen und zu betreiben, auf der das Data-Team und der Rest von Adsquare aufbauen: Ingestion, Lakehouse-Speicher, Datenbanken, das Datenkatalog und die agentischen Werkzeuge, die darüber liegen. Dies ist eine hochgradig technische, praktische Rolle als Individual Contributor (IC) an der Schnittstelle von DevOps und Datenengineering.

Sie werden Daten Systeme 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 – die entscheidenden architektonischen Entscheidungen treffen und die Engineering-Standards festlegen – und Sie werden die Pipelines bauen, die Dienste entwerfen und bereitstellen.

Es gibt keine Verantwortlichkeiten im Bereich Personalmanagement. Unsere Plattform verarbeitet TB-große geo-räumliche Daten, Zielgruppenattribute und Standort-Zeitserien. Wir bewegen uns in Richtung eines Daten-Mesh, wo 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.

Aufgaben:

• Die Plattform praktisch aufbauen: Entwerfen, bauen und betreiben Sie unsere Ingestion- und Verarbeitungs-Pipelines, Lakehouse, Abfrageebene und Datenbanken.
• Klare Abwägungen zwischen Latenz, Korrektheit, Kosten und langfristiger Wartbarkeit treffen.
• Daten-Mesh real machen: Die Plattform in eine selbstbedienbare Grundlage verwandeln, die es Teams ermöglicht, Datenprodukte zu besitzen, zu veröffentlichen und zu konsumieren.
• Standards für Datenverträge, Schema-Evolution, Eigentum und Produktionsbereitschaft definieren.
• Katalog, Metadaten und Herkunft besitzen: Unsere Daten auffindbar, dokumentiert und vertrauenswürdig machen – mit Herkunft, Qualitätssignalen und klarem Eigentum – damit sowohl Menschen als auch KI-Agenten die richtigen Daten finden und nutzen können.
• Agenten für Entwickler bauen: Entwerfen und bereitstellen von Agenten, MCP-Servern und Werkzeugen, die es Ingenieuren und Agenten ermöglichen, Daten zu erkunden, Pipelines zu validieren, Vorfälle zu debuggen und Routineoperationen zu automatisieren.
• Die Standards des Teams für agentisches Codieren festlegen: wie wir Coding-Agenten verwenden, Fähigkeiten teilen, agentengeschriebene Codes überprüfen und Sicherheitsvorkehrungen einhalten.
• Zuverlässigkeit, Beobachtbarkeit und Kosten: Überwachung, Alarmierung und Datenqualitätsprüfungen aufbauen, die Probleme erkennen, bevor sie downstream-Produkte erreichen, und die Cloud-Kosten sichtbar und unter Kontrolle halten.
• Führen und multiplizieren: Architekturentscheidungen über Teams hinweg vorantreiben, den Standard durch Design- und Code-Reviews erhöhen und Senior-, Mid- und Junior-Ingenieure betreuen.

Anforderungen:

• Wir suchen einen Builder: 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 signifikanter Zeit auf Senior- oder Staff-Ebene mit plattformweiter Reichweite – und immer noch praktisch tätig.
• Lakehouse- und Datenbankdesign: Tiefe 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 aufgebaut und betrieben (z.B. Spark, Glue, Step Functions, Airflow oder Dagster), einschließlich Backfills, Fehlerwiederherstellung und Datenqualitätsprüfungen.
• Daten-Mesh & Datenkatalog: Praktische Erfahrung mit Datenkatalogen und Metadaten (z.B. DataHub, OpenMetadata, AWS Sagemaker Catalog, Glue Data Catalog, Unity Catalog), Herkunft, Datenverträgen oder Datenprodukten – oder ein starkes, nachweisbares Interesse am Daten-Mesh, unterstützt durch angrenzende Erfahrungen.
• Agentisches Engineering: Sie arbeiten täglich mit KI-Coding-Agenten und nutzen deren Vorteile, und Sie haben LLM-Agenten, MCP-Server oder Werkzeuge auf Daten-Systemen gebaut (oder sind bereit, dies zu tun).
• Software Engineering & 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-Coding-Agenten. 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 benötigen, um erfolgreich zu sein
• Gehaltsbereich (jährliche Zielverdienste) 90.000 - 105.000 Euro (OTE)
• Arbeitsmodell Hybrid
• Gewünschtes Startdatum Januar 2027