AIMI DISA Data Engineer_#3341
Deloitte GmbH
Ansprechpartner: S. B.
Frankfurt am Main, Deutschland
Verkehr und LogistikSql Data WarehouseAutomatic Data Processing EquipmentData AnalysisAutomatisierungMicrosoft AzureDatenbankenData ArchitectureDatenübertragungenData ControlData Definition LanguageDatenermittlungDatenanzeige-DebuggerData Distribution ServiceDatenfusionDateninfrastrukturData IntegrationDatenmanagementData Manipulation LanguageDatenzuordnungData MartData TransformationData MigrationData MiningDatenverarbeitungssystemeData-ProfilingDatenqualitätDatenbeschaffungDatenstrukturDatensystemeDatenendeinrichtungData Transformation ServicesDatentransport-DienstprogrammDaten-VirtualisierungData WarehousingDatenbank DesignDatenbankentwicklungDatenbank-SchemaDatenbank-TuningInfosphere DatastageDevOpsDigitale DatenDigitale IntegrationDateisystemeDistributed Data StoreDatenflussanalyseDatenflusssteuerungData IntelligenceMicrosoft Data Access ComponentsMeta-Daten-ManagementMetadatenstandardsMicrosoft SQL Server Data Engine (MSDE)Microsoft Sql-ServerMinimaler DatensatzOperational Data StoreOracle Data Service IntegratorData ONTAPProduktdatenmanagementSAP PowerDesignerSmart DataData Access LayerDataOpsAzure Data LakeDatengetriebene TestsScaled Agile FrameworkSimple Data FormatSQLDatenbank-EnginesIntegration (Software)Technische DatenAutomatisierte DatenverarbeitungDatenforschungDaten- / DatensatzprotokollierungDatenimportDatenverarbeitungData Server InterfaceDatenklassifizierungDatenaufnahmeAzure Data FactoryGoogle Data StudioDatenbank-OptimierungData AssimilationData RepresentationDatenstrategieData LakeData LineageDatenmanagementsystemeDatenprogrammierungDatenanalytikAWS Data AnalyticsDynamische DatenDatenobjekteDataweaveStatische DatenDatenlieferungAzure Data AnalyticsDaten-PipelineSql Server Data ToolsDatenauswahlData Generation
Beschreibung
DEADLINE: 2.10.26 um 14 Uhr
ACHTUNG: Besondere Rahmenbedingungen
Freelancer AUSGESCHLOSSEN: Beauftragung nur über Dienstleister / Systemhäuser (keine 1-Personen-Gesellschaften)
___________________________
Projektrahmenbedingungen
Laufzeit: 09.10.2026 bis 31.12.2026
Dauer: ca. 3 Monate (2,7 Monate)
Gesamtaufwand: 40 Projekttage (PT)
Auslastung:
Durchschnittlich ca. 3,5-4 Tage / Woche (bei ca. 12 Wochen Laufzeit)
Ca. 70-80 % Auslastung (bezogen auf eine Vollzeitwoche)
Onsite / Präsenz: 2 PT vor Ort (entspricht 5 % Präsenzanteil, z. B. für PI Plannings 2 Tage pro Quartal)
Remote: Ca. 95 % (38 PT standortunabhängig)
Einsatzmodell: Onshore (Deutschland)
Erfüllungsort / Hauptstandort: Frankfurt am Main (bzw. flexible Standorte in Deutschland bei Präsenzanforderung)
Projektbeschreibung & Kontext
Ausgangslage & Zielsetzung
- Gegenstand des Projektes ist die Weiterentwicklung eines datengetriebenen Analyse- und Entscheidungsunterstützungssystems im Bereich Transport/Infrastruktur. Das System dient der systematischen Auswertung von Betriebs- und Infrastrukturstörungen, um Ursachen transparent zu machen, Zusammenhänge zwischen Anlagenzustand, Instandhaltung und Betriebsqualität aufzuzeigen und datenbasierte Gegenmaßnahmen abzuleiten.
- Hierfür werden Daten aus heterogenen Quellen zusammengeführt und in einer zentralen Analyseumgebung aufbereitet. Ziel ist die Automatisierung von Analysen, die Reduzierung manueller Aufwände sowie die nachhaltige Steigerung der Betriebs- und Anlagenqualität.
- Projekt- und Arbeitsorganisation
- Arbeitsweise: Agiles Entwicklungsteam nach den Leitlinien von SAFe® (Scaled Agile Framework) im DevOps-Ansatz.
- Arbeitsumgebung & Tools:
- Dokumentation: Confluence, SharePoint
- Projektmanagement: Jira
- Entwicklungs- & Cloud-Plattformen: Cloud-basierte Datenumgebung (AWS) inklusive GitHub
- Projektsprache: Deutsch (C2 / muttersprachliches Niveau)
Scope
- Konzeption, Entwicklung, Implementierung, Optimierung und Dokumentation von Datenintegrations- und Datenverarbeitungslösungen.
- Technische Anbindung neuer Datenquellen und Schnittstellen.
- Entwicklung, Betrieb und Optimierung automatisierter ETL-/ELT-Datenpipelines.
- Transformation, Harmonisierung und Verknüpfung heterogener Datenbestände.
- Konzeption und Pflege fachlicher sowie technischer Datenmodelle.
- Sicherstellung von Datenqualität, -konsistenz, -vollständigkeit und Nachvollziehbarkeit.
- Performanceoptimierung von Datenbanken und Verarbeitungsprozessen sowie Fehleranalyse und Monitoring.
- Unterstützung bei Architekturentscheidungen zur Weiterentwicklung der Datenplattform.
Anforderungen an die FachkraftMuss-Kriterien (Fachlich zwingende Anforderungen)
- M1: Senior-Erfahrung (> 5 Jahre) in Konzeption, Entwicklung und Betrieb automatisierter ETL-/ELT-Datenpipelines zur Integration, Transformation und Bereitstellung von Daten.
- M2: Senior-Erfahrung (> 5 Jahre) in der Modellierung, Implementierung und Optimierung relationaler Datenbanken auf Basis von Microsoft SQL Server.
- M3: Intermediate-Erfahrung (> 3 Jahre) in der Entwicklung von Datenverarbeitungs-, Automatisierungs- und Integrationslösungen mit Python.
- M4: Nachweis von mindestens 3 Referenzen zur Integration heterogener Datenquellen über Datenbanken, Schnittstellen und Dateisysteme.
- M5: Nachweis von mindestens 2 Referenzen im produktiven Betrieb von Datenplattformen (inkl. Monitoring, Fehleranalyse, Datenqualität und Performanceoptimierung).
Soll-Kriterien (Gewichtete Bewertungskriterien)
- S1 (Gewichtung 40 %): Praxiserfahrung im Aufbau und Betrieb von Data-Warehouse-, Analytics- oder Reporting-Plattformen mit komplexen Datenmodellen (Nachweis: 2 Referenzen).
- S2 (Gewichtung 20 %): Erfahrung mit Microsoft Azure, Azure DevOps sowie cloudbasierten Datenintegrations- und Orchestrierungslösungen (Nachweis: 1 Referenz).
- S3 (Gewichtung 20 %): Praktische Erfahrung in der Modellierung, Aufbereitung und Bereitstellung qualitätsgesicherter Daten für produktive LLM- und Machine-Learning-Anwendungen (Nachweis: 1 Referenz).
- S4 (Gewichtung 10 %): Erfahrung in der Verarbeitung großer Betriebs-, Infrastruktur-, Mobilitäts- oder Instandhaltungsdatenbestände (Nachweis: 2 Referenzen).
- S5 (Gewichtung 10 %): Erfahrung in nach SAFe, Scrum oder Kanban organisierten Softwareentwicklungsprojekten (Nachweis: 2 Referenzen).