This position is listed on behalf of a partner company, who manages all applications and next steps. Our partner is looking for a Data Engineer, Product based in Germany.
This role sits at the core of a high-impact data and machine learning ecosystem, powering the systems that drive user engagement, personalization, and product growth at scale. You will be responsible for building and maintaining robust data pipelines that transform large-scale datasets into reliable inputs for ML models and recommendation systems. The environment is highly collaborative, working closely with ML Engineers and product teams to shape data foundations that directly influence user experience and business performance. You will take full ownership of end-to-end data workflows, ensuring scalability, reliability, and performance across complex data systems. The team operates in a lean, high-ownership setup where engineers are expected to drive solutions from design through to production. This is a hands-on role with strong exposure to machine learning-driven product development in a fast-scaling digital marketplace.
Accountabilities:
- Design, build, and maintain scalable ETL/ELT data pipelines that transform raw data into high-quality datasets for machine learning and product use cases.
- Develop and optimize data transformation workflows supporting feature engineering for both offline model training and online inference systems.
- Collaborate closely with ML Engineers to understand data requirements and deliver reliable inputs for recommendation systems and predictive models.
- Ensure strong data quality, governance, and monitoring across all pipelines to guarantee accuracy, reliability, and consistency of datasets.
- Own data pipelines end-to-end, including design, implementation, deployment, monitoring, and continuous improvement.
- Improve performance, scalability, and efficiency of large-scale data processing systems, including batch and near real-time workloads.
- Contribute to building robust data foundations that enable experimentation, personalization, and ML-driven product innovation.
Requirements:
- 5+ years of experience in Data Engineering or a similar role within data-intensive or product-driven environments.
- Strong hands-on experience with Apache Spark and Python for large-scale data processing and transformation.
- Solid knowledge of SQL and experience designing and working with data models and transformation logic.
- Proven experience building and maintaining ETL/ELT pipelines with end-to-end ownership.
- Experience working with high-volume data systems, including batch and/or near real-time processing pipelines.
- Strong ability to collaborate with Machine Learning and product teams in ML-driven environments.
- Familiarity with Databricks is a plus.
- Experience with streaming technologies (e.g., Kafka, Flink), feature stores, or ML data workflows is highly desirable.
- Strong problem-solving mindset with attention to scalability, performance, and data reliability.
Benefits:
- Competitive salary aligned with senior data engineering market standards (€64,800–€74,400 annually referenced in original posting)
- Employee stock option program
- Performance-based bonuses and referral rewards
- Flexible remote-first working model with location autonomy
- Personal learning and professional development budget
- Additional paid leave options
- Paid volunteering opportunities
- Opportunity to work remotely while traveling
- High-growth environment focused on product innovation and ML-driven systems
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Engineer, Product 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 Jobgether zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
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 Engineer, Product bei Jobgether gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Jobgether 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 Jobgether entscheidend sein!
