Data Engineer Mid-Level (m/w/d)

About this role

Energie neu denken. Infrastruktur neu bauen. Zukunft neu gestalten – bei der Energy Metering Germany GmbH, einem Unternehmen der Octopus Energy Group. Als innovativer Messstellenbetreiber treiben wir die Energiewende nicht nur voran – wir setzen sie technisch um. Digital, skalierbar und kompromisslos praxisorientiert. Von der Installation intelligenter Messsysteme inklusive Smart Meter Gateway über moderne Wallbox-Lösungen für Privathaushalte bis hin zu komplexen 1:n-Lösungen und CLS-Management nach §14a und §9 EnWG – wir bauen die vernetzte Energieinfrastruktur von morgen.

Sicher, normkonform und hochautomatisiert. Unser Anspruch: Messstellenbetrieb neu definieren – als Rückgrat eines flexiblen, datengetriebenen Energiesystems. Dafür kombinieren wir regulatorische Exzellenz mit technischer Umsetzungskompetenz und operativer Geschwindigkeit. Wenn du nicht nur verwalten, sondern gestalten willst – dann baue mit uns das Energy Metering der nächsten Generation. 💚 Für den weiteren Ausbau und Betrieb unserer modernen Daten- und Analytics-Landschaft suchen wir einen vielseitigen Mid-Level Data Engineer (m/w/d) .

In dieser Rolle bist du das Bindeglied zwischen robuster Data-Lakehouse-Infrastruktur, analytischem Reporting mit Lightdash & Streamlit und angewandten Data-Science-Use-Cases. Deine Aufgaben: Du begleitest Daten entlang ihres gesamten Lebenszyklus – von der Rohdatenaufnahme im Lakehouse über automatisierte Datenmodelle bis hin zu interaktiven Dashboards und Machine-Learning-gestützten Datenanwendungen. Lakehouse & Data Engineering (ca.

50%): Konzeption, Aufbau und Tuning performanter Pipelines auf Basis von Databricks . Datenmodellierung mit dbt sowie Orchestrierung robuster DAGs via Apache Airflow . Governance & Performance: Etablierung automatisierter Data-Quality-Prüfungen, Data Lineage und Cluster-Optimierung. Analytics & Data Apps (ca. 25%): Aufbau einer semantischen Metriken-Schicht und Self-Service-BI in Lightdash . Entwicklung interaktiver Analyse-Tools und Data Apps in Python ( Streamlit ).

Data Science & ML (ca. 25%): Explorative Analysen, Prototyping und Training von ML-Modellen (z. B. Prognosen, Anomalien). MLOps & Business-Integration: Experiment-Tracking auf Databricks und Bereitstellung der Ergebnisse für Fachbereiche. Dein Profil: Berufserfahrung: Mindestens 2–4 Jahre Praxis im Data Engineering, Analytics Engineering oder einer vergleichbaren Rolle. Core Engineering Stack: Fundierte Praxis mit Databricks (Delta Lake, Unity Catalog), dbt und Apache Airflow .