Tätigkeiten

• Data Pipelines: Du entwickelst und optimierst skalierbare ETL/ELT-Prozesse mit Databricks und Spark
• Infrastruktur: Du verwaltest Databricks Workspaces und optimierst Datapipelines in Hinblick auf Performance und Kosten
• Automatisierung: Du baust CI/CD-Pipelines auf und setzt Infrastructure as Code um
• End-to-End: Du entwickelst wiederverwendbare Data Products und setzt Data Governance technisch um
• Zusammenarbeit: Du arbeitest eng mit Data Architects und AI Engineers an produktionsreifen Lösungen

Deine Werkzeuge für den M&M Alltag

• Erfahrung: Du bringst einschlägige Erfahrung in der Entwicklung und im Betrieb von End-to-End Data-Engineering-Lösungen mit
• Tech-Stack: Du bist sicher im Umgang mit Databricks, Azure Data Factory, Python, Spark, Delta Lake und (T-)SQL
• Best Practices: Du kennst dich mit Pipeline-Entwicklung, Testing-Strategien und Data Governance bestens aus
• DevOps: Du hast Erfahrung mit CI/CD, Infrastructure as Code (z. B. Terraform, Bicep) und Git
• Kommunikation: Du kannst komplexe technische Themen verständlich vermitteln und arbeitest gerne im Team
• Sprachen: Du sprichst fließend Deutsch und Englisch
•