Über Lufinity AI
Wir freuen uns, mit einem führenden Anbieter von Elektrofahrzeugen und Plug-in-Hybrid-Elektrofahrzeugen (PHEV) in Deutschland zusammenzuarbeiten. Das Unternehmen ist auf dem europäischen Markt stark vertreten und gilt als zuverlässiger Partner für innovative Ladelösungen.
Aufgaben
- Entwerfen und Implementieren robuster Datenmodelle und Transformationen, um Rohdaten in analytik- und KI-bereite Datensätze zu überführen
- Entwickeln, Optimieren und Warten von Datenmodellen, Pipelines und Transformationen zur Unterstützung von Berichterstattung, Analysen und KI-Anwendungsfällen
- Architektur und Mitwirkung an der Implementierung einer skalierbaren, modernen Datenplattform (Lakehouse oder Data Warehouse) für Echtzeit- und Nearrealtime-Datenströme
- Optimieren von ETL-/ELT-Pipelines mit Tools wie DBT, Spark und Airflow und Brückenschlagen zwischen Upstreaming-Erfassung (z.B. Kafka-basierte Systeme) und nachgelagerten Verbrauchern
- Bewerten und Integrieren neuer Technologien zur Unterstützung hybrider Monolith-Mikroservices-Architekturen und Bereitstellung von ML- und KI-Funktionen
- Aufbau und Optimierung von Echtzeit- und Streaming-Datenpipelines mit Technologien wie Kafka, Spark und Delta Live Tables
- Zusammenarbeit mit Data- und Plattformteams zur Bereitstellung von KI-/ML-Funktionen wie Feature Engineering, Modellbereitstellung und ML-Operationalisierung
Anforderungen
- Bachelor- oder Masterabschluss in Informatik, Datenanalyse oder einem verwandten Bereich (oder gleichwertige praktische Erfahrung)
- Mindestens 4 Jahre Erfahrung im Bereich Datenengineering mit Schwerpunkt auf modernen Datenarchitekturen
- Nachgewiesene Expertise beim Entwerfen, Aufbauen und Warten von Data-Lakehouse- oder Data-Warehouse-Plattformen (z.B. Delta Lake, Snowflake)
- Fundierte Erfahrung mit Cloud-Plattformen, insbesondere AWS (z.B. S3, Athena, Kafka-basierte Dienste, Terraform)
- Starker Hintergrund in Echtzeit-Streaming-Architekturen (Kafka, Spark Structured Streaming, Flink)
- Praktisches Wissen zu Werkzeugen und Praktiken der Datenverwaltung (z.B. Datenherkunft, Kataloge, Qualitätsrahmenwerke, Single Source of Truth)
- Vertrautheit mit KI-/ML-Pipelines und MLOps-Konzepten (z.B. MLflow, Feature Stores)
- Proficiency in CI/CD für Datenplattformen mit Werkzeugen wie Git, Airflow und dbt Cloud
- Umfangreiche Erfahrung mit großskaligen Datenmodellierungstechniken (Data Vault, dimensionale Modellierung, Schema-on-Read)
Angebotene Leistungen
- Gehalt: 85.000 - 105.000 EUR p.a.
- Betriebliche Altersvorsorge
- Flexible Arbeitszeiten
- Verantwortung für die Kerndatenarchitektur, Modellierungsstandards und Plattformentwicklung
- Einblicke in Echtzeit-Daten, KI-Enablement und komplexe verteilte Systeme
- Langfristige Wachstumsmöglichkeiten in einem technologiegetriebenen Unternehmen mit Fokus auf Innovation und technische Exzellenz