senior-data-engineer-modern-data-platform-ai bei Aroundhome
Aroundhome sucht einen erfahrenen Senior Data Engineer mit Fokus auf moderne Data Platforms und KI-Integration. Die Position bietet die Möglichkeit, die Datenarchitektur einer 250-köpfigen Plattform in der Immobilienbranche zu gestalten und dabei volle Flexibilität zwischen Büro in Berlin und Remote-Arbeit zu nutzen.
Deine Rolle als Senior Data Engineer bei Aroundhome
Bei Aroundhome hast du die Chance, ein zentrales Fundament für 15,6 Millionen Hauseigentümer in Deutschland und der DACH-Region mitzugestalten. Als Senior Data Engineer bist du verantwortlich dafür, dass strategische Entscheidungen auf einer robusten, skalierbaren Datenbasis basieren. Du wirst Teil eines Teams von rund 250 Menschen und arbeitest eng mit Stakeholdern aus Produktmanagement, Marketing und Finanzen zusammen, um datengetriebene Lösungen zu realisieren.
- Plattform-Architektur – Du entwickelst und pflegst die moderne Datenplattform, um Echtzeitdatenflüsse von Kafka bis zu den Endkonsumenten sicherzustellen.
- Transformations-Pipelines – Du optimierst ETL/ELT-Prozesse mit Tools wie DBT, Spark und Airflow, um analytische报告的 und KI-Anwendungen zu unterstützen.
- Werteorientierung – Dein Beitrag hilft Eigentümern dabei, bessere Entscheidungen für ihre Immobilie zu treffen und Projekte stressfreier zu realisieren.
Diese Position ist ideal für jemanden, der nicht nur technische Aufgaben löst, sondern das Unternehmen in Richtung einer modernen Data Foundation führt.
Zentrale Aufgaben und Datenarchitektur
Dein Arbeitsalltag wird von der Entwicklung und Optimierung komplexer Datenmodelle sowie der Architektur moderner Data Platforms dominiert. Der Fokus liegt dabei auf der Schaffung einer skalierbaren Infrastruktur, die sowohl historische Daten als auch Echtzeitströme verarbeiten kann. Du wirst erwartet, dass du dich aktiv an der Einführung von Governance-Rahmenwerken beteiligst und sicherstellst, dass Datenqualität und Sicherheit stets im Vordergrund stehen.
- Modellierung und Transformation – Design von Datenmodellen und Pflege von Pipelines für Analytics und Reporting sowie für KI-Use-Cases wie Datenannotation und Modellierung.
- Echtzeit-Integration – Aufbau und Optimierung von Streaming-Pipelines mit Technologien wie Kafka, Spark und Delta Live Tables für minimale Latenzzeiten.
- Data Governance – Unterstützung bei der Einführung von Data Lineage, Qualitätsstandards und Metadaten-Management, um eine Single Source of Truth zu garantieren.
- AI/ML Enablement – Integration von KI-Fähigkeiten wie Feature Engineering und Model Serving, um datengetriebene Produkte schneller auf den Markt zu bringen.
Ein weiterer wichtiger Aspekt ist die Förderung einer Kultur des Wissensaustauschs durch Mentoring und die Anwendung moderner Tools wie Databricks oder Cursor.
Erwartete Qualifikationen und technische Expertise
Um diese anspruchsvolle Senior-Rolle erfolgreich zu übernehmen, wird eine umfassende technische Expertise in den Bereichen Data Engineering und Cloud-Architektur vorausgesetzt. Es ist unerlässlich, dass du über langjährige Erfahrung in der Entwicklung von Data Lakes und Warehouses verfügst und dich sicher in großen Cloud-Umgebungen auskennst. Zudem wird erwartet, dass du nicht nur technische Lösungen umsetzen, sondern auch Stakeholder aktiv mitbringst und anleitest.
- Ausbildung – Master-Abschluss in Informatik oder verwandten Gebieten, alternativ gleichwertige praktische Erfahrung.
- Cloud & Streaming – Starke Expertise in AWS Services (S3, Athena, MSK/Kafka, Terraform) und Echtzeit-Streaming mit Kafka oder Spark Structured Streaming.
- Datenbanken & Transformation – Nachweisbare Erfahrung mit Databricks Delta Lake, Snowflake und Transformationstools wie DBT, SQL und Python/Spark.
- Soft Skills – Exzellente Kommunikationsfähigkeit, die Fähigkeit, Veränderungen voranzutreiben, sowie Leidenschaft für Mentoring und Coaching.
Zusätzlich wird Erfahrung mit CI/CD für Datenprojekte und Tools wie Git oder Airflow erwartet, um agile Prozesse zu gewährleisten.
Mitarbeiter Benefits und Unternehmenskultur
Aroundhome legt großen Wert auf die Work-Life-Balance und das Wohlbefinden seiner Mitarbeiter, was sich in einem breiten Spektrum an Leistungen widerspiegelt. Du hast die Freiheit, deinen Arbeitsplatz selbst zu bestimmen, egal ob im Büro in Berlin, im Homeoffice in Deutschland oder remote von Portugal aus. Das Unternehmen bietet zudem zahlreiche Maßnahmen zur Förderung der Gesundheit und des persönlichen Wachstums.
- Flexible Arbeitszeit – Du entscheidest frei zwischen Präsenz im Büro, Homeoffice in ganz Deutschland und vollständigem Remote-Arbeiten aus ausgewählten EU-Ländern.
- Gesundheit & Wellness – Unterstützte Mitgliedschaften bei Urban Sports Club sowie Zugang zum Fürstenberg Institute für mentale Gesundheit und Coaching.
- Entwicklung & Lernen – Regelmäßige Feedbackgespräche, monatliche Tech Talks, jährliches Budget für Schulungen und kostenloser Zugang zu LinkedIn Learning.
- Soziales Engagement – Aktive Unterstützung sozialer Projekte in Berlin, JobRad, BVG-Ticket und ein monatliches Company Day am Potsdamer Platz.
Trausparenz ist hier ein Kernwert – auch bezüglich der Vergütung, für die du dich bei Bedarf direkt an die Recruiting-Abteilung wenden kannst.
Deine Benefits im Überblick
Häufige Fragen zu dieser Stelle
Wie ist die Vergütung für diese Senior Position?
▼
Aroundhome steht für Transparenz, gibt aber die genauen Gehaltsdaten nicht direkt im Rahmen der Anzeige preis. Bei Interesse an einer spezifischen Vergütungsempfehlung können Sie sich direkt per E-Mail an die Recruiting-Adresse wenden, um eine persönliche Rückmeldung zum möglichen Gehaltsspektrum zu erhalten.
Muss ich zwingend im Büro in Berlin anreisen?
▼
Nein, das Unternehmen bietet ein sehr flexibles Hybrid-Modell. Du kannst wählen, ob du im Berliner Büro arbeitest, zu Hause in ganz Deutschland oder sogar vollständig remote aus Portugal tätig bist. Es gibt zudem die Möglichkeit, bis zu 30 Tage im Jahr in ausgewählten EU-Ländern zu arbeiten.
Welche Cloud-Infrastruktur wird primär genutzt?
▼
Die Rolle erfordert Erfahrung mit AWS Services, insbesondere S3, Athena, MSK/Kafka und Terraform. Das Unternehmen setzt auf eine skalierbare Architektur, die Data Lakehouse-Technologien wie Databricks Delta Lake oder Snowflake integriert, um moderne Datenpipelines zu unterstützen.
Gibt es eine Einarbeitungsphase für KI und Machine Learning?
▼
Obwohl eine tiefgehende Expertise in KI-Pipelines gewünscht ist, wird erwartet, dass du bestehende ML-Fähigkeiten integrierst und Model Serving optimierst. Das Team unterstützt dich durch regelmäßige Tech Talks und Workshops, um dich in neue Technologien wie MLOps oder Feature Stores einzuarbeiten.