Senior Backend/Data Engineer (Python · GCP · Vertex AI) (Remote, PH based only)

Wir suchen einen hochqualifizierten Senior Backend / Data Engineer (Python · GCP · Vertex AI), der an pi-sentiment arbeitet – einer bestehenden, auf Python basierenden Sentiment-Analyse- und Social-Daten-Pipeline auf Google Cloud für einen remote in Europa ansässigen Kunden. Für diese Rolle verarbeiten wir nur Kandidaten, die auf den Philippinen ansässig sind und eine rechtliche Erlaubnis haben, dort zu arbeiten.

Über den OTA-Kunden
Sie entwickeln Analysetools für Kreatoren, Influencer und Vermarkter. Sie ziehen Daten von Instagram, TikTok, Facebook, LinkedIn, X/Twitter und YouTube, führen KI-gestützte Sentiment- und Schlüsselwortanalysen durch und stellen diese über Dashboards den Nutzern zur Verfügung. Kleines Team, echte Nutzer, echte Einnahmen.

Die Rolle
Dies ist keine Greenfield-Rolle. Der Code, die Muster, Komponenten und die Infrastruktur sind bereits vorhanden. Ihre Arbeit wird darin bestehen, bestehende Funktionen zu erweitern, Fehler zu beheben und Lücken zu schließen – nicht Systeme von Grund auf neu zu entwerfen. Wir benötigen jemanden, der sich in einen unbekannten Code einarbeiten kann, herausfindet, wie er funktioniert, indem er den Code liest, und innerhalb der ersten zwei Wochen mit dem Versenden beginnen kann. Sie werden eng mit unserem Senior Frontend Engineer zusammenarbeiten – Schemaänderungen, API-Verträge und Supabase-Tabellen versenden, die sie konsumieren – daher müssen Sie in der Lage sein, einen Next.js/TypeScript-Code zu lesen und zu verstehen, wie Ihre Daten im Produkt angezeigt werden.

Wie wir arbeiten
Autonomie ist der Standard. Wir weisen Ihnen ein Problem zu und erwarten, dass Sie es von Anfang bis Ende übernehmen. Wir weisen keine Aufgaben Schritt für Schritt zu.
- Proaktive Kommunikation ist nicht verhandelbar. Wenn Sie feststecken, sagen Sie es sofort – gehen Sie nicht stillschweigend. Ein PO und ein anderer Ingenieur stehen für Fragen zur Verfügung, und wir erwarten, dass Sie sie nutzen.

Was Sie tun werden
Hauptverantwortlichkeiten

• Erweiterung der Sentiment-Pipeline: Arbeiten Sie innerhalb des bestehenden End-to-End-Flusses – Supabase RPC, Daten-Scraping-Ingestion, BigQuery, Vertex AI Batch, sentiment_predictions – Funktionen hinzufügen und Fehler beheben, ohne das, was funktioniert, zu brechen.
• Hinzufügen und Pflegen von Plattformintegrationen: Erweiterung bestehender Apify-basierter Adapter über Instagram, TikTok, Facebook, YouTube, LinkedIn, X/Twitter – Authentifizierung, Ratenlimits, Schemaabweichungen und Backfills behandeln.
• Cloud Run-Jobs versenden: Containerisierte Python-Jobs modifizieren und hinzufügen, die bestehenden Mustern folgen – SIGTERM-Behandlung, strukturierte Protokollierung, idempotente Wiederholungen.
• Datenverträge weiterentwickeln: BigQuery-Schemas und Supabase-Tabellen/RPCs ändern, ohne das Frontend zu brechen; Migrationen mit dem Frontend-Ingenieur koordinieren.
• Modelle und Eingabeaufforderungen optimieren: Iteration über strukturierte Ausgaben von Gemini (Pydantic-Schemas, Enums), um die Genauigkeit der Sentiment- und Schlüsselwortextraktion über Sprachen und Plattformen hinweg zu gewährleisten.
• Benchmarking und Evaluierung: Verwenden Sie die vorhandene Benchmarking-Suite, um Modellkonfigurationen hinsichtlich Kosten, Latenz und Qualität zu vergleichen.
• Tests schreiben: pytest-Abdeckung für Ihre Änderungen hinzufügen – Unit-, Integrations-, E2E-Tests, wo erforderlich.

Was wir suchen
Erforderlich

• Starkes Python in der Produktion: Typ-Hinweise, Pydantic, pytest, saubere Modulgrenzen. Jahre zählen weniger als Beweise – zeigen Sie uns den Code, den Sie versendet haben.
• GCP unter Last: Cloud Run, BigQuery, Cloud Storage. Sie haben es betrieben, nicht nur prototypisiert.
• SQL, das die Überprüfung übersteht: komplexe BigQuery- oder Postgres-Abfragen – Fensterfunktionen, Partitionierung, Abfrageoptimierung.
• LLM-Integration in der Produktion: Sie haben ein Feature, das von Vertex AI, OpenAI oder Anthropic unterstützt wird, versendet und wissen, wie sich strukturierte Ausgaben und Eingabeaufforderungsregressionen anfühlen.
• Cross-Stack-Literacy: Sie können einen Next.js / TypeScript PR lesen, verstehen, welche Daten benötigt werden, und den Vertrag mit unserem Frontend-Ingenieur gemeinsam entwerfen. React schreiben ist nicht erforderlich.
• Proaktiver Operator: Sie treiben Ihre eigene Arbeit voran, kennzeichnen Blockaden schnell und warten nicht darauf, zugewiesen zu werden.

Bevorzugt

• Vertex AI Gemini speziell (Batch-Vorhersage, strukturierte JSON-Ausgabe mit Enums).
• Supabase / PostgreSQL mit RLS, RPCs, Migrationen, Multi-Tenant-Mustern.
• Apify oder ähnliche Ingestionsplattformen für soziale Daten.
• Datenpipeline-Tiefe: idempotente Backfills, Schema-Evolution, Kostenengineering (BigQuery-Slots, Batch vs. online).
• Docker (Multi-Stage, schlank) mit Cloud Run-Parität.
• Observability, die nicht print() ist – strukturierte Protokollierung, Cloud Logging, Sentry.
• GitHub Actions für CI/CD.
• Multilinguale NLP-Erfahrung (unsere Kommentare umfassen viele Sprachen).
• Terraform / IaC für GCP.

Diese Rolle ist nicht geeignet, wenn...
Lesen Sie diesen Abschnitt sorgfältig. Wenn eines dieser Merkmale auf Sie zutrifft, bewerben Sie sich bitte nicht – Sie werden unglücklich sein und wir auch.
- Sie benötigen detaillierte Spezifikationen für jede Aufgabe. Wir geben Ihnen ein Problem und einen Code. Herauszufinden, wie es geht, ist die Aufgabe.
- Sie warten darauf, dass man sich nach Ihnen erkundigt. Niemand wird Ihnen jeden Morgen eine DM senden, um zu fragen, wie es Ihnen geht. Sie treiben Ihre eigenen Statusupdates voran, kennzeichnen Verzögerungen frühzeitig und bitten um Überprüfung, wenn Sie bereit sind.
- Sie werden still, wenn Sie blockiert sind. Wenn Sie mehr als ein paar Stunden feststecken und nichts gesagt haben, ist das ein Problem. Feststecken ist in Ordnung. Still sein nicht.
- Sie erwarten eine lange Einarbeitungszeit. Sie sollten in der ersten Woche kleine PRs öffnen und bis zum Ende der zweiten Woche etwas Bedeutendes versenden. Wir helfen, aber wir werden nicht Hand in Hand gehen.

Technisches Umfeld
Kerntechnologien

• Sprache: Python 3.11+ (strikte Typisierung, Pydantic v2).
• ML / LLM: Vertex AI Gemini (2.5-flash) mit strukturierter JSON-Ausgabe.
• Cloud: Google Cloud – Cloud Run Jobs, Cloud Scheduler, Cloud Storage, BigQuery, Vertex AI.
• Region: europe-west3 (EU-fokussiert).
• Daten & Speicherung: Analytics Warehouse: BigQuery (partitioniert, geclustert); Operative DB: Supabase (PostgreSQL mit RLS) – geteilt mit dem Frontend; Ingestion: Apify (15+ soziale Plattformadapter), Data365 API; Batch ML: Vertex AI Batch Prediction (JSONL in/out über GCS).

Entwicklererfahrung
Package Manager: uv / pip
Formatierung: black
Linting: flake8
Testing: pytest (Unit-, Integrations-, E2E-Tests)
Secrets: dotenvx (verschlüsselte Umgebungsdateien)
Container: Docker Cloud Run Jobs
Versionskontrolle: GitHub mit trunkbasierter Entwicklung
Überwachung: Cloud Logging, Sentry.

Wie das Frontend aussieht (damit Sie zusammenarbeiten können)
Sie werden dies nicht besitzen, aber Sie werden es lesen und Daten dafür entwerfen:
Framework: Next.js 15 (App Router) · React 19 · TypeScript (strict)
Datenebene: Supabase-Client + TanStack Query
Auth: Supabase Auth (JWT, OAuth, RLS)
Diagramme/Tabellen: Visx, TanStack Table.

Was Sie erhalten
Echte ML in der Produktion: Gemini mit realen Kosten-, Latenz- und Qualitätskompromissen – keine Prototypen.
End-to-End-Eigentum: vom Ingestion bis zur Supabase-Zeile, die das Frontend liest, der gesamte Weg gehört Ihnen.
Ein kleines Team, keine Silos: ein PO, ein Frontend-Ingenieur, Sie. Entscheidungen sind schnell, weil der Raum klein ist. Remote und asynchron. Es ist uns egal, wo Sie arbeiten oder wann, solange Sie kommunizieren und versenden. Lernbudget für Konferenzen und Kurse.

Unsere Ingenieurprinzipien
Typensicherheit zuerst: Pydantic und Typ-Hinweise fangen Fehler an der Grenze ab, nicht in der Produktion.
Kostenbewusst: Batch über online, wenn es passt; messen, bevor man skalieren kann.
Beobachtbar: Strukturierte Protokolle, Fehlerverfolgung und Metriken werden mit jedem Job versendet.
Trunk-Based Development: Kleine, häufige PRs mit Feature-Flags über langlebige Branches.

Interviewprozess
Screen (30 min): Ihr Hintergrund, was Sie versendet haben, warum diese Rolle.
Take-home (5-6 Stunden): Kleine Ingestion, BigQuery, LLM-Anreicherungsaufgabe auf GCP. KI-unterstützte Entwicklung ist in Ordnung – uns interessieren die Entscheidungen, nicht die Tastenanschläge.
Code-Durchlauf (60 min): Führen Sie uns durch Ihre Lösung. Erwarten Sie Gegenwind bei Kompromissen.
Pairing-Session (60 min): Öffnen Sie gemeinsam ein echtes pi-sentiment-Problem. Wir möchten sehen, wie Sie unbekannten Code lesen und wo Sie Fragen stellen.

Wir bewegen uns schnell für starke Kandidaten.