Senior 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 Senior Data Engineer verantwortest du die technische Ausgestaltung von Datenplattformen bei unseren Kunden von der Architekturentscheidung über die Umsetzung bis zum stabilen Betrieb. Du bist die fachliche Ansprechperson im Projekt, triffst Technologieentscheidungen mit Weitblick und gibst dein Wissen im Team weiter. Konzeption, Aufbau und Weiterentwicklung skalierbarer Datenplattformen und -architekturen (z. B. Lakehouse, Data Warehouse, Data Mesh) in Cloud-, Hybrid- und On-Premise-Umgebungen Verantwortung für Architektur- und Technologieentscheidungen entlang des gesamten Lebenszyklus von Datenlösungen – mit Fokus auf Skalierbarkeit, Performance und Wirtschaftlichkeit Entwicklung performanter Datenmodelle (z. B. dimensionale Modellierung, Data Vault, Normalformen) sowie wiederverwendbarer semantischer und Reporting-Layer Design und Betrieb robuster ETL-/ELT-Pipelines für Batch- und Streaming-Verarbeitung (z. B. mit Python, SQL, Spark, dbt, Airflow, Kafka) Anbindung und Harmonisierung heterogener Quellsysteme, etwa ERP-/SAP-Landschaften, APIs oder Event-Streams Performance- und Kostenoptimierung von Datenmodellen, Queries und Plattform-Workloads (z. B. Analyse von Execution Plans, Tuning von Warehouse- und Cluster-Ressourcen) Etablierung von Datenqualität, Governance und Observability – von Validierungs- und Reconciliation-Frameworks über Monitoring und Data Lineage bis zu Security- und Compliance-Anforderungen Mitarbeit an der Bereitstellung KI-fähiger Datenprodukte für Analytics- und AI-Anwendungsfälle, inklusive Definition von Datenverträgen und Schnittstellen zu KI- und Backend-Teams (z. B. für Feature Engineering, Retrieval- und Agentic-AI-Ansätze) Einsatz von KI-gestützten Werkzeugen und generativer KI zur Unterstützung von Entwicklung, Dokumentation, Tests und Qualitätssicherung Automatisierung von Deployments sowie Weiterentwicklung von DataOps- und CI/CD-Prozessen Begleitung von Kund:innen bei Architektur-, Technologie- und Umsetzungsfragen sowie verständliche Kommunikation komplexer technischer Inhalte – auch in Workshops und Pre-Sales-Situationen Fachliche Anleitung und Mentoring von Junior- und Mid-Level-Kolleg:innen, Durchführung von Code- und Architektur-Reviews Mitarbeit an Aufwandsschätzungen und Lösungsskizzen Abgeschlossenes Studium im IT- oder MINT-nahen Umfeld oder eine vergleichbare Qualifikation >5 Jahre praktische Erfahrung im Data Engineering, Data Warehousing oder im Aufbau moderner Datenplattformen, davon auch Erfahrung in verantwortlicher Rolle im Projekt- oder Consultingumfeld Sehr gute Kenntnisse in SQL sowie sicherer Umgang mit mindestens einer weiteren Sprache im Data-Umfeld (z. B. Python, Scala oder Java) Fundierte Erfahrung mit mindestens einer gängigen Cloud- oder Datenplattform (z. B. Azure, AWS, GCP, Databricks, Snowflake, Microsoft Fabric) und mit Werkzeugen des Modern Data Stack (z. B. dbt, Airflow) Tiefes Verständnis von Datenmodellierung, Data-Warehouse- und Lakehouse-Architekturen sowie von ETL-/ELT- und Streaming-Verfahren Erfahrung in Datenqualität, Governance, Monitoring/Observ