Senior Data Engineer

Über Voicemod Bei Voicemod ist es unsere Mission, Menschen überall dort, wo sie kommunizieren, eine kraftvolle Stimme zu ermöglichen und so Selbstausdruck und Zugehörigkeit zu fördern. Wir entwickeln Audiotools, mit denen Gamer, Streamer und Content-Creator ihre Online-Identität gestalten können, darunter Voice Changer, Soundboards und Effekte in Echtzeit. Millionen Menschen nutzen Voicemod jeden Tag, um ihre Interaktionen zu bereichern und Spaß zu haben. Wir sind ein Team aus 90+ Menschen, die remote, von unserem Hauptsitz in Valencia oder aus unserem Coworking-Space in Barcelona arbeiten. Wir sind begeistert davon, die Grenzen des Audios auszuloten und Produkte zu entwickeln, die digitale Räume ausdrucksstärker und spielerischer machen. Bei Voicemod liegen uns unsere Mitarbeitenden und Nutzerinnen und Nutzer sehr am Herzen. Wenn du unsere Leidenschaft teilst, freuen wir uns darauf, dich kennenzulernen Unsere Werte Bei Voicemod sind unsere Werte mehr als bloße Worte. Sie prägen unsere tägliche Arbeit: Sei mutig : Mut treibt Fortschritt an. Übernimm Verantwortung und stehe dafür ein : Wirkung beginnt mit Eigenverantwortung. Lebe deine Leidenschaft spielerisch aus : Leidenschaft schafft Erfolg. Wachse gemeinsam : Gemeinsam kommt ihr weiter. Über die Rolle Wir suchen eine:n Senior Data Engineer , der oder die dazu beiträgt, die Analytics von Voicemod KI-gestützt zu gestalten. Deine Mission ist es, Daten für den Einsatz mit KI aufzubereiten: die bestmöglichen Daten und den passenden Kontext bereitzustellen, damit KI das Beste daraus machen kann. Die Rolle umfasst den gesamten Daten-Stack. Du entwickelst gemeinsam mit den Produktteams Pläne für das Event-Tracking, baust und betreibst die Ingestion-Pipelines, die unsere Daten in Snowflake laden, und modellierst sie in dbt. Genauso wichtig ist es, diese Daten für den Einsatz mit KI aufzubereiten: mit Kennzahlendefinitionen, Dokumentation und semantischen Modellen, die sowohl KI-Tools als auch Menschen verlässliche, korrekte Antworten ermöglichen. Unser Stack: Wir arbeiten mit einem hybriden Modell: Amplitude für Produktanalysen in Echtzeit und Snowflake mit dbt für langsamere, exakte Berichte. Die Daten werden über Weld, Stitch und dltHub geladen und mit Airflow orchestriert. Deine Aufgaben Daten für den Einsatz mit KI aufbereiten: Du entwirfst die semantische Ebene und Metadaten, darunter Beschreibungen, Kennzahlendefinitionen und Geschäftskontext. So können KI-Tools unsere Daten präzise abfragen. Außerdem hilfst du dabei, unser Reporting über Looker hinaus weiterzuentwickeln. Datenverantwortung: Du verantwortest Tests zur Datenqualität, Kennzahlendefinitionen und Dokumentation, damit Menschen und KI-Agenten die richtigen Daten finden und ihnen vertrauen können. Datenmodellierung mit dbt: Du entwickelst dbt-Modelle, die Rohdaten in zuverlässige, dokumentierte und für die Endnutzung geeignete Datensätze umwandeln. Du sorgst dafür, dass Berichte in Echtzeit (Amplitude) und exakte Berichte (Snowflake und dbt) konsistent sind, sodass dieselbe Kennzahl an beiden Stellen dasselbe bedeutet. Du entwickelst, betreibst und überwachst Ingestion-Pipelines mit Weld, Stitch und dltHub, um Produkt-, Zahlungs-, Marketing
- und Drittanbieterdaten in Snowflake zu übertragen. Du orchestrierst Pipelines in Airflow, einschließlich Alarmierungen und klarer Wiederherstellungswege. Was du mitbringst Fundierte Erfahrung im Data Engineering oder Analytics Engineering sowie fortgeschrittene SQL-Kenntnisse. Praktische Erfahrung mit dbt und einem Cloud Data Warehouse, idealerweise Snowflake. Erfahrung mit der Entwicklung von Event-Tracking-Plänen mithilfe von Produktanalyse-Tools wie Amplitude, Mixpanel oder Segment. Erfahrung mit ELT
- und Datenintegrations-Tools wie Weld, Stitch, dltHub oder Fivetran. Erfahrung mit der Orchestrierung von Workflows mit Airflow oder einem ähnlichen Tool. Fundierte Kenntnisse in der Datenmodellierung, darunter dimensionale Modellierung, inkrementelle Modelle und Slowly Changing Dimensions. Du arbeitest gerne direkt mit Engineers, Produktmanagerinnen und Produktmanagern sowie Analystinnen und Analysten zusammen und übersetzt ihre Anforderungen in Datenprodukte. Zusätzliche Pluspunkte Erfahrung damit, Daten für den Einsatz mit KI aufzubereiten: semantische Ebenen (dbt Semantic Layer, Cube), umfangreiche Metadaten oder die Anbindung von LLMs an ein Warehouse, zum Beispiel über MCP oder Text-to-SQL. Python für die Entwicklung und Wartung von Pipelines. Erfahrung mit Google Cloud Platform (GCP). Erfahrung mit BI-Tools neben Looker oder mit der Durchführung einer BI-Migration. Erfahrung mit Tools für Datenqualität und Observability. Eine echte Begeisterung für die Mission und Produkte von Voicemod sowie für die Technologie und die inhaltliche Ausrichtung des Unternehmens. Der unermüdliche Wunsch, dich weiterzuentwickeln und da