Operations Engineer, Baku

Wir suchen einen Operations Engineer, der technisch neugierig, detailorientiert, ein starker Kommunikator und proaktiv ist, um unserem Global Technical Operations (GTO) Team beizutreten. Der beste Kandidat wird jemand sein, der in einem schnelllebigen, hochgradig kollaborativen und außergewöhnlich dynamischen Umfeld gedeiht und begeistert ist, Produktionsprobleme auf einer globalen Plattform zu überwachen und zu untersuchen, wie wir die Erkennung und Reaktion auf Vorfälle verbessern, Trends und Muster in Produktionsdaten analysieren und zur besseren Kommunikation mit Partnern und Stakeholdern während Vorfällen beitragen können.

Starke Fehlersuchefähigkeiten, Erfahrung mit Observability-Plattformen und Skriptfähigkeiten sind unerlässlich, ebenso wie Erfahrung in SRE, DevOps, Produktionsoperationen oder NOC-Umgebungen, die hochverfügbare Plattformen unterstützen (Zahlungen, E-Commerce, SaaS oder Gaming). Die Fähigkeit, klar und effektiv in Englisch zu kommunizieren – sowohl schriftlich als auch mündlich – wird der Schlüssel zu Ihrem Erfolg in dieser Rolle sein.

Wenn Sie leidenschaftlich daran interessiert sind, kritische Systeme am Laufen zu halten und betriebliche Prozesse kontinuierlich zu verbessern, und es lieben, der Erste zu sein, der Probleme erkennt und diese für Spielentwickler und Spieler weltweit löst, würden wir uns freuen, von Ihnen zu hören!

Verantwortlichkeiten

• Als primärer Dashboard-Überwacher während Ihrer Schicht fungieren – kontinuierlich das GTO Operational Dashboard in Datadog beobachten, Anomalien erkennen, indem Signale über APM, Protokolle, Metriken, synthetische Tests und Real User Monitoring korreliert werden, und bestimmen, ob Warnungen ein Incident-Ticket rechtfertigen oder sofort untersucht werden können.
• Produktionsvorfälle triagieren und untersuchen – Incident-Tickets in JIRA Service Management erstellen, erste technische Untersuchungen mit Datadog durchführen (Traces, Protokolle, Infrastruktur- und Anwendungsmetriken), den Blast Radius und die wahrscheinlichste Root-Cause-Domain bestimmen und an das richtige Team (Product SRE, Infrastructure SRE oder Engineering) weiterleiten.
• Niedrigere Schweregrade von Vorfällen von der Erkennung bis zur Lösung eigenverantwortlich bearbeiten – diagnostizieren, Runbook-Verfahren ausführen und ohne Eskalation lösen, wo dies möglich ist.
• Bei ungelösten Vorfällen innerhalb definierter Schwellenwerte oder wenn eine Codeänderung erforderlich ist, umgehend eskalieren.
• Den TSO-Leiter während größerer Vorfälle als technische rechte Hand im War Room unterstützen – Echtzeitdaten (Fehlerquoten, Umfang der Auswirkungen, Bereitstellungshistorie, verwandte Warnungen) bereitstellen, das Incident-Ticket mit Live-Zeitstempel-Einträgen und verlinkten Beweisen pflegen und Mitigationsmaßnahmen nach Anweisung ausführen.
• Incident-Kommunikationen unter der Leitung des TSO-Leiters entwerfen, einschließlich interner Slack-Updates, Benachrichtigungen an Stakeholder und kundenorientierte Statusseiten-Updates (status.xsolla.com).
• Klare, zeitnahe Kommunikation während des gesamten Vorfallzyklus unterstützen.
• Während nicht-incident Phasen Vorfallstrends, wiederkehrende Probleme und Produktionsfehler analysieren – Daten aus Datadog, JIRA und Slack zusammenstellen, Muster identifizieren und Ergebnisse zu regelmäßigen Berichten für Produkt- und Engineering-Teams beitragen.
• Vorfallzeitlinien zusammenstellen und erste PIR-Dokumente zur Vorbereitung auf die Nachbesprechung entwerfen.
• PIR-Aktionspunkte nach der Sitzung verfolgen und überfällige Punkte an den TSO-Leiter melden.
• Betriebliche Automatisierung aufbauen und pflegen (Alarmanreicherungs-Skripte, Incident-Vorlagen, Slack-Workflows, Dashboard-Widgets) und zur Entwicklung von Runbooks beitragen – neue Lösungsverfahren dokumentieren, damit sie von jedem Operations Engineer in jeder Schicht wiederholt werden können.
• Strukturierte Schichtübergaben durchführen, die aktive Vorfälle, gefährdete Dienste, bevorstehende Bereitstellungen und Follow-up-Punkte abdecken.
• An Wissensaustauschsitzungen mit SREs teilnehmen, um die unabhängige Problemlösungsfähigkeit kontinuierlich zu erweitern.
• Den TSO-Leiter während Urlaubszeiten, Abwesenheiten oder Notfällen vertreten – einschließlich Schweregradklassifizierung, Eskalationsentscheidungen, Stakeholder-Kommunikation und grundlegenden Funktionen des Incident Commanders.
• Gesundheitsberichte kritischer Apps regelmäßig veröffentlichen.

Qualifikationen und Fähigkeiten

• 4+ Jahre Erfahrung in SRE, DevOps, Produktionsoperationen, NOC oder technischen Operationen in einer hochverfügbaren Umgebung.
• Erfahrung mit Plattformen, die Zahlungen, E-Commerce, SaaS oder Gaming-Workloads verarbeiten, ist bevorzugt.
• Starke Fehlersuche- und Untersuchungskompetenzen – Fähigkeit, eine Warnung oder ein vom Benutzer gemeldetes Symptom zu nehmen und methodisch durch den Stack zu verfolgen: Anwendungsprotokolle, APM-Traces, Infrastrukturmetriken, Datenbankabfragen und Netzwerkpfade.
• Praktische Erfahrung mit Datadog (oder einer gleichwertigen Observability-Plattform: Grafana, Splunk, New Relic, Elastic) – Navigation in APM, Erstellung von Protokollabfragen, Lesen von Infrastruktur-Dashboards, Interpretation von SLO-Burn-Raten und Konfiguration von Monitoren und Warnungen.
• Beherrschung mindestens einer Skriptsprache: Python, Go oder Bash. Sie werden Automatisierungsskripte schreiben, betriebliche Werkzeuge erstellen und mit APIs arbeiten.
• Klare schriftliche und mündliche Kommunikationsfähigkeiten in Englisch – Fähigkeit, Incident-Tickets, Untersuchungsnotizen, Slack-Updates, Schichtübergabereports, Statusseitenkommunikationen und PIR-Entwürfe zu schreiben, die klar, prägnant und nützlich für technische und nicht-technische Zielgruppen sind.
• Grundkenntnisse in Kubernetes und Cloud-Infrastruktur (GCP bevorzugt, AWS/Azure akzeptabel) – Verständnis von Pods, Bereitstellungen, Diensten, Ingress, Knoten-Gesundheit und wie man Kubernetes-bezogene Produktionsprobleme untersucht.
• Verständnis von SLOs, Fehlerbudgets und Burn-Rate-Warnungen – Wissen, was eine Multi-Window-Burn-Rate-Warnung bedeutet, wie Fehlerbudgets aufgebraucht werden und wie SLO-Verletzungen in die Schwere von Vorfällen übersetzt werden.
• Erfahrung mit Incident-Management-Tools: JIRA oder JIRA Service Management, PagerDuty oder OpsGenie, Slack und Confluence.
• Erfahrung mit oder starkes Interesse an KI/ML-unterstützten Operationen: Anomalieerkennung, Alarm-Korrelation, prädiktive Überwachung oder automatisierte Behebung.
• Komfort mit 24x7-Schichtbetrieb im Rahmen eines Follow-the-Sun-Modells mit Übergabeüberlappungen. Wochenendbereitschaft (rotierend) ist erforderlich.

Nice to Have

• Erfahrung in der Gaming-, Zahlungs- oder Fintech-Branche – insbesondere in Umgebungen, in denen Transaktionsverarbeitung, Checkout-Flows oder spielerorientierte Dienste strenge Uptime-Anforderungen erfüllen müssen.
• Vertrautheit mit dem Datadog Service Catalog, synthetischem Monitoring und RUM; Kenntnisse in Datenbankoperationen (MySQL, PostgreSQL, Redis, Kafka); und Erfahrung mit CI/CD-Pipelines und Bereitstellungstools (GitLab CI, ArgoCD, Helm).
• Erfahrung in der Verwaltung von JIRA Service Management (Workflows, Automatisierungsregeln, SLA-Timer) oder ITIL Foundation-Zertifizierung – praktische Erfahrung ist wichtiger als Zertifikate.

Die Aufgaben und Verantwortlichkeiten dieser Position können sich im Laufe der Zeit weiterentwickeln, um die Ziele der Organisation und das individuelle Wachstum zu unterstützen. Diese Stellenbeschreibung soll die allgemeine Art und das Niveau der geleisteten Arbeit umreißen und ist nicht als erschöpfende Liste aller erforderlichen Aufgaben, Verantwortlichkeiten und Qualifikationen gedacht.

Durch die Einreichung Ihrer Bewerbung stimmen Sie zu, dass Xsolla Hintergrundprüfungen durchführt, wo gesetzlich zulässig, nach der letzten Interviewphase. Alle Prüfungen erfolgen gemäß den lokalen Vorschriften, und Ihre Informationen werden vertraulich behandelt. Xsolla nimmt Ihre Privatsphäre ernst und wird keine persönlichen Daten, die während des Einstellungsprozesses erhalten wurden, verkaufen oder extern verbreiten. In Übereinstimmung mit den geltenden Datenschutzgesetzen verpflichtet sich Xsolla, Ihre persönlichen Informationen zu schützen und Ihre Privatsphäre zu respektieren. Bei Fragen zum Datenschutz wenden Sie sich bitte an: careers@xsolla.com

Für weitere Stellenangebote: Careers | Xsolla