Data Engineer — IoT, Telemetrie und technische Pipelines

Zur Stelle

Diese Person arbeitet an Integration, Qualität und Verarbeitung technischer Daten des WDT. Dazu gehören Fusion von Sensoren, Telemetrie, Geodaten, Inspektionen, Dokumenten, historischen Reihen, InSAR und Feldnachweisen sowie die Vorbereitung nachvollziehbarer, verlässlicher Daten für RAG, Graph-RAG und Bewertungen.

Die Rolle verbindet Data Engineering mit technischem Kontext. Ziel ist, dass Felddaten, Anlagen, Sensoren, Inspektionen und externe Quellen geordnet, prüfbar und nützlich für Analytics, KI und Ingenieurentscheidungen im WDT ankommen.

Wesentliche Aufgaben

• Pipelines zur Aufnahme, Transformation, Validierung und Bereitstellung technischer Daten für den WDT erstellen.
• Sensoren, Gateways, Edge, Telemetrie, Zeitreihen, Betriebsdaten und Anlagenereignisse integrieren.
• Daten aus Inspektionen, Dokumenten, Historie, Nachweisen, Geodaten und Analyseergebnissen strukturieren.
• Standards für Qualität, Nachvollziehbarkeit, Provenienz, Versionierung und Umgang mit Inkonsistenzen festlegen.
• Analytics, Risikomodelle, Führungspanels, KI-Pipelines und die Vorbereitung technischer Korpora unterstützen.
• Mit Backend, KI, DevOps, QA, 3D/GIS-Modellierung und Fachingenieurwesen zusammenarbeiten.
• Datenflüsse, Validierungskriterien und bekannte Grenzen dokumentieren.

Pflichtanforderungen

• Erfahrung mit Python, SQL und dem Aufbau von Datenpipelines.
• Kenntnis von ETL/ELT, APIs, Integration heterogener Quellen und Datenqualität.
• Vertrautheit mit relationalen Datenbanken, NoSQL, Dateispeichern und halbstrukturierten Daten.
• Fähigkeit, mit Zeitreihen, Ereignissen, Logs oder Betriebsdaten umzugehen.
• Achtsamkeit für Nachvollziehbarkeit, Versionierung, Datenherkunft und technische Dokumentation.
• Interesse an Ingenieurdaten, Sensoren, Inspektionen, Anlagen oder Digital Twin.

Wünschenswerte Qualifikationen

• Erfahrung mit IoT, Telemetrie, Edge, Gateways, InSAR, GIS oder Geodaten.
• Kenntnis von Vektordatenbanken, Korpusvorbereitung für RAG, OCR oder technischem Parsing.
• Erfahrung mit Azure, Cloud, Observability, automatisierten Pipelines und getrennten Umgebungen.
• Grundkenntnisse in Risikomodellen, Dashboards, Analytics oder angewandtem maschinellem Lernen.

Zugehörige Technologien und Werkzeuge

Python, SQL, APIs, ETL/ELT, NoSQL, Zeitreihen, IoT/Telemetrie, Cloud, Vektordatenbanken als Plus.

Profil

Wir suchen eine methodische, untersuchende Person, die verlässliche Daten ebenso schätzt wie funktionierenden Code. Sie sollte mit Software, Ingenieurwesen und Feldbetrieb sprechen und reale Daten in nützliche Eingaben verwandeln können.

Bewerbung

Reichen Sie für die Bewerbung die folgenden Unterlagen ein:

Wie nutzen Sie derzeit Werkzeuge der künstlichen Intelligenz in Ihrem beruflichen Arbeitsablauf? Nennen Sie Werkzeuge und Beispiele für Tätigkeiten und erklären Sie, wie Sie die mit KI-Unterstützung erzeugten Ergebnisse prüfen.

Ergänzende Angaben können LinkedIn, GitHub, Behance, Google Scholar, Artikel, Veröffentlichungen, Websites, Demonstrationen, Anwendungen oder andere für die Funktion relevante Links umfassen.

• Einen aktuellen Lebenslauf mit Ausbildung, Berufserfahrung, wesentlichen Projekten, eingesetzten Technologien und übernommenen Verantwortungen.
• Ein Portfolio mit konkreten Beispielen früherer Arbeiten. Für Software können das GitHub, Anwendungen, Systeme, APIs, Oberflächen oder vorführbare Projekte sein. Für Ingenieurarbeit können das Modelle, Simulationen, Berichte, Analysen, Veröffentlichungen oder technische Arbeiten sein, die geteilt werden dürfen. Vertrauliche Projekte können anonymisiert dargestellt werden.
• Ein Vorstellungsvideo von bis zu 5 Minuten, das kurz ein Projekt oder Portfolio, das gelöste Problem, den eigenen Beitrag, die eingesetzten Technologien, den Arbeitsablauf, die täglichen Werkzeuge, den Einsatz künstlicher Intelligenz und die Prüfung der mit KI-Unterstützung erzeugten Ergebnisse zeigt.