Data Quality & Benchmarking Engineer

Data Quality & Benchmarking Engineer

Darmstadt Vollzeit 60000 - 80000 € / Jahr (geschätzt) Homeoffice (teilweise)
C

Auf einen Blick

  • Aufgaben: Stelle sicher, dass unsere Datenprodukte höchste Qualität haben und teste innovative Features.
  • Unternehmen: COMPREDICT, ein innovatives Unternehmen im Bereich softwaredefinierte Fahrzeuge.
  • Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und die Möglichkeit, an spannenden Projekten zu arbeiten.
  • Weitere Informationen: Vielfältiges Team aus über 50 Mitgliedern aus 10 Nationen.
  • Warum dieser Job: Werde Teil eines dynamischen Teams und gestalte die Zukunft der Mobilität mit.
  • Qualifikationen: Mindestens 2 Jahre Erfahrung in Qualitätssicherung oder Testengineering.

Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.

Wir suchen einen Data Quality & Benchmarking Engineer, um den Qualitätsprozess unseres DataPilot-Produkts und verwandter Daten-/ML-Plattformkomponenten zu stärken. Diese Rolle ist im Entwicklungsteam eingebettet und verantwortlich dafür, dass Funktionen frühzeitig validiert, gegen realistische Datensätze getestet, ordnungsgemäß benchmarked und mit den Produktanforderungen sowie technischen Designs in Einklang gebracht werden, bevor sie die endgültige Produktakzeptanz erreichen. Die Mission besteht nicht nur darin, Fehler am Ende des Entwicklungszyklus zu finden, sondern auch darin, zu verbessern, wie wir Qualität während des gesamten Entwicklungsprozesses definieren, überprüfen, messen und freigeben.

Sie werden uns helfen, die Lücke zwischen Produktanforderungen, technischem Design und endgültiger Implementierung zu schließen, indem Sie strukturierte Validierungen, datensatzbasierte Regressionstests, Benchmarking-Praktiken und exploratives Testen für Szenarien einführen, die nicht vollständig automatisiert werden können.

Verantwortlichkeiten

  • Überprüfung von Produktanforderungen, technischen Designs und Akzeptanzkriterien vor und während der Implementierung.
  • Übersetzung von PRDs und technischen Designs in klare Validierungsszenarien, Randfälle und Testpläne.
  • Überprüfung, ob implementierte Funktionen dem vereinbarten Produktverhalten und technischen Design entsprechen.
  • Definition und Pflege von Testdatensätzen für unsere Plattformen, einschließlich Goldstandards, fehlerhaften Datensätzen, großen Datensätzen, Randfall-Datensätzen und Regression-Datensätzen.
  • Validierung des Datenverhaltens, der Datenqualitätsprüfungen, der Labeling-Flows, der Korrekturflüsse, der Exporte und der benutzerseitigen Ergebnisse.
  • Entwurf und Ausführung von Benchmark-Szenarien für unsere Zeitreihenplattform-Funktionen und Kubeflow-Pipelines.
  • Messung von Laufzeit, Speicherverbrauch, Durchsatz, Skalierbarkeitsgrenzen, Fehlverhalten und Regressionen zwischen Releases.
  • Durchführung von explorativen Tests für komplexe Benutzerflüsse, realistische Datenszenarien und Fälle, die schwer oder ineffizient zu automatisieren sind.
  • Identifizierung, welche Validierungsprüfungen automatisierte Tests werden sollten, und Zusammenarbeit mit Entwicklern zu deren Implementierung.
  • Unterstützung von Freigabentscheidungen durch Bereitstellung klarer Qualitätsbefunde, Benchmark-Ergebnisse und Risikobewertungen.
  • Enge Zusammenarbeit mit Produkt-, Backend-, Frontend-, Daten-, MLOps- und Plattformingenieuren zur Verbesserung des gesamten Qualitätsprozesses.
  • Hilfe bei der Definition und Verbesserung der Definition of Done, des Engineering-Akzeptanzprozesses und der Qualitätsgates.
  • Dokumentation von Testszenarien, Datensatzannahmen, Benchmark-Ergebnissen und bekannten Einschränkungen.

Was Erfolg bedeutet

  • Das Produkt erhält Funktionen, die bereits gegen das PRD und das Design validiert wurden.
  • Weniger Probleme werden spät während der Produktakzeptanz entdeckt.
  • DataPilot hat einen strukturierten Katalog von Testdatensätzen und Regression-Szenarien.
  • Benchmark-Ergebnisse sind für wichtige Funktionen und Pipeline-Änderungen verfügbar.
  • Leistungs- oder Datenqualitätsregressionen werden vor der Veröffentlichung erkannt.
  • Entwickler erhalten frühere Rückmeldungen während der Implementierung.
  • Qualität wird zu einer gemeinsamen Ingenieurpraxis, nicht zu einem letzten Übergabeschritt.

Was diese Rolle nicht ist

Dies ist keine traditionelle QA-Rolle am Ende des Prozesses, bei der die Hauptverantwortung darin besteht, fertige Funktionen nach Abschluss der Entwicklung zu testen. Diese Rolle beschränkt sich auch nicht auf das Klicken durch UI-Flows oder das Ausführen vordefinierter Testfälle. Die Rolle ist Teil des Ingenieurprozesses und konzentriert sich auf frühe Validierung, Datenqualitätsüberprüfung, Regressionstests, Benchmarking und Freigabesicherheit.

Ihr Profil

Wir suchen jemanden mit einigen Jahren praktischer Erfahrung in Softwarequalität, Testengineering, Datenvalidierung oder Testing von Datenplattformen. Jemanden, der wie ein Ingenieur denkt und nicht nur als Tester. Der ideale Kandidat hat Erfahrung über manuelles Testen hinaus und fühlt sich wohl dabei, eng mit Ingenieurteams zusammenzuarbeiten, technische Designs zu lesen, Datenflüsse zu verstehen und praktische Validierungsstrategien zu entwickeln.

Sie sollten haben:

  • 2+ Jahre Erfahrung in Qualitätsengineering, Testengineering, Datenengineering-Testing, SDET oder einer ähnlichen Rolle.
  • Erfahrung im Testen komplexer Softwaresysteme, vorzugsweise mit Datenverarbeitung, Backend-Services, APIs, Pipelines oder Plattform-Workflows.
  • Starke Fähigkeit, Produktanforderungen zu verstehen und in konkrete Testszenarien umzuwandeln.
  • Erfahrung mit Testdesign, explorativem Testen, Regressionstests und Validierung von Akzeptanzkriterien.
  • Praktische Erfahrung mit Python-basiertem Testen oder Skripting.
  • Erfahrung im Umgang mit Datensätzen, strukturierten Daten, Protokollen, Ausgaben oder Datenqualitätsvalidierung.
  • Vertrautheit mit CI/CD-Workflows und modernen Entwicklungsprozessen.
  • Fähigkeit, Ergebnisse klar an Entwickler, Produktmanager und technische Leiter zu kommunizieren.
  • Eine strukturierte Denkweise und die Fähigkeit, wiederholbare Qualitätsprozesse von Grund auf zu definieren.

Technische Fähigkeiten

Relevante Erfahrungen können Folgendes umfassen:

  • Python und pytest oder ähnliche Testframeworks
  • REST API-Tests
  • Grundlegendes Verständnis von CI/CD-Pipelines
  • Grundlegendes Verständnis von Docker oder containerisierten Umgebungen
  • Beobachtungswerkzeuge, Protokolle, Metriken oder Dashboards

Die folgenden sind Bonus:

  • Grundlegendes Verständnis von Daten-/ML-Pipelines
  • Leistungsbenchmarking von Zeitreihendatenverarbeitung

Über uns

COMPREDICT treibt den Paradigmenwechsel hin zu softwaredefinierten Fahrzeugen voran und bietet Lösungen der nächsten Generation für nachhaltige Mobilität. Gegründet 2016 in Darmstadt, Deutschland, von Dr. Rafael Fietzek und Dr. Stéphane Foulard, liegt unser Fokus auf der Entwicklung virtueller Sensoren für Mobilität zur Optimierung von Fahrzeugdesign, Nutzung und Wartung. Wir arbeiten mit Automobilherstellern und Tier1-Unternehmen weltweit zusammen und bedienen diese. Mit einem vielfältigen Team von über 50 Mitgliedern aus 10 verschiedenen Nationen befinden wir uns auf einer spannenden Wachstums- und Innovationsreise.

Data Quality & Benchmarking Engineer Arbeitgeber: COMPREDICT GmbH

COMPREDICT ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld zu arbeiten, das sich auf nachhaltige Mobilität konzentriert. Mit einem starken Fokus auf Teamarbeit und persönlicher Entwicklung fördern wir eine offene und unterstützende Unternehmenskultur, in der jeder Mitarbeiter die Chance hat, seine Fähigkeiten weiterzuentwickeln und aktiv zur Verbesserung unserer Produkte beizutragen. Unsere Lage in Darmstadt, einer Stadt mit hoher Lebensqualität und einem pulsierenden Technologie-Ökosystem, bietet zudem einzigartige Vorteile für unsere Mitarbeiter.

C

Kontaktdaten:

COMPREDICT GmbH Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Data Quality & Benchmarking Engineer erhalten könnten

Wende dich an die richtigen Communities

Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.

Präsentiere deine Daten-Projekte

Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!

Nimm an Meetups und Hackathons teil

Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.

Direkte Bewerbungen über unsere Seite

Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei COMPREDICT GmbH zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Data Quality & Benchmarking Engineer mit Bravour zu bestehen

Datenvalidierung
Testdesign
Exploratives Testen
Regressionstests
Akzeptanzkriterienvalidierung
Python-basierte Tests oder Skripting
REST API Testing

Einige Tipps für deine Bewerbung 🫡

Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.

Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!

Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!

Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Quality & Benchmarking Engineer bei COMPREDICT GmbH gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei COMPREDICT GmbH vorbereitet

Bereite deine technischen Skills vor

In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!

Verschaffe dir einen Überblick über Projekte

Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!

Vorbereitung auf case studies

In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!

Zeige deine Leidenschaft für Daten

Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für COMPREDICT GmbH entscheidend sein!