Staff Incident Manager

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Anwendungen und nächsten Schritte verwaltet. Unser Partner sucht einen Staff Incident Manager mit Sitz in Österreich.

Als Staff Incident Manager werden Sie die End-to-End-Reaktion auf kritische Produktionsvorfälle leiten, um eine schnelle Lösung zu gewährleisten und gleichzeitig die langfristige betriebliche Resilienz zu stärken. Sie koordinieren funktionsübergreifende Engineering-Teams während hochgradig wirkungsvoller Ereignisse, etablieren Best Practices für das Incident Management und verbessern kontinuierlich die Zuverlässigkeitsprozesse. In einer remote, global verteilten Umgebung treiben Sie die betriebliche Exzellenz durch strukturierte Kommunikation, messbare Leistungsverbesserungen und fehlerfreie Nachbesprechungen voran. Diese Rolle kombiniert technisches Verständnis, Führung und strategisches Denken, um hochverfügbare, geschäftskritische Systeme zu unterstützen, die Kunden weltweit dienen.

Verantwortlichkeiten

• Leitung des End-to-End-Managements von großen und kritischen Produktionsvorfällen, Koordination der Stakeholder von der Erkennung bis zur Lösung unter Gewährleistung einer strukturierten Entscheidungsfindung und rechtzeitigen Eskalation.
• Verbesserung der betrieblichen Zuverlässigkeit durch Reduzierung wichtiger Kennzahlen wie Mean Time to Detect (MTTD), Mean Time to Engage und Mean Time to Recover (MTTR).
• Management und Optimierung des Bereitschaftsprogramms, einschließlich Rotationen, Eskalationsrichtlinien, Alarmqualität und Paging-Prozesse zur Verbesserung der Effektivität der Ingenieure und zur Reduzierung der Alarmermüdung.
• Koordination klarer und zeitnaher Kommunikation während Vorfällen, einschließlich interner Stakeholder-Updates und kundenorientierter Statuskommunikation in Zusammenarbeit mit Support-Teams.
• Durchführung fehlerfreier Nachbesprechungen, um sicherzustellen, dass umsetzbare Follow-up-Punkte dokumentiert, zugewiesen und abgeschlossen werden, um wiederkehrende Vorfälle zu verhindern.
• Übersetzung wiederkehrender betrieblicher Probleme in langfristige Zuverlässigkeitsinitiativen durch Zusammenarbeit mit Engineering-Teams bei der Planung von Roadmaps.
• Definition und Pflege von Standards für das Incident Management, einschließlich Schweregradrahmen, Betriebsverfahren, Reaktionshandbücher und Governance.
• Überwachung und Berichterstattung über Vorfallstrends, Servicezuverlässigkeit, SLA- und SLO-Leistung sowie betriebliche Gesundheit an die Engineering-Leitung.

Anforderungen

• 7+ Jahre Erfahrung im Incident Management, Site Reliability, Produktionsbetrieb oder einer verwandten technischen Rolle, die kundenorientierte Systeme unterstützt.
• Nachweisliche Erfahrung in der Leitung von Major Incident Response in Produktionsumgebungen, idealerweise als Incident Commander oder innerhalb einer dedizierten Incident Management-Funktion.
• Starkes Verständnis von verteilten Systemen, cloud-nativer Infrastruktur und modernen Produktionsbetrieben.
• Erfahrung in der Gestaltung oder Weiterentwicklung von Incident Management-Rahmenwerken, einschließlich Schweregradmodellen, Runbooks, Bereitschaftsprogrammen und Betriebsprozessen.
• Praktische Vertrautheit mit Observability-Plattformen, die Monitoring, Logging, Tracing, Alerting und Incident Response abdecken; Erfahrung mit Datadog wird stark bevorzugt.
• Erfahrung mit Incident Management- und Paging-Plattformen wie PagerDuty, OpsGenie oder ähnlichen Tools sowie Lösungen für Statusseiten.
• Nachgewiesene Fähigkeit, fehlerfreie Nachbesprechungen durchzuführen, die bedeutende betriebliche Verbesserungen vorantreiben.
• Exzellente schriftliche und mündliche Kommunikationsfähigkeiten, mit der Fähigkeit, effektiv in Hochdrucksituationen zu kommunizieren.
• Starke Führungs-, Organisations- und Entscheidungsfähigkeiten, mit der Fähigkeit, mehrere technische Teams während kritischer Ereignisse zu koordinieren.
• Fortgeschrittene Englischkenntnisse sind erforderlich.
• Vertrautheit mit PCI-DSS, SRE-Praktiken, Fehlerbudgets, SLO-gesteuerten Operationen, Zahlungen, Fintech oder anderen stark regulierten Branchen wird als Vorteil angesehen.
• Geschäftsenglischkenntnisse und Erfahrung in der Unterstützung global verteilter Engineering-Organisationen sind von Vorteil, aber nicht zwingend erforderlich.
• Bereitschaft zur Teilnahme an einem Bereitschaftsdienst und zur Reaktion auf kritische Vorfälle außerhalb der regulären Arbeitszeiten.

Vorteile

• Wettbewerbsfähiges Vergütungspaket.
• Vollständig remote Arbeit mit der Flexibilität, von überall aus zu arbeiten.
• Einmalige Home-Office-Zulage zur Einrichtung eines produktiven Remote-Arbeitsplatzes.
• Vom Unternehmen bereitgestellte Arbeitsgeräte.
• Aktienoptionen.
• Umfassende Krankenversicherung.
• Flexible bezahlte Freizeit.
• Berufliche Entwicklungsmöglichkeiten, einschließlich Sprach-, Technik- und persönlicher Wachstumsprogramme.
• Gelegenheit, innerhalb einer global verteilten Engineering-Organisation zu arbeiten, die sich auf Innovation, Zuverlässigkeit und betriebliche Exzellenz konzentriert.