Data Platform Engineer (m/w/d) (Informatiker/in (Weiterbildung))
Akkodis ist ein globales Beratungsunternehmen für Digital Engineering, das Technologie und Talente zusammenbringt, um Transformation zu beschleunigen, Innovation voranzutreiben und eine intelligentere Zukunft zu gestalten. Mit mehr als 40.000 Expert:innen in über 30 Ländern verbinden wir Branchen und Technologien miteinander - von AI und Data Analytics bis zu Cloud, Edge, Automatisierung und Cybersecurity. Deine Mission Du hast keine Lust auf 08/15-Cloud-Deployments, sondern willst echte High-Performance-Plattformen ohne Public-Cloud-Abhängigkeit aufbauen? Als Senior Data Engineer (m/w/d) konzipierst und entwickelst du innovative, hochskalierbare On-Premises- und Edge-Datenplattformen. Du bringst Batch- und Low-Latency-Streaming-Pipelines auf ein neues Level, integrierst moderne Open-Source-Technologien auf Kubernetes und treibst die Plattformautomatisierung voran Stellenbeschreibung - Plattform-Architektur & Automatisierung: Konzeption und Entwicklung einer hochperformaten On-Premises- & Edge-Datenplattform inkl. Komponenten für Orchestrierung, Deployment und GitOps. - Pipelines & Workloads: Implementierung robuster Batch- und Low-Latency-Streaming-Datenpipelines auf Kubernetes-Clustern. - Storage & Data Arch: Anbindung und Verwaltung S3-kompatibler Storage-Lösungen sowie Integration moderner Datenarchitekturen (z. B. Medallion, Kappa). - Innovation & AI-Tools: Erstellung und Validierung von Proof-of-Concepts (PoCs) - gerne unter Einsatz moderner KI-Coding-Tools (z. B. Cursor.ai). - Governance & Versionierung: Evaluierung und Integration von Datenkatalogen und Datenversionierungslösungen (z. B. Apache Iceberg). - Cross-functional Collaboration: Enge Zusammenarbeit mit Lead Architects, Infrastruktur- und Security-Teams zur kontinuierlichen Bewertung und Einbindung neuer Technologien. Profil - Fundiertes Fundament: Abgeschlossenes Studium der Informatik, Wirtschaftsinformatik oder eine vergleichbare Qualifikation. - Erfahrung: Mehrjährige Praxis im Data Engineering (Erfahrung im Data Science-Umfeld ist ein Plus). - Linux & Kubernetes: Sehr gute Kenntnisse in Kubernetes-Infrastrukturen, Container-Technologien und Linux-Umgebungen. - Code & Data Stack: - Profund in Python, Golang, SQL (MPP), Bash oder Java. - Erfahrung mit modernen Tools & Frameworks wie Apache Iceberg, Spark, Kafka, Flink, Airflow, Dagster, NATS.io, Risingwave oder S3-Storage. - Methoden: Routine in GitOps-Workflows, automatisiertem Testing sowie im schnellen PoC-Aufbau. - Mindset: Analytisch, lösungsorientiert und begeistert von unabhängigen, hochskalierbaren Data-Management-Plattformen. - Sprachen: Fließende Deutsch- und gute Englischkenntnisse in Wort und Schrift. Das i-Tüpfelchen (Nice-to-Have): - Kenntnisse in Hardware-naher Optimierung (NUMA, Core Pinning) oder Edge-Computing-Umgebungen.