Lebenslauf für Data Engineers: Beispiele und Anleitung

Dieses Muster gehört zu einer Data Engineer mit fünf Jahren Arbeit an Pipelines, die als BI-Analystin begonnen hat, dann ins ETL gewechselt ist und heute ein Warehouse auf Snowflake verantwortet. Name und Arbeitgeber sind erfunden. Übernehmen Sie den Aufbau und setzen Sie Ihren eigenen Stack, Ihre Datenvolumen und SLA-Zahlen ein.

Bei den meisten Stellen als Data Engineer übernimmt die erste Sichtung jemand aus dem Engineering, nicht die Personalabteilung. Dafür bleiben 40 bis 60 Sekunden, und gesucht wird meist nach diesen Punkten.

• Der Stack, so geschrieben wie in der Anzeige: Airflow, dbt, Spark, Kafka, Snowflake, BigQuery, Databricks, Redshift, Fivetran, Terraform. Arbeitet das Team mit Databricks und das Wort kommt in Ihrem Lebenslauf nicht vor, sind Sie raus, auch wenn Sie es können.
• Umfang: Zeilen oder Ereignisse pro Tag, Zahl der Tabellen und Pipelines, Größe des Warehouse, Zahl der Quellsysteme und der Abnehmer. Der Umfang zeigt, welche Probleme Ihnen schon begegnet sind.
• Arbeit an der Zuverlässigkeit: SLAs, pünktliche Bereitstellung, Backfills, Idempotenz, Wiederholungen, Alarmierung, Rufbereitschaft, Zahl der Vorfälle. Eine Pipeline einmal bauen kann jede und jeder. Die Aufgabe ist, 140 davon am Laufen zu halten.
• Kosten: Rechnungen für Cloud-Warehouses sind in fast jedem Unternehmen ein aktuelles Thema. Wer die Kosten um einen echten Prozentsatz gesenkt hat, wird angerufen.
• Gespür für Modellierung: Sternschema, Slowly Changing Dimensions, Granularität, inkrementelle Modelle, Partitionierung und Clustering. Das trennt Data Engineers von Leuten, die Skripte per Cron starten.

“Ich lese die Zeile mit den Kenntnissen, dann suche ich eine Zahl, die den Umfang zeigt, und eine, die zeigt, dass etwas stabil lief. Stehen beide da, wird der Rest richtig gelesen. Ist die ganze Seite eine Werkzeugliste, dauert es etwa fünfzehn Sekunden.”

Drei oder vier Zeilen unter Ihrem Namen: Berufsbezeichnung, Jahre, Stack, dann ein oder zwei Zahlen. Besonders häufig gesucht werden Varianten für zwei bis vier Jahre Erfahrung, deshalb stehen sie hier.

Der häufigste Fehler: das Werkzeug beschreiben statt des Ergebnisses. „Airflow zur Orchestrierung von ETL-Jobs genutzt“ sagt nichts, was man nicht schon aus Ihrer Berufsbezeichnung ableiten könnte.

Gruppieren Sie Ihre Kenntnisse so, dass die Übereinstimmung schnell sichtbar wird, und stellen Sie die Gruppe an den Anfang, die zur Anzeige passt. Geht es um eine Stelle als Azure Data Engineer, gehört Azure nach oben, nicht AWS.

• Sprachen: Python, SQL, Scala, Java, Bash. Sagen Sie, welche Sie täglich nutzen und welche Sie lesen können.
• Verarbeitung: Spark und PySpark, Databricks, Flink, pandas, Polars, DuckDB.
• Orchestrierung und Transformation: Airflow, Dagster, Prefect, dbt, Azure Data Factory, AWS Step Functions.
• Streaming und Messaging: Kafka, Kinesis, Pub/Sub, Debezium und Change Data Capture.
• Warehouses und Lakes: Snowflake, BigQuery, Redshift, Synapse, Delta Lake, Apache Iceberg, Hudi, Parquet.
• Cloud und Infrastruktur: AWS, Azure oder GCP mit Dienstnamen, Terraform, Docker, Kubernetes, GitHub Actions oder GitLab CI.
• Modellierung und Governance: dimensionale Modellierung, Sternschema, Slowly Changing Dimensions, Data Contracts, Great Expectations oder dbt-Tests, Datenkataloge, Lineage auf Spaltenebene, Umgang mit personenbezogenen Daten nach DSGVO (Pseudonymisierung, Löschkonzepte).

Zertifikate bringen Ihnen als Data Engineer keine Zusage, helfen aber durch die erste Sichtung und zählen mehr, wenn Sie aus Analyse oder Support wechseln. Nennen Sie nur gültige Zertifikate mit Jahr.

