Deine Aufgaben
Als Lead Data Engineer (w/m/d) baust du das Datenfundament, auf dem Theos AI-Produkte laufen. Wir bauen das AI-Operating-System für die Immobilienverwaltung und deine Mission ist es die Daten für unsere Agenten und Automatisierungen bereitzustellen.
Du übernimmst eine Lead-IC-Rolle an der Schnittstelle aus Tech Lead, Architekt:in und hands-on Engineer und prägst maßgeblich das Design und die Entwicklung unserer Datenschicht: von der Extraktion aus Dokumenten und operativen Systemen bis zur produktionsreifen Bereitstellung für unsere AI-Produkte.
Deine Aufgaben
-
Du baust und betreibst die Datenschicht, die unsere AI-Agenten und Automatisierungen mit verlässlichem, gut strukturiertem Kontext versorgt. Das bildet die Grundlage dafür, dass unsere Systeme und Produkte korrekte Entscheidungen treffen.
-
Du setzt den Engineering-Standard für das Data-Team: von Testing, CI/CD und Code Review bis zu Observability, Incident Response und Support-Prozessen.
-
Du arbeitest hands-on an der Umsetzung mit Tools wie dbt, Airflow und BigQuery und entwickelst eigene Datenpipelines.
-
Du triffst Architekturentscheidungen für unseren gesamten Data Stack: von der Ingestion über die Transformation bis zum Bereitstellen der Daten für unsere Produkte.
-
Du coachst andere Engineers durch Pairing, 1:1s und technische Führung und hebst so das Niveau des gesamten Teams.
-
Du arbeitest eng mit Senior TPM, VP Product und Stakeholdern zusammen und bringst technische Perspektiven aktiv in Roadmap-Entscheidungen und Trade-offs ein.
-
Du arbeitest schnell, pragmatisch und in kleinen Inkrementen, mit einem klaren Fokus auf produktive Auslieferung, Einfachheit und nachhaltige Qualität.
Dein Profil
- Du bringst mindestens 4 Jahre Erfahrung in Software- oder Data Engineering mit.
-
Du nutzt AI-gestützte Tools selbstverständlich über deinen gesamten Entwicklungsprozess hinweg.
-
Du hast tiefe praktische Erfahrung mit SQL, Python und dbt.
-
Du hast nachweislich produktive Datenpipelines aufgebaut und betrieben und kennst die Anforderungen an Zuverlässigkeit, Wartbarkeit und Skalierung aus der Praxis.
-
Du denkst stark in Reliability, Testbarkeit und Maintainability und setzt hohe technische Qualitätsmaßstäbe.
-
Du denkst Daten vom Konsum durch AI-Systeme her und baust die Datenschicht so, dass Agenten und Automatisierungen zuverlässig darauf aufsetzen können.
-
Du verfügst über Hands-on-Erfahrung mit GCP, insbesondere mit BigQuery und Cloud Composer / Airflow, oder mit vergleichbaren Technologien.
-
Du triffst pragmatische Entscheidungen zwischen SaaS-Lösungen und Custom Build, zum Beispiel bei Tools wie Airbyte oder Fivetran.
-
Du bringst ein gutes Gespür für Priorisierung, Discovery und Zerlegung komplexer Arbeit mit und übernimmst Verantwortung und Ownership für deine Aufgaben.
-
Du verfügst über Deutschkenntnisse auf C1-Niveau oder höher und hast Erfahrung im deutschsprachigen Arbeitsumfeld.
Von Vorteil
-
Ein starkes Bewusstsein für Datenschutz und Security sowie ein klarer Umgang mit sensiblen Kund:innendaten.
-
Du hast Erfahrung mit Terraform der vergleichbarer Infrastructure as Code.
-
Erfahrung mit Python-Backend-Frameworks wie FastAPI, Flask oder Django.
-
Erfahrung im Betrieb von Backend-APIs in Produktion, inklusive Verfügbarkeit, Performance und Incident Response.
-
Erfahrung mit der Integration von LLMs und agentenbasierten Workflow in Engineering-Prozesse und der Unterstützung anderer beim Upskilling in diesem Bereich.
Warum wir?
Bei Theo ist Data Engineering ein zentraler Hebel, um eine traditionell analoge Branche in einen modernen, AI-nativen Service zu transformieren. Als Lead Data Engineer steigst du früh genug ein, um Architektur, Engineering-Standards und Arbeitsweisen maßgeblich mitzugestalten – und arbeitest gleichzeitig bereits in einem Umfeld mit echtem operativem Impact, hoher Relevanz und direkter Verbindung zum Kerngeschäft.
Du arbeitest in einem kleinen, erfahrenen und interdisziplinären Umfeld mit direktem Zugang zu Product-, Data- und Leadership-Funktionen, kurzen Entscheidungswegen und viel Eigenverantwortung. Deine Arbeit hat unmittelbaren Einfluss darauf, wie robust unsere Datenplattform ist, wie effektiv unsere Teams arbeiten und wie gut wir Eigentümer:innen und weitere Stakeholder im Immobilienkontext im Alltag unterstützen können.
