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.
Was Sie als ETL-Entwickler:in wirklich tun
Daten liegen selten dort, wo man sie braucht. Und schon gar nicht in der Form, in der ein Reporting-Tool oder ein Data-Warehouse sie verarbeiten kann. Genau hier setzt Ihre Arbeit an: Sie holen Informationen aus Quellsystemen, formen sie um, prüfen sie auf Plausibilität und schreiben sie sauber ans Ziel. Extract, Transform, Load. Klingt nach drei Schritten, ist in der Praxis aber ein Geflecht aus Pipelines, Abhängigkeiten und dem ewigen Kampf gegen kaputte Datensätze aus dem Quartal davor.
Der Alltag? Mal Schema-Design für ein neues Warehouse, mal stundenlanges Debugging, weil eine Umsystem-Schnittstelle ihr Format geändert hat, ohne jemandem Bescheid zu geben. Sie schreiben SQL, viel SQL, dazu Python oder Skripte für die Orchestrierung. Werkzeuge wie Talend, Apache Airflow, SSIS oder dbt begegnen Ihnen ständig. Und irgendwann kennen Sie die Eigenheiten jeder einzelnen Datenquelle im Haus besser als die Kolleg:innen, die sie eigentlich betreuen.
Einstieg, Qualifikationen und wo Sie landen
Ein klassischer Weg führt über ein Studium der Informatik, Wirtschaftsinformatik oder ein Data-Science-nahes Feld. Zwingend ist das nicht. Viele kommen als Quereinsteiger:innen aus der Datenbankadministration oder aus dem Reporting, weil sie ohnehin täglich mit SQL hantiert haben und irgendwann die Automatisierung übernahmen. Was zählt, ist ein Gespür für Datenmodellierung, Geduld beim Fehlersuchen und die Bereitschaft, sich in fremde Systeme hineinzudenken.
Gefragt sind fundierte SQL-Kenntnisse, Erfahrung mit mindestens einem ETL- oder Orchestrierungswerkzeug, ein Verständnis für Datenqualität und, zunehmend, Vertrautheit mit Cloud-Plattformen wie Azure, AWS oder der Google Cloud. Versionierung, Monitoring, ein bisschen DevOps-Denken. Schadet nie.
Und die Arbeitgeber? Breit gestreut. Banken und Versicherungen mit ihren gewachsenen Datenlandschaften, Handelskonzerne, Industriebetriebe, die ihre Produktionsdaten auswerten wollen, dazu spezialisierte Data- und BI-Beratungen, die Sie projektweise dorthin schicken, wo es gerade brennt. Öffentliche Stellen und Gesundheitseinrichtungen mischen ebenfalls mit. Wer sauber arbeitet und dokumentiert, wird gebraucht — quer durch fast jede Branche, die Zahlen ernst nimmt.
Was Sie als ETL-Entwickler:in wirklich tun
Daten liegen selten dort, wo man sie braucht. Und schon gar nicht in der Form, in der ein Reporting-Tool oder ein Data-Warehouse sie verarbeiten kann. Genau hier setzt Ihre Arbeit an: Sie holen Informationen aus Quellsystemen, formen sie um, prüfen sie auf Plausibilität und schreiben sie sauber ans Ziel. Extract, Transform, Load. Klingt nach drei Schritten, ist in der Praxis aber ein Geflecht aus Pipelines, Abhängigkeiten und dem ewigen Kampf gegen kaputte Datensätze aus dem Quartal davor.
Der Alltag? Mal Schema-Design für ein neues Warehouse, mal stundenlanges Debugging, weil eine Umsystem-Schnittstelle ihr Format geändert hat, ohne jemandem Bescheid zu geben. Sie schreiben SQL, viel SQL, dazu Python oder Skripte für die Orchestrierung. Werkzeuge wie Talend, Apache Airflow, SSIS oder dbt begegnen Ihnen ständig. Und irgendwann kennen Sie die Eigenheiten jeder einzelnen Datenquelle im Haus besser als die Kolleg:innen, die sie eigentlich betreuen.
Einstieg, Qualifikationen und wo Sie landen
Ein klassischer Weg führt über ein Studium der Informatik, Wirtschaftsinformatik oder ein Data-Science-nahes Feld. Zwingend ist das nicht. Viele kommen als Quereinsteiger:innen aus der Datenbankadministration oder aus dem Reporting, weil sie ohnehin täglich mit SQL hantiert haben und irgendwann die Automatisierung übernahmen. Was zählt, ist ein Gespür für Datenmodellierung, Geduld beim Fehlersuchen und die Bereitschaft, sich in fremde Systeme hineinzudenken.
Gefragt sind fundierte SQL-Kenntnisse, Erfahrung mit mindestens einem ETL- oder Orchestrierungswerkzeug, ein Verständnis für Datenqualität und, zunehmend, Vertrautheit mit Cloud-Plattformen wie Azure, AWS oder der Google Cloud. Versionierung, Monitoring, ein bisschen DevOps-Denken. Schadet nie.
Und die Arbeitgeber? Breit gestreut. Banken und Versicherungen mit ihren gewachsenen Datenlandschaften, Handelskonzerne, Industriebetriebe, die ihre Produktionsdaten auswerten wollen, dazu spezialisierte Data- und BI-Beratungen, die Sie projektweise dorthin schicken, wo es gerade brennt. Öffentliche Stellen und Gesundheitseinrichtungen mischen ebenfalls mit. Wer sauber arbeitet und dokumentiert, wird gebraucht — quer durch fast jede Branche, die Zahlen ernst nimmt.