• Konzeption, Weiterentwicklung und praktische Implementierung einer skalierbaren Data-Lakehouse- und Datenplattform-Architektur für sehr große, heterogene Datenmengen
• Entwicklung einer langfristigen Daten- und Speicherstrategie unter Berücksichtigung von Performance, Skalierbarkeit, Datenlebenszyklus, Kosten, Verfügbarkeit und betrieblichen Anforderungen
• Konzeption geeigneter Speicher- und Zugriffskonzepte für große Mengen an Bild-, Video-, Sensor-, Geo- sowie weiteren unstrukturierten und semi-strukturierten Daten, einschließlich Metadaten, Partitionierung, Indexierung, Kompression und Archivierung
• Aufbau und Betrieb robuster Batch- und Streaming-Pipelines für die Aufnahme, Verarbeitung, Transformation und Bereitstellung von Daten aus heterogenen Quellen
• Mitgestaltung und Implementierung eines semantischen Datenmodells bzw. einer Ontologie, mit der Datenobjekte, Entitäten, Beziehungen und Kontext systemübergreifend beschrieben und verknüpft werden können
• Schaffung einer belastbaren Datenbasis für Machine Learning, KI-basierte Anwendungen und autonome Systeme, einschließlich nachvollziehbarer Datenherkunft sowie reproduzierbarer Trainings- und Validierungsdatensätze
• Sicherstellung von Data Lineage, Datenversionierung, Datenqualität, Schema-Management und geeigneten Governance- und Zugriffskonzepten über den gesamten Datenlebenszyklus
• Entwicklung und Betrieb der Datenplattform in großen, verteilten Kubernetes-basierten Infrastrukturen sowie Integration in Infrastructure-as-Code- und CI/CD-/DevSecOps-Prozesse
• Analyse und Optimierung von Datenlayouts, Datenlokalität, Compute-Nähe und Datenbewegungen für datenintensive Anwendungen
• Bewertung geeigneter Open-Source- und kommerzieller Technologien sowie Umsetzung von Proofs of Concept bis hin zu produktionsreifen, skalierbaren Lösungen
• Enge Zusammenarbeit mit AI/ML-, Software-, Plattform- und Cyber-Security-Teams bei Architekturentscheidungen, Schnittstellen, Datenprodukten und operativer Umsetzung

• Erfolgreich abgeschlossenes Studium im Bereich Informatik, Data Engineering, Software Engineering, Wirtschaftsinformatik oder eine vergleichbare Qualifikation
• Mehrjährige praktische Erfahrung im Data Engineering und im Aufbau bzw. in der Weiterentwicklung verteilter Datenplattformen
• Sehr gutes Verständnis moderner Data-Lake-/Lakehouse-Architekturen, Object Storage sowie der grundlegenden Trade-offs zwischen Speicher, Compute, Datenbewegung, Performance und Kosten
• Nachweisbare Hands-on-Erfahrung mit Datenpipelines, Datenmodellierung, SQL und mindestens einer relevanten Programmiersprache, vorzugsweise Python
• Solide Kenntnisse zu Metadaten, Datenqualität, Schema-Management, Data Lineage und reproduzierbarer Verarbeitung
• Praktisches Verständnis von Linux, Containern und Kubernetes sowie die Fähigkeit, Datenkomponenten in einer verteilten Plattform selbst zu implementieren, zu betreiben und zu analysieren
• Sichere Englischkenntnisse in Wort und Schrift
• Fähigkeit, Architekturentscheidungen mit praktischer Umsetzung zu verbinden und Probleme systematisch bis auf technische Ursachen zu untersuchen
• Strukturierte und teamorientierte Arbeitsweise
• Erfahrung mit sehr großen Mengen an Bild-, Video-, Sensor- oder Geodaten sowie Kenntnisse in Ontologien, Knowledge Graphs, semantischen Datenmodellen, Entity Resolution oder vergleichbaren Ansätzen von Vorteil
• Erfahrung mit Technologien für verteilte Datenverarbeitung und Streaming, z. B. Spark, Flink, Trino, Kafka oder vergleichbaren Lösungen sowie Erfahrung mit offenen Lakehouse-Tabellenformaten bzw. vergleichbaren Technologien, z. B. Apache Iceberg, Delta Lake oder Apache Hudi sind förderlich
• Erfahrung in der Bereitstellung und Versionierung von Daten für Machine-Learning-, MLOps-, AI- oder Autonomie-Workloads von Vorteil
• Kenntnisse in Infrastructure as Code, GitOps oder automatisierten Plattform- und Deployment-Prozessen sowie Erfahrung mit hochverfügbaren, On-Premises-, Edge- oder zeitweise nicht verbundenen Datenplattformen von Vorteil

Für diese Rolle sind belastbare Grundlagen und praktische Umsetzungserfahrung entscheidend. Die zusätzlichen Spezialkenntnisse sind ausdrücklich keine Voraussetzung.

Stärken und Erfahrungen zählen bei Rheinmetall, auch wenn vielleicht nicht alle aufgeführten Anforderungen vollständig erfüllt sind. Wir freuen uns auf Bewerber (m/w/d), die Lust haben, etwas zu bewegen und Verantwortung zu übernehmen. Wir legen Wert auf Individualität und Chancengleichheit. Schwerbehinderte Bewerber (m/w/d) werden bei gleicher Eignung besonders berücksichtigt.

An unserem Standort in Bremen bieten wir Ihnen:

• Betriebliche Altersvorsorge
• Aktienkaufprogramm
• 30 Urlaubstage
• Zugang zu den Corporate Benefits
• Deutschlandticket
• Umzugsunterstützung
• VIVA Familienservice
• Individuelle und vielfältige externe sowie interne Weiterentwicklungsmöglichkeiten u.a. in der Rheinmetall Academy
• Professioneller Einarbeitungsprozess begleitet durch ein digitales Onboarding