Derzeit keine passenden Stellen
Für deine Suchkriterien ist aktuell keine Stelle ausgeschrieben. Unser Angebot wird laufend erweitert — mit weniger Filtern oder einem allgemeineren Suchbegriff wirst du oft schneller fündig. Oder du beschreibst tecAI in einem Satz, welche Stelle du dir wünschst.
tecAI
Gedanken eingeben. Möglichkeiten entdecken.
Big Data Engineers bauen die Infrastruktur, auf der Datenanalyse überhaupt erst möglich wird. Klingt abstrakt? Ist es nicht. Konkret heißt das: Sie entwerfen Pipelines, die täglich Terabytes aus verschiedensten Quellen einsammeln, bereinigen und an der richtigen Stelle ablegen. Damit Data Scientists und Analyst:innen später sauber damit weiterarbeiten können, ohne sich mit Rohdaten-Chaos herumzuschlagen. Ein großer Teil der Arbeit dreht sich um Verlässlichkeit. Läuft die nächtliche Verarbeitung durch? Skaliert das System, wenn plötzlich das Zehnfache an Ereignissen hereinkommt?
Technologisch bewegen Sie sich meist rund um verteilte Systeme — Spark, Kafka, verschiedene Cloud-Dienste bei AWS, Azure oder der Google Cloud. SQL sowieso. Und Programmiersprachen wie Python, Scala oder Java, je nachdem, wo das Team historisch gewachsen ist. Vieles davon lernt man erst im Job richtig, nicht im Hörsaal.
Wie steigt man ein, und wohin führt der Weg?
Der klassische Einstieg läuft über ein Studium der Informatik, Wirtschaftsinformatik oder eines verwandten technischen Fachs. Zwingend ist das aber nicht. Viele kommen aus der Softwareentwicklung oder aus der Data-Analytics-Ecke und wachsen über Zeit in die Engineering-Rolle hinein. Wer aus dem Backend-Bereich stammt, bringt oft schon genau die Denkweise mit, die hier gebraucht wird: sauberer Code, Verständnis für Systemarchitektur, Gespür für Performance. Ein Quereinstieg über gezielte Weiterbildungen und ein, zwei ernstzunehmende Projekte ist durchaus realistisch.
Nach ein paar Jahren öffnen sich Richtungen. Manche vertiefen sich technisch bis zur Data-Architektur, andere übernehmen Teamverantwortung oder spezialisieren sich auf Themen wie Streaming oder Data Governance.
Arbeitgeber? Breit gestreut. Banken und Versicherungen mit ihren gewachsenen Datenbeständen, der Handel, Industrieunternehmen mit Sensordaten aus der Produktion. Dazu spezialisierte Beratungen und natürlich Tech-Firmen. In Österreich sitzt vieles davon rund um Wien, Linz und Graz — aber Remote-Arbeit hat die Landkarte spürbar entspannt. Gefragt sind neben dem technischen Rüstzeug vor allem Neugier und die Geduld, sich in fremde Datenwelten einzudenken.
Big Data Engineer in Zahlen
Big Data Engineers bauen die Infrastruktur, auf der Datenanalyse überhaupt erst möglich wird. Klingt abstrakt? Ist es nicht. Konkret heißt das: Sie entwerfen Pipelines, die täglich Terabytes aus verschiedensten Quellen einsammeln, bereinigen und an der richtigen Stelle ablegen. Damit Data Scientists und Analyst:innen später sauber damit weiterarbeiten können, ohne sich mit Rohdaten-Chaos herumzuschlagen. Ein großer Teil der Arbeit dreht sich um Verlässlichkeit. Läuft die nächtliche Verarbeitung durch? Skaliert das System, wenn plötzlich das Zehnfache an Ereignissen hereinkommt?
Technologisch bewegen Sie sich meist rund um verteilte Systeme — Spark, Kafka, verschiedene Cloud-Dienste bei AWS, Azure oder der Google Cloud. SQL sowieso. Und Programmiersprachen wie Python, Scala oder Java, je nachdem, wo das Team historisch gewachsen ist. Vieles davon lernt man erst im Job richtig, nicht im Hörsaal.
Wie steigt man ein, und wohin führt der Weg?
Der klassische Einstieg läuft über ein Studium der Informatik, Wirtschaftsinformatik oder eines verwandten technischen Fachs. Zwingend ist das aber nicht. Viele kommen aus der Softwareentwicklung oder aus der Data-Analytics-Ecke und wachsen über Zeit in die Engineering-Rolle hinein. Wer aus dem Backend-Bereich stammt, bringt oft schon genau die Denkweise mit, die hier gebraucht wird: sauberer Code, Verständnis für Systemarchitektur, Gespür für Performance. Ein Quereinstieg über gezielte Weiterbildungen und ein, zwei ernstzunehmende Projekte ist durchaus realistisch.
Nach ein paar Jahren öffnen sich Richtungen. Manche vertiefen sich technisch bis zur Data-Architektur, andere übernehmen Teamverantwortung oder spezialisieren sich auf Themen wie Streaming oder Data Governance.
Arbeitgeber? Breit gestreut. Banken und Versicherungen mit ihren gewachsenen Datenbeständen, der Handel, Industrieunternehmen mit Sensordaten aus der Produktion. Dazu spezialisierte Beratungen und natürlich Tech-Firmen. In Österreich sitzt vieles davon rund um Wien, Linz und Graz — aber Remote-Arbeit hat die Landkarte spürbar entspannt. Gefragt sind neben dem technischen Rüstzeug vor allem Neugier und die Geduld, sich in fremde Datenwelten einzudenken.