Finde die besten Data Engineers in Berlin in Minuten aus 15.000 Lebensläufen mit der Kraft von KI
Brauchst du Hilfe bei ETL- und ELT-Pipelines, Warehouse-Modellierung oder Streaming-Daten auf Snowflake, BigQuery, Databricks und Kafka? Erhalte schnelles, präzises Matching mit geprüften, verfügbaren Freelancer:innen.
Über die Rolle
Datenpipelines
Ein Data Engineer baut den Ablauf, der Rohdaten in nutzbare Daten verwandelt. Das bedeutet meist, Daten aus APIs, Datenbanken, SaaS-Tools, Logs und Event-Streams zu laden und sie dann in verlässliche Tabellen für Analytics, Reporting und Machine Learning umzuwandeln. Typische Ergebnisse sind:
- Batch- und Streaming-Pipelines
- ETL- und ELT-Workflows
- Data-Warehouse- und Lakehouse-Modelle
- Data-Quality-Checks und Monitoring
- Dokumentation für Übergabe und Support
Fähigkeiten und Tools Starke Data Engineers verbinden saubere Softwareentwicklung mit Know-how auf der Datenplattform. Sie arbeiten sicher mit SQL, Python, Orchestrierungstools und Cloud-Services und wissen, wie sie Pipelines auch bei wechselnden Quellsystemen wartbar halten.
- SQL, Python und Datenmodellierung
- Airflow, dbt, Spark und Kafka
- Snowflake, BigQuery, Databricks und Redshift
- Versionskontrolle, Tests und Observability
- Zugriffskontrolle und sicherer Umgang mit Daten
Wann Unternehmen sie beauftragen Unternehmen holen freie Data Engineers dazu, wenn Datenarbeit dringend ist, klar abgegrenzt ist oder mit einer Plattformänderung zusammenhängt. Häufige Fälle sind ein neuer Warehouse-Rollout, kaputte Pipelines nach einer Systemmigration, unübersichtliche Quelldaten, die Dashboards blockieren, oder der Bedarf, ein Team zu skalieren, ohne feste Stellen aufzustocken. In Berlin passt das oft zu Produktunternehmen, SaaS-Teams, E-Commerce-Unternehmen und Firmen mit gemischten lokalen und Remote-Teams. Ein Freelancer kann auch helfen, wenn es schnell losgehen muss und das interne Team gerade mit der Umsetzung ausgelastet ist.
Woran man gute Arbeit erkennt Ein starker Data Engineer bewegt nicht nur Daten. Er fragt, woher die Daten kommen, wer sie nutzt, was schiefgehen kann und wie das Team das Ganze nach dem Start weiter betreibt.
- Klare Datenmodelle, die zum Geschäftsnutzen passen
- Stabile Pipelines mit sinnvollen Alerts
- Saubere Übergabe für Analysten und Engineers
- Praktische Entscheidungen statt überladener Lösungen
- Gute Kommunikation mit Produkt-, Analytics- und Backend-Teams
Häufige Spezialisierungen Der Titel umfasst mehrere benachbarte Rollen, nach denen Käufer oft suchen. Du findest vielleicht auch ETL Developer, Data Pipeline Engineer, Analytics Engineer oder Cloud Data Engineer, wenn der Fokus auf Transformation, Warehouse-Layern oder Plattformbetrieb liegt. Der richtige Freelancer hängt davon ab, ob du Ingestion, Modellierung, Echtzeitverarbeitung oder Support für einen kompletten Data Stack brauchst. Zum Beispiel kann ein Team Hilfe brauchen, um operative Systeme mit einem zentralen Warehouse zu verbinden oder eine verlässliche Ebene für BI-Tools wie Looker, Power BI oder Tableau aufzubauen.
Arbeitsweise Freie Data Engineers arbeiten meist remote mit Zugriff auf Quellsysteme, Cloud-Konten und einem klaren Ticket-Backlog. Zeit vor Ort in Berlin kann bei Discovery, Architekturgesprächen oder einer sensiblen Migration helfen, ist aber für die Umsetzung nicht immer nötig. Am wichtigsten ist die enge Zusammenarbeit mit Analytics-, Backend- und Platform-Teams sowie eine klare Definition von Zuständigkeiten. Gute Freelancer können sich in einen bestehenden Stack einarbeiten, ihn ohne Störungen verbessern und dem Team Code hinterlassen, der leicht zu warten ist.
Lerne FRATCH Data Engineers kennen
Alexander Zhirov
Senior Data Architekt & Data Engineer
Letzte Position:
Senior Data Solutions Engineer bei VMware Inc.
- Private Cloud-Datenplattform auf VMware vSphere entworfen und implementiert, Greenplum MPP, Apache Kafka, Kubernetes und Apache Solr integriert und Echtzeit-Ingestion-Pipelines mit Kafka Connect und Schema Registry entwickelt.
- Migration von Oracle Exadata zu Greenplum geleitet, Datenmodelle neu architektonisch aufgebaut, Speicher optimiert, RabbitMQ mit Debezium für CDC implementiert und VectorDB für Generative AI eingeführt.
- PoC für Multi-Cloud-Migration über AWS, Azure und GCP entworfen und umgesetzt, KPIs für Durchsatz, Latenz und Kosteneffizienz definiert, Bulk-Datentransfers durchgeführt, Analytics- und Streaming-Workloads validiert und Architektur-Empfehlungen im großen Maßstab geliefert.
- Legacy-On-Premises-Infrastruktur bewertet und moderne cloud-native Datenplattformen mit Greenplum und containerisierten Microservices entworfen, mit Beratung zu Skalierbarkeit, Disaster Recovery und High Availability.
Anshita Srivastava
Fachkraft für Data & Analytics
Letzte Position:
Business Intelligence Developer and Data Analyst bei Deloitte Consulting
Ich bin darauf spezialisiert, komplexe Daten aus unterschiedlichen Umgebungen durch aussagekräftiges visuelles Storytelling in echten Geschäftsnutzen zu verwandeln. Ich habe viel Erfahrung darin, umsetzbare Erkenntnisse zu gewinnen und Empfehlungen an Business-Stakeholder zu präsentieren. Meine technischen Kenntnisse in SQL, Python und führenden Datenvisualisierungstools wie Tableau und Power BI ermöglichen es mir, eine neue Generation von Self-Service-Tools und Analytics-Services bereitzustellen.
- Datenvisualisierung & Storytelling: Aussagekräftige Datenvisualisierungen und Dashboards in Tableau und Power BI erstellt, Erkenntnisse klar vermittelt und umsetzbare Empfehlungen an C-Level-Stakeholder und Führungskräfte präsentiert.
- Stakeholder-Management: Effektive Arbeitsbeziehungen zu wichtigen Business-Stakeholdern, Data Engineers und anderen Partnern aufgebaut, um gemeinsame datengetriebene Ziele zu erreichen.
- Insights & Empfehlungen: Umsetzbare Erkenntnisse aus komplexen Datenanalysen zu Funnel-Conversion, Marketing-Performance und ROI gewonnen und damit die Geschäftsleistung und Strategie direkt beeinflusst.
- Datenzusammenarbeit & Befähigung: Eng mit cross-funktionalen Teams zusammengearbeitet, um die laufenden Datenanforderungen interner Partner zu unterstützen und interne Datenprozesse sowie Workflows zu optimieren.
- BI- & Data-Expertise: Umfangreiche Erfahrung in Datenmodellierung, Datenerfassung, Data Mining und Analyse eingesetzt, um End-to-End-Analyselösungen von der Stakeholder-Analyse bis zur Produktivsetzung bereitzustellen.
Anshita Srivastava
Fachkraft für Data & Analytics
Letzte Position:
Business Intelligence Developer and Data Analyst bei Deloitte Consulting
Ich bin darauf spezialisiert, komplexe Daten aus unterschiedlichen Umgebungen durch aussagekräftiges visuelles Storytelling in echten Geschäftsnutzen zu verwandeln. Ich habe viel Erfahrung darin, umsetzbare Erkenntnisse zu gewinnen und Empfehlungen an Business-Stakeholder zu präsentieren. Meine technischen Kenntnisse in SQL, Python und führenden
Ich bin darauf spezialisiert, komplexe Daten aus unterschiedlichen Umgebungen durch aussagekräftiges visuelles Storytelling in echten Geschäftsnutzen zu verwandeln. Ich habe viel Erfahrung darin, umsetzbare Erkenntnisse zu gewinnen und Empfehlungen an Business-Stakeholder zu präsentieren. Meine technischen Kenntnisse in SQL, Python und führenden Datenvisualisierungstools wie Tableau und Power BI ermöglichen es mir, eine neue Generation von Self-Service-Tools und Analytics-Services bereitzustellen.
- Datenvisualisierung & Storytelling: Aussagekräftige Datenvisualisierungen und Dashboards in Tableau und Power BI erstellt, Erkenntnisse klar vermittelt und umsetzbare Empfehlungen an C-Level-Stakeholder und Führungskräfte präsentiert.
- Stakeholder-Management: Effektive Arbeitsbeziehungen zu wichtigen Business-Stakeholdern, Data Engineers und anderen Partnern aufgebaut, um gemeinsame datengetriebene Ziele zu erreichen.
- Insights & Empfehlungen: Umsetzbare Erkenntnisse aus komplexen Datenanalysen zu Funnel-Conversion, Marketing-Performance und ROI gewonnen und damit die Geschäftsleistung und Strategie direkt beeinflusst.
- Datenzusammenarbeit & Befähigung: Eng mit cross-funktionalen Teams zusammengