Senior AI-Native Fullstack Engineer (m/f/d) - Data & Analytics

Eckdaten

Remote

Data Engineering

Arbeitsmodell

Hybrid

vor 2 Tagen

Stellenbeschreibung

Über die Rolle

Wir bauen eine moderne Analytics- und Business-Intelligence-Lösung für die Zeitarbeitsbranche. Dabei integrieren wir operative Daten aus verschiedenen ERP-Systemen in zuverlässige, kundenorientierte Erkenntnisse, analytische Workflows und wiederverwendbare Datenprodukte.

Dies ist keine klassische Rolle für Datenanalysten oder BI-Entwickler. Wir suchen einen produktorientierten Fullstack-Engineer mit starkem Datenfokus, der komplexe ERP-Daten in validierte Datensätze, APIs und Dashboards verwandelt.

KI- und LLM-Tools sind zentral für unsere Arbeitsweise. Wir erwarten jemanden, der KI-native Workflows nutzt, um schneller zu explorieren, parallel zu entwickeln und hochwertige Produktionslösungen zu liefern.

Ihre Aufgaben

Fullstack Product Engineering: Entwicklung von Backend-Services, APIs, internen Tools, UI-Admin-Oberflächen, Automatisierungen und Integrationen.
Daten-Pipeline & Modellierung: Ingestion, Validierung und Transformation von ERP-, API-, SQL- und Cloud-Daten; Abgleich von KPIs mit Datenquellen.
Kuratierte Datenprodukte: Erstellung validierter, analysebereiter Datensätze mit konsistenten Schemata für Reporting und Produktfeatures.
Cloud & Production Ownership: Betrieb zuverlässiger Cloud-Lösungen (vorzugsweise AWS), inklusive Monitoring, Fehlerbehandlung und Performance-Optimierung.

Ihr Profil

KI-Native Entwicklung

Erfahrung mit Claude Code, Codex und agentenbasierten Workflows (über GitHub Copilot hinaus).
Sicherer Umgang mit Worktrees, Subagents, MCP, strukturierten Prompts und der Validierung von KI-generiertem Code.

Software Engineering

Fundierte Fullstack/Backend-Erfahrung, idealerweise mit Python und/oder TypeScript.
Erfahrung mit produktionsreifen Services, APIs, Versionskontrolle, Testing und Debugging.

Data Engineering & Analytics

Starke SQL-Kenntnisse, Erfahrung in Datenmodellierung und analytischen Schemata.
Fähigkeit, komplexe operative Daten in präzise Metriken zu übersetzen.

Cloud & Infrastruktur

Praktische Erfahrung mit AWS (Storage, Datenbanken, Queues, Container, Serverless).
Verständnis für Deployment, Sicherheit, Skalierbarkeit und Kostenmanagement.