Fullstack Engineer (Semantic / Analytics) (m/f/d)

Bei IntegrityNext bauen wir eine gemeinsame KI- und Datenplattform auf AWS auf, die auf unserer Lieferketten- und Produktkonformitätsplattform basiert. Die Plattform ermöglicht den semantischen Datenzugriff, BI, APIs und agentische Produkterlebnisse.

Verantwortlichkeiten

• Die semantische Grundlage für Datenprodukte aufbauen
• Die semantische Schicht in dbt und Snowflake semantischen Ansichten weiterentwickeln, einschließlich Geschäftseinheiten, Metriken, Dimensionen und wiederverwendbaren Datenmodellen
• KPIs, Geschäftslogik, kanonische Datendefinitionen und Standards für semantische Konsistenz zusammen mit Geschäfts- und Produktbeteiligten definieren
• Die konsistente Exposition von semantischen Datenprodukten über interne und externe Plattformfähigkeiten gestalten
• Sicherstellen, dass Geschäftseinheiten, KPIs und Metriken klar und konsistent über die Plattform definiert sind
• Kuratierten Daten für BI, APIs und KI nutzbar machen
• Kuratierten Daten für BI-Tools wie Amazon QuickSight und Apache Superset, APIs, nachgelagerte Produktanwendungen und KI-Nutzung einschließlich Snowflake Cortex AI bereitstellen
• AI-Anwendungsfälle durch Merkmalsgestaltung, Kontextstrukturierung, semantische Anreicherung und geschäftsorientierte Datenvorbereitung unterstützen
• Mit dem KI-Ingenieur zusammenarbeiten, um sicherzustellen, dass agentische Erlebnisse auf bedeutungsvollen, gut strukturierten Geschäftsdaten basieren
• Sicherstellen, dass BI, APIs und KI-Anwendungsfälle auf denselben vertrauenswürdigen semantischen Grundlagen in Snowflake basieren
• Mit zuverlässigen, aktuellen und verwalteten Daten arbeiten
• Mit nahezu Echtzeitdaten arbeiten, die von PostgreSQL über Snowflake Openflow in Snowflake geladen werden
• Sicherstellen, dass semantische Modelle aktuelle, zuverlässige Daten aus operativen Systemen widerspiegeln
• Mit Lösungsteams zu Datenverträgen, Quellensemantik und Integrationserwartungen abstimmen
• Validierungsregeln, Datenvertrauenspraktiken, Nachverfolgbarkeit und Konsistenzkontrollen definieren helfen
• Plattform-, Produkt- und Ingenieurebene übergreifend zusammenarbeiten
• Eng mit dem Data & Platform Architect und Data & Platform Engineer zusammenarbeiten, um semantische Modelle auf zuverlässigen, skalierbaren Snowflake-Grundlagen zu erstellen
• Mit Plattform-, KI-, Lösungs-, Produkt- und geschäftsorientierten Teams zusammenarbeiten
• Dem Unternehmen helfen, eine wiederverwendbare semantische Schicht aufzubauen, die mit dem zukünftigen Wachstum der Plattform skaliert
• Spezifikationsgetriebene Entwicklung, KI-unterstützte Engineering-Workflows und End-to-End-Produktionsverantwortung anwenden

Anforderungen

• Erfahrung & Fachgebiet
• Sehr starke praktische SQL-Kenntnisse und umfassendes, tiefes Datenbankwissen, einschließlich Datenmodellierung
• Starke praktische Erfahrung mit Snowflake, einschließlich Snowflake semantischer Ansichten
• Praktische Erfahrung mit dbt im großen Maßstab für Transformationen und Best Practices im Bereich Analytics Engineering
• Erfahrung mit PostgreSQL als Quelle für strukturierte Geschäftsdaten
• Erfahrung im Aufbau semantischer Schichten, wiederverwendbarer Metriken, kanonischer Datenmodelle, Analytics Engineering-Assets, KPIs, Geschäftslogik und Datendefinitionen mit Beteiligten
• Erfahrung in der Bereitstellung von Daten für BI, APIs, nachgelagerte Produktanwendungen und KI- oder Analyseverwendung
• Erfahrung in der Definition oder Unterstützung von Datenverträgen, Validierungsregeln, Standards für semantische Konsistenz, Datenqualität, Nachverfolgbarkeit und Vertrauenspraktiken
• Technische / Methodologische Fähigkeiten
• Erfahrung mit nahezu Echtzeit- oder CDC-Datenaufnahme, idealerweise Snowflake Openflow oder vergleichbaren Tools wie Fivetran, Debezium oder Kafka
• Starke Python-Kenntnisse
• Erfahrung im Aufbau von APIs und Diensten wie REST oder GraphQL
• Daten und Tools über Schnittstellen wie MCP-Server bereitstellen
• Solides Wissen über den AWS-Stack
• Erfahrung mit BI-Tools wie Amazon QuickSight, Apache Superset, Looker, Tableau, Power BI oder ähnlichen Plattformen
• Starkes Verständnis dafür, wie Daten für KI, Analytik, semantischen Zugriff und Produktnutzung strukturiert sein sollten
• Komfortabel mit strukturiertem, spezifikationsgetriebenem Delivery und KI-unterstützten Entwicklungsworkflows

Arbeitsweise & Denkweise

• Fullstack-Eigentumsmindset mit der Fähigkeit, Fähigkeiten vom Design und der Implementierung bis zu den Produktionsoperationen zu besitzen
• Starke Spezialisierung in semantischer und analytischer Technik kombiniert mit der Bereitschaft, in angrenzenden Schichten beizutragen
• Fähigkeit, geschäftliche Bedeutungen in zuverlässige, wiederverwendbare und skalierbare Datenprodukte zu übersetzen
• Starkes Qualitätsbewusstsein in Bezug auf semantische Konsistenz, Validierung, Datenvertrauen und langfristige Wartbarkeit
• Komfortabel in einer sich entwickelnden Plattformumgebung, die sich in Richtung unstrukturierter Daten und lakehouse-artiger Fähigkeiten erweitern kann

Kommunikation & Zusammenarbeit

• Fähigkeit, eng mit Plattform-, KI-, Lösungs-, Produkt- und geschäftsorientierten Teams zusammenzuarbeiten
• Starke Zusammenarbeitskompetenzen zur Abstimmung von Verträgen, Quellensemantik, KPI-Logik und Integrationserwartungen
• Klare Kommunikationsweise beim Übersetzen technischer Datenmodelle in geschäftliche Bedeutungen
• Komfortabel in der Zusammenarbeit mit Data & Platform Architecture, Data Engineering, AI Engineering und Lösungsteams
• Fließende Englischkenntnisse für eine effektive Arbeit in einem englischsprachigen Umfeld

Schön zu haben

• Einige Erfahrungen in der KI-Agententechnik, idealerweise mit Amazon Bedrock AgentCore oder Frameworks wie LangChain, LangGraph oder Deep Agents
• Einige Erfahrungen im Bereich Data Science, wie Statistik, Merkmalsengineering, Experimentierung oder maschinelles Lernen
• Erfahrung mit Snowflake Cortex AI
• Erfahrung in der Unterstützung von KI-Anwendungsfällen durch Merkmalsengineering, Kontextgestaltung oder semantische Anreicherung
• Erfahrung mit Datenqualität, Nachverfolgbarkeit und Validierungspraktiken
• Erfahrung in Multi-Team-SaaS-Umgebungen
• Erfahrung mit der Anreicherung unstrukturierter Daten oder hybriden strukturierten und unstrukturierten semantischen Modellen
• Allgemeines Verständnis von Java und/oder Frontend React

Vorteile

• Zweck & Einfluss: Eine Rolle mit echtem Sinn, die sowohl angenehm als auch wirkungsvoll ist; die Möglichkeit, durch Ihre Arbeit einen nachhaltigen Beitrag zu leisten; attraktive Vergütung als Teil eines wachsenden Unternehmens
• Attraktive Vorteile: 30 Tage bezahlter Urlaub; EGYM Wellpass-Mitgliedschaft zur Unterstützung Ihrer Work-Life-Balance; flexible Arbeitsmodelle zur besseren Balance zwischen Arbeit und Privatleben
• Moderne Arbeitsumgebung & Flexibilität: Inspirierende Büroräume im Herzen von München; flexibles Arbeiten von zu Hause oder überall in Deutschland
• Großartiges Team: Ein professionelles, einladendes und hochmotiviertes Team; Zusammenarbeit auf Augenhöhe mit einer offenen Feedbackkultur; ein Umfeld, in dem Menschen sich gegenseitig unterstützen und gemeinsam wachsen
• Flache Hierarchien & Eigentum: Kurze Entscheidungswege und echte Möglichkeiten, Dinge zu gestalten; Freiheit, eigene Ideen einzubringen und umzusetzen; ein hohes Maß an Eigenverantwortung

Wir sind ein Arbeitgeber, der Chancengleichheit bietet und diskriminieren nicht aufgrund von Rasse, Hautfarbe, Religion, Geschlecht, Geschlechtsidentität oder -ausdruck, sexueller Orientierung, nationaler Herkunft, Genetik, Behinderung, Alter oder Veteranenstatus. Wir begrüßen Bewerber aus allen Hintergründen und streben danach, ein Umfeld zu schaffen, in dem sich jeder respektiert und gehört fühlt. Schließen Sie sich uns an, um eine gerechtere und integrativere Welt aufzubauen.