Data Engineer (m/w/d)

Über uns: HyPlus ist Dein Wegbegleiter im digitalen Wandel. Gemeinsam mit unseren Kund:innen entwickeln wir strukturiert, partnerschaftlich und mit klarem Fokus auf nachhaltigen Mehrwert, deren digitale DNA. Wir begleiten Unternehmen von der Anforderungsanalyse über Architektur, Softwareentwicklung und Implementierung bis hin zum Betrieb. Mit rund 800 Kolleg:innen in Deutschland, Polen, Litauen, Rumänien und Indien verbinden wir technologische Exzellenz mit Branchenkompetenz in Automotive, Handel, Banken & Versicherungen sowie dem öffentlichen Sektor. Wir begrüßen Bewerberinnen und Bewerber, die sich bereits mit modernen KI-gestützten Entwicklungstools und generativer KI beschäftigen oder Interesse daran haben, diese sinnvoll in ihren Arbeitsalltag zu integrieren. Den reflektierten Einsatz von KI sehen wir als wertvolle Ergänzung zu technischem Know-how und eigenständigem Denken. Als Data Engineer bringst du Datenlösungen eigenverantwortlich zum Laufen: Du entwickelst Pipelines und Datenmodelle innerhalb etablierter Plattformarchitekturen, betreust sie im Betrieb und verbesserst sie kontinuierlich. Architekturfragen entscheidest du nicht allein, du bringst dich aber mit eigenen Vorschlägen aktiv ein und übernimmst Schritt für Schritt Verantwortung für eigene Themenbereiche wie Datenqualität, Orchestrierung oder DataOps. Entwicklung, Test und Betrieb von ETL-/ELT-Pipelines für Batch- und Streaming-Verarbeitung, z. B. mit Python, SQL, Spark, dbt oder Airflow Umsetzung und Weiterentwicklung von Datenmodellen in bestehenden Lakehouse- und Data-Warehouse-Architekturen, z. B. auf Basis von Star-Schema, Normalformen oder Data Vault Anbindung und Harmonisierung von Quellsystemen – etwa relationale Datenbanken, REST-APIs, Event-Streams oder ERP-Systeme Entwicklung wiederverwendbarer Transformations- und Reporting-Layer für Analytics- und KI-Anwendungsfälle Sicherstellung von Datenqualität durch Validierungsregeln, Reconciliation-Prozesse und Root-Cause-Analysen bei Auffälligkeiten Orchestrierung, Scheduling und Monitoring von Datenlösungen im laufenden Betrieb – in Cloud- wie in On-Premise- und Hybridumgebungen Analyse und Optimierung von Queries, Datenmodellen und Workloads mit Blick auf Laufzeit und Kosten Mitarbeit an Architekturentscheidungen und Lösungsdesigns im Team sowie konstruktives Hinterfragen bestehender Entwürfe Bereitstellung qualitativ hochwertiger, KI-fähiger Datensätze und Abstimmung von Schnittstellen mit KI- und Backend-Teams Einsatz KI-gestützter Werkzeuge und generativer KI zur Unterstützung von Entwicklung, Dokumentation, Tests und Qualitätssicherung Weiterentwicklung von CI/CD- und DataOps-Praktiken, Versionskontrolle mit Git sowie Dokumentation von Datenmodellen und Transformationslogik Zusammenarbeit mit Kund:innen, Fachbereichen und interdisziplinären agilen Teams, inklusive Prototyping und Anforderungsklärung Schrittweise Übernahme von Verantwortung, beispielsweise in den Bereichen Governance, Security, Observability oder Code-Qualität Unterstützung von Junior-Kolleg:innen im Tagesgeschäft und Teilnahme an Code-Reviews Abgeschlossenes Studium im IT- oder MINT-nahen Umfeld oder eine vergleichbare Qualifikation Ca. 3–5 Jahre praktische Erfahrung im Data Engineering, Data Warehousing oder im Betrieb von Datenplattformen Gute Kenntnisse in SQL sowie in mindestens einer Programmiersprache im Data-Umfeld, idealerweise Python Praktische Erfahrung mit mindestens einer Cloud- oder Datenplattform, z. B. Azure, AWS, GCP, Databricks, Snowflake oder Microsoft Fabric Erfahrung mit Werkzeugen des Modern Data Stack und der Orchestrierung, z. B. dbt, Spark oder Airflow Solides Verständnis von Datenmodellierung, Datenintegration sowie ETL-/ELT- und Streaming-Verfahren Erfahrung in Datenqualität, Monitoring und im Umgang mit Governance- und Security-Anforderungen Sicherer Umgang mit Git, CI/CD und automatisierten Tests Offenheit für den reflektierten Einsatz KI-gestützter Werkzeuge im Engineering-K