(Senior) Data Integration Engineer (m/w/d)
getspecialfasteners.com
Use the employer link to read the full source listing and submit your application.
Listing data may include public employer ATS feeds and Jobs by Adzuna.
Before you apply
The decision-making details job seekers want first
We pulled the strongest signals from the listing so you can quickly judge fit, compensation, and what the company expects before opening the full source post.
Compensation
Salary & market context
Salary not listed
Requirements
Core skills
Perks & setup
Benefits candidates care about
- s
- Stack-Ownership: Du gestaltest unsere Daten- und Integrations-Architektur aktiv mit. Vom API-Layer bis LLM-Workflow.
- AI-native by default: Cursor, Claude Code & Co. sind bei uns Werkzeug, nicht Diskussion. Wer Bock hat, prägt Best Practices fürs ganze Team.
- Starkes Umfeld: Du arbeitest direkt mit Technical Lead, Data und Automation Engineers zusammen für kurze Wege, echtes Feedback, schnelle Iteration.
Why candidates care
Benefits & perks
- s
- Stack-Ownership: Du gestaltest unsere Daten- und Integrations-Architektur aktiv mit. Vom API-Layer bis LLM-Workflow.
- AI-native by default: Cursor, Claude Code & Co. sind bei uns Werkzeug, nicht Diskussion. Wer Bock hat, prägt Best Practices fürs ganze Team.
- Starkes Umfeld: Du arbeitest direkt mit Technical Lead, Data und Automation Engineers zusammen für kurze Wege, echtes Feedback, schnelle Iteration.
- Spannende und herausfordernde Arbeit mit echtem Impact und Wachstum
- Transparente Vergütung – wir kommunizieren unser Vergütungsmodell klar und offen
- Regelmäßige Team-Events und Off-Sites
- Inspirierende Arbeitsumgebung: modernes, hochwertiges Office in Bielefeld mit top Anbindung
Start here
Core skills
- BigQuery
- Airflow
- Python
- SQL
- dbt
- AWS
- GCP
- R
Responsibilities
What you'll do
- Aufgaben Data Integration & APIs ERP-, CRM- und Lieferanten-APIs integrieren und Pipelines in Python entwickeln (REST/GraphQL) Python-Module für Datenextraktion, -transformation und -laden (ETL/ELT) schreiben und warten Datentransformationen mit dbt modellieren, testen und dokumentieren PostgreSQL / Firestore / BigQuery - Datenmodellierung und Performance-Optimierung GCP Cloud Functions entwickeln und deployen Event-driven Architecture & Automation Event-driven Systeme mit GCP Pub/Sub aufbauen und weiterentwickeln Entscheiden, ob ein Use Case Echtzeit- (Pub/Sub, Events) oder Batch-Verarbeitung (dbt, Airflow) braucht – und die Architektur entsprechend aufsetzen Workflow-Orchestrierung mit n8n oder Airflow Robustes Error Handling, Retry-Logik und Monitoring implementieren AI & LLM Integration LLM-APIs (OpenAI, Anthropic) anbinden und in bestehende Datenpipelines integrieren RAG-Workflows aufbauen: Daten aufbereiten, chunken, vektorisieren und in Vector DBs laden Outputs absichern: Error Handling, Guardrails und Fallback-Logik für Non-Determinismus Infrastruktur & AI-assisted Development CI/CD mit GitHub Actions / Cloud Build Infrastructure as Code mit Terraform AI-Tools (Cursor, Claude Code) effektiv nutzen und Best Practices im Team etablieren Code-Reviews, Testing, Monitoring und Alerting Qualifikation Muss 5+ Jahre Erfahrung als Backend-, Data- oder Integration Engineer Sehr gute Kenntnisse in Python (Hauptsprache für Pipelines, APIs und Automatisierung) Praxiserfahrung mit dbt (Modellierung, Tests, Dokumentation) Erfahrung mit Serverless-Architekturen (Cloud Functions, AWS Lambda o. Ä.) Solides Verständnis von Event-driven Architecture (Pub/Sub, Message Queues, Events) Sicheres Urteilsvermögen bei der Wahl zwischen Batch- und Event-driven Verarbeitung je nach Use Case Erfahrung mit SQL und relationalen Datenbanken (PostgreSQL o. Ä.) Sicher im Umgang mit REST-APIs, Git und CI/CD-Pipelines Pragmatismus: MVP vor Perfektion, Geschwindigkeit vor Over-Engineering Nice to have Erfahrung mit LLM-Integration für Datenextraktion und intelligentes Routing Umgang mit Non-Determinismus: Error Handling, Guardrails, Feedback-Loops Saubere Datenaufbereitung für ML-Modelle und RAG-Workflows GCP-Erfahrung (Cloud Functions, Pub/Sub, BigQuery) Praktische Erfahrung mit Workflow-Tools wie n8n, Airflow, Zapier oder make Terraform oder andere IaC-Tools Firestore / NoSQL Vector DBs, Fine-Tuning, CV APIs Branchenwissen: Verbindungselemente, B2B-Commerce Benefits Stack-Ownership: Du gestaltest unsere Daten- und Integrations-Architektur aktiv mit.
- Starkes Umfeld: Du arbeitest direkt mit Technical Lead, Data und Automation Engineers zusammen für kurze Wege, echtes Feedback, schnelle Iteration.
Role snapshot
About the role
📍 Bielefeld (hybrid) · Vollzeit · Tech & Data
Wir bauen den modernsten Schraubenhändler für den deutschen Mittelstand und unser Daten- und Integrations-Setup dahinter ist das Herzstück. Wir erweitern unser Tech & Data Team um einen ( Senior) Data Integration Engineer , der unsere Pipelines, Integrationen und LLM-Workflows mit nach vorne bringt.
Du baust die Datenpipelines und Integrations-Architektur, die unser B2B-Commerce-Geschäft am Laufen hält. Von ERP- und Lieferanten-APIs über event-driven Datenflüsse bis hin zur Anbindung von LLMs in bestehende Prozesse. Du denkst in Systemen, liebst saubere Daten und weißt, wann MVP besser ist als Perfektion.
Wenn du in Architektur denkst, pragmatisch baust und Bock hast, Tech in einem AI-nativen Setup mitzugestalten, ist das hier dein nächster Schritt.
More detail
Nice to have
- e
- Erfahrung mit LLM-Integration für Datenextraktion und intelligentes Routing
- Umgang mit Non-Determinismus: Error Handling, Guardrails, Feedback-Loops
- Saubere Datenaufbereitung für ML-Modelle und RAG-Workflows
- GCP-Erfahrung (Cloud Functions, Pub/Sub, BigQuery)
- Praktische Erfahrung mit Workflow-Tools wie n8n, Airflow, Zapier oder make
- Terraform oder andere IaC-Tools
- Firestore / NoSQL
Source text