Data Engineer Mid-Level (m/w/d) in München

Lakehouse & Data Engineering (ca. 50%):

• Konzeption, Aufbau und Tuning performanter Pipelines auf Basis von Databricks.

• Datenmodellierung mit dbt sowie Orchestrierung robuster DAGs via Apache Airflow.

Governance & Performance:

• Etablierung automatisierter Data-Quality-Prüfungen, Data Lineage und Cluster-Optimierung.

Analytics & Data Apps (ca. 25%):

• Aufbau einer semantischen Metriken-Schicht und Self-Service-BI in Lightdash.

• Entwicklung interaktiver Analyse-Tools und Data Apps in Python (Streamlit).

Data Science & ML (ca. 25%):

• Explorative Analysen, Prototyping und Training von ML-Modellen (z. B. Prognosen, Anomalien).

MLOps & Business-Integration:

• Experiment-Tracking auf Databricks und Bereitstellung der Ergebnisse für Fachbereiche.

Berufserfahrung:

• Mindestens 2–4 Jahre Praxis im Data Engineering, Analytics Engineering oder einer vergleichbaren Rolle.

Core Engineering Stack:

• Fundierte Praxis mit Databricks (Delta Lake, Unity Catalog), dbt und Apache Airflow.

BI & Data Apps:

• Erfahrung mit Lightdash (oder Interesse an code-basierter BI) sowie mit Streamlit.

Code & Datenbanksprachen:

• Exzellentes SQL (Performance-Tuning, komplexe Joins) und sehr gutes Python (pandas, PySpark, scikit-learn).

Methodik & Best Practices:

• Routinierter Umgang mit Git / CI/CD und modernen Modellierungskonzepten (Star-Schema).

Mindset & Sprachen:

• Pragmatische Hands-on-Mentalität, starke Kommunikationsfähigkeit und sehr gutes Deutsch & Englisch.