Das Unternehmen ist ein weltweit respektiertes Data as a Service (DaaS) Unternehmen, das sich auf Reputationsrisiken und verantwortungsvolles Geschäftsgebaren spezialisiert hat. Die Mission des Unternehmens ist es, Transparenz über Risiken im Geschäftsverhalten zu schaffen, um positive Veränderungen zu fördern. In der Rolle des Quality Engineers werden Sie dazu beitragen, die Frameworks, Tools und Automatisierungen zu entwickeln und zu verbessern, die es den Teams ermöglichen, ihre Systeme kontinuierlich zu validieren, zu beobachten und zu verbessern. Sie werden Teil der globalen Technologieabteilung sein und an den Global Head of Quality Engineering berichten. Zu Ihren Aufgaben gehören der Aufbau und die Integration automatisierter Prüfungen über Datenpipelines und -dienste, die Implementierung wiederverwendbarer automatisierter und KI-unterstützter Lösungen sowie die Verbesserung der Qualitätssicherungspraktiken. Darüber hinaus werden Sie mit Ingenieur- und Datenteams zusammenarbeiten, um die Software- und Datenqualitätsprozesse zu optimieren. Das Unternehmen bietet ein diverses, multikulturelles und missionsorientiertes Arbeitsumfeld, in dem Ihr Einfluss wirklich zählt. Flexible Arbeitszeiten und ein hybrides Modell mit Homeoffice-Tagen sind ebenfalls Teil des Angebots.

Der ideale Kandidat bringt starke Fähigkeiten in Python und SQL mit; Erfahrung in Java ist von Vorteil. Sie haben ein Verständnis für Datenpipelines, Transformations-Workflows und praktische Ansätze zur Validierung der Datenintegrität in komplexen Systemen. Praktische Erfahrung in der Erstellung, Erweiterung und Wartung von Automatisierungs-Frameworks oder Test-Tools ist erforderlich. Zudem sollten Sie Erfahrung mit CI/CD-Pipelines (z.B. Gitlab) und automatisierten Qualitätsprüfungen haben. Starke Kommunikationsfähigkeiten in Englisch sind notwendig, jede weitere Sprache ist von Vorteil. Wünschenswert sind zudem Erfahrungen in datenschweren, verteilten oder plattformorientierten Umgebungen sowie Kenntnisse in AWS oder ähnlichen Cloud-Anbietern. Vertrautheit mit Konzepten und Tools zur Datenqualität, wie SODA oder Great Expectations, ist ebenfalls von Vorteil.