Data Architekt Anwendungen Energie_#3289
Deloitte GmbH
Ansprechpartner: S. B.
Frankfurt am Main, Deutschland
Verkehr und LogistikData CubeSql Data WarehouseX86-ArchitectureAutomatic Data Processing EquipmentApache AirflowData AnalysisAnwendungsarchitekturBig DataDatenbankenData ArchitectureDatenarchivierungData-VerkablungData CentersData ControlData Definition LanguageData Distribution ServiceDatenfusionData GovernanceData HubDateninfrastrukturData IntegrationDatenintegritätDatenmanagementData Manipulation LanguageDatenzuordnungData MartData TransformationData MigrationData MiningPersistente DatenstrukturDatenverarbeitungssystemeData-ProfilingDatenqualitätDatenbeschaffungDatenraumDatensicherheitDataspacesDatenstrukturDatenspeicherDatensystemeDatenendeinrichtungData Transformation ServicesDatentransport-DienstprogrammData VaultDaten-VirtualisierungDatenvisualisierungData WarehousingDatenbankanalyseDatenbank DesignDatenbankentwicklungDatenbank-SchemaDatenbankstrukturenDatenbank-TuningInfosphere DatastageDigitale ArchitekturDigitale DatenDateisystemeDistributed Data StoreDarwin Information Typing ArchitectureEnterprise Architecture FrameworkInformationsarchitekturData IntelligenceIndustry Standard ArchitectureMicrosoft Data Access ComponentsMeta-Daten-ManagementMetadatenstandardsOperational Data StoreOracle Data Service IntegratorSAP PowerDesignerSoftware ArchitectureSmart DataData Access LayerDataOpsAzure Data LakeSimple Data FormatSolution ArchitectureGeodateninfrastrukturenDatenbank-EnginesSystemarchitekturTechnische DatenUnstrukturierte DatenDatadogIbm DatacapAutomatisierte DatenverarbeitungDaten- / DatensatzprotokollierungDatenverarbeitungDatenspeicherverwaltungData Server InterfaceModel Driven ArchitectureDatenspeichertechnologienDatenarchivierungsdienstDatenklassifizierungData ScienceDatastaxDatenaufnahmeDatenkulturAzure Data FactoryGoogle Data StudioDatenbank-OptimierungIT-ArchitekturData AssimilationData RepresentationData Language InterfaceDatenstrategieGitLabDatenschichtenEvent Driven ArchitectureData LakeGitlab-CiData LineageDatenmanagementsystemeDatenprogrammierungDatenanalytikAWS Data AnalyticsCitect SCADADynamische DatenDatenobjekteDataweaveStatische DatenDatenlieferungAzure Data AnalyticsWeb-ArchitekturDaten-PipelineSql Server Data ToolsDatenauswahlDatabricks
Beschreibung
DEADLINE: 5.10.26, um 14 Uhr
_____________________________________________________
1. Projektrahmenbedingungen
Rolle / Position: Data Architect (Senior)
Laufzeit: 12.10.2026 – 27.09.2029
Gesamtdauer: ca. 35,5 Monate (knapp 3 Jahre)
Gesamtkapazität / Personentage (PT): 641 PT
2026: 36 PT
2027: 220 PT
2028: 220 PT
2029: 165 PT
Auslastung (Durchschnitt): ca. 18 PT / Monat (~4–5 Tage / Woche)
Einsatzort & Modus: 100 % Remote / Offshore (Deutschland & weltweit); Erfüllungsort nominell Frankfurt am Main (Onsite-Anteil: 0 PT)
Projektsprache: Deutsch (Muttersprachenniveau)
2. Projekt- und Kontextbeschreibung
Projektkontext: Beratung des Teams und verschiedener Kunden zur Entwicklung und Optimierung von Betriebsführungsmodellen sowie deren Umsetzung. Beratung und Etablierung im Bereich Geschäftsentwicklung mit dem Ziel, automatisierte Services und moderne Technologien bereitzustellen und zu betreuen.
Arbeitsweise / Struktur:
Agiles Team mit Kanban-Board und hoher Selbstorganisation.
Interdisziplinäre Zusammenarbeit an der Schnittstelle zwischen IT und Energiewirtschaft/Fachbereich zur Umsetzung fachlicher Anforderungen in IT-Lösungen.
3. Aufgaben und Leistungsumfang (Scope)
- Analyse fachlicher, technischer und regulatorischer Anforderungen an die Datenarchitektur.
- Erarbeitung und Dokumentation projektspezifischer Datenarchitekturen unter Berücksichtigung bestehender Systemlandschaften.
- Konzeption fachlicher, logischer und physischer Datenmodelle für operative und analytische Anwendungsfälle.
- Definition von Datenstrukturen, -objekten, Beziehungen, Attributen und Metadaten.
- Erstellung von Zielbildern für Datenplattformen, Data Warehouses, Data Lakes und analytische Umgebungen.
- Konzeption von Datenflüssen, Transformations-/Validierungsregeln sowie Datenerfassungs- und -aufbereitungskonzepten.
- Erstellung technischer Spezifikationen für Datenbanken, Datenhaltungssysteme und Integrationslösungen.
- Erarbeitung von Migrationskonzepten (Mapping-Regeln, Transformationslogik, Validierung).
- Definition von Datenqualitätskriterien, Prüfmechanismen, Datenklassifizierung, Archivierung und Löschkonzepten.
- Entwicklung von Berechtigungs-, Zugriffs-, Datenschutz- und Compliance-konformen Architekturkonzepten.
- Standards für Metadatenmanagement, Data Lineage und Datenkatalogisierung.
- Durchführung von Architektur- und Designreviews sowie Bewertung und Auswahl von Datenbank- und Data-Management-Lösungen.
- Erstellung von Konzepten zur Performance-Optimierung, Skalierung und zum Reporting.
- Dokumentation aller Architekturentscheidungen und Modelle.
4. Anforderungsprofil
Muss-Kriterien (Zwingende Anforderungen)
- M1: Konzeption von Datenarchitekturen und Datenerfassungsprozessen inkl. Automatisierung der Dateninfrastruktur (z. B. über Airflow, GitLab CI/CD) – automatisiert, sicher und betriebsführbar (Senior: > 5 Jahre Erfahrung).
- M2: Richtlinienkonforme Architektur und Steuerung von Big-Data-Services (z. B. Hadoop, Spark, AWS EMR) (Intermediate: > 3 Jahre Erfahrung).
- M3: Konzeption, Umsetzung und ITIL-konforme Operationalisierung von Datenlösungen im AWS-Umfeld (Zertifikat: AWS Certified Data Analytics).
- M4: Schwerpunkt Datenarchitektur, Datensicherheit und Data Governance zur Sicherstellung von Datenintegrität und Compliance gemäß Unternehmensrichtlinien (Senior: > 5 Jahre Erfahrung).
- M5: Sicherstellung des ITIL-konformen Betriebs sowie kontinuierliche Weiterentwicklung von Datenplattformen und Datenservices im AWS-Umfeld (Zertifikat: ITIL Foundation Certificate in IT Service Management).
Soll-Kriterien (Bewertungskriterien)
- S1 (Gewichtung 30 %): Entwicklung von Datenarchitekturen und -strategien zur Optimierung von Dateninfrastrukturen und -anwendungen (Nachweis von 4 Referenzen aus den letzten 8 Jahren).
- S2 (Gewichtung 30 %): Wissensaufbau und Dokumentation der Datenstrategie sowie der Geschäftsziele/Anforderungen des Auftraggebers (inkl. Stakeholder-Workshops im Scrum-Modus mit MS Teams und Jira/Confluence; Nachweis von 4 Referenzen aus den letzten 8 Jahren).
- S3 (Gewichtung 20 %): Erstellung von Datenmodellen und Datenbank-Designs unter Verwendung von Standard-Datenarchitekturpraktiken, -mustern und -frameworks (inkl. Dokumentation im Confluence; Nachweis von 4 Referenzen aus den letzten 8 Jahren).
- S4 (Gewichtung 10 %): Überwachung von Datenintegrität und -sicherheit sowie Identifikation von Risiken und Entwicklung von Minimierungslösungen (Nachweis von 4 Referenzen aus den letzten 8 Jahren).
- S5 (Gewichtung 10 %): Entwicklung von Lösungen zur Datenintegration und -migration unter Einhaltung von Qualitäts-, Termin- und Budgetstandards (Nachweis von 4 Referenzen aus den letzten 8 Jahren).