• AWS Certified Data Engineer Associate. Der aktuelle Weg bei AWS für diese Rolle.
• Google Cloud Professional Data Engineer. Gut bekannt und eine der schwereren Prüfungen unter den drei großen Clouds.
• Microsoft Certified: Fabric Data Engineer Associate (Prüfung DP-700). Die aktuelle Zertifizierung von Microsoft für Data Engineering. Ältere Azure-Prüfungen in diesem Bereich wurden eingestellt, prüfen Sie also vor der Anmeldung, welche gerade angeboten wird.
• Databricks Certified Data Engineer Associate oder Professional. Lohnt sich, wenn die Anzeige Databricks oder Delta Lake nennt.
• SnowPro Core. Nützlich, wenn das Warehouse Snowflake ist, was häufig der Fall ist.
• Abschlüsse: Üblich ist ein Studium der Informatik, Wirtschaftsinformatik, Mathematik oder eines verwandten Fachs, aber viele Data Engineers kommen aus Analyse, Softwareentwicklung, einer Ausbildung als Fachinformatiker/in oder einer Weiterbildung. Die Abschlussnote nennen Sie beim Einstieg, wenn sie 2,0 oder besser ist. Ab zwei Jahren Berufserfahrung rückt die Ausbildung ans Ende.

Das ist eine der häufigsten Suchanfragen zu diesem Thema, und die ehrliche Antwort lautet: Ein Abschnitt Projekte ersetzt die Berufserfahrung. Ein tiefes Projekt schlägt fünf Tutorials.

1. 1Bauen Sie eine End-to-End-Pipeline und lassen Sie sie monatelang zeitgesteuert laufen: Quelle, Ingestion, Orchestrierung, Transformation, Tests, eine Warehouse-Tabelle und etwas, das sie nutzt. Diesen letzten Schritt lassen die meisten Portfolio-Projekte aus.
2. 2Beschreiben Sie das Projekt im Lebenslauf wie eine Stelle: was es bewegt, wie oft, in welchem Umfang und was bei einem Fehler passiert. „Lädt täglich 2 Mio. Zeilen aus einer Nahverkehrs-API über Airflow und dbt nach PostgreSQL, mit Alarmierung, im täglichen Betrieb seit Januar 2026.“
3. 3Nutzen Sie Infrastructure as Code. Eine Terraform-Datei und ein Dockerfile zeigen, dass Sie über den eigenen Laptop hinaus gedacht haben.
4. 4Ergänzen Sie Tests. Schon drei dbt-Tests und eine Aktualitätsprüfung zeigen, dass Sie wissen, dass Pipelines unbemerkt kaputtgehen.
5. 5Verlinken Sie ein GitHub-Repository mit einem echten README, das ein Architekturdiagramm und einen Abschnitt dazu enthält, was Sie heute anders machen würden. Geöffnet wird genau ein Repository.
6. 6Formulieren Sie jede Stelle mit viel SQL um: Analyse, Support Engineering, Controlling, Qualitätssicherung. Abgefragte Zeilen, automatisierte Berichte, eingesparte Stunden.
7. 7Bleiben Sie bei einer Seite und setzen Sie die Kenntnisse weit nach oben, denn wer im Bewerbermanagementsystem nach „Airflow“ sucht, muss es finden.

• Eine Seite bis etwa sechs Jahre Erfahrung, danach zwei; in Deutschland sind zwei Seiten ohnehin akzeptiert. Einen Lebenslauf als Data Engineer mit drei Seiten liest niemand.
• Eine Spalte, keine Seitenleisten, keine Kenntnisbalken. Zweispaltige Layouts geraten beim Einlesen durcheinander, und ein Bewertungsbalken sagt nichts.
• Setzen Sie den Block mit den Kenntnissen ins obere Drittel. Recruiterinnen und Recruiter suchen im System nach exakten Werkzeugnamen, und der Parser muss sie im Fließtext finden, nicht in einer Kopfzeile oder einem Bild.
• Schreiben Sie Werkzeuge so wie die Anzeige und nennen Sie beide Formen, wo sie sich unterscheiden: „Airflow (Apache Airflow)“, „dbt (data build tool)“, „GCP (Google Cloud Platform)“.
• Reichen Sie ein PDF ein, wenn das Formular nichts anderes verlangt, und nennen Sie es vorname-nachname-data-engineer.pdf.
• Verlinken Sie GitHub und, falls vorhanden, einen kurzen technischen Blog. Geklickt wird, aber nur auf einen Link, also nehmen Sie den besten.
• Ein Foto ist in Deutschland üblich, aber freiwillig, ebenso Geburtsdatum und Familienstand; in internationalen Tech-Unternehmen wird beides oft weggelassen. Als Adresse genügt der Wohnort, so bleibt oben Platz für Ihren Stack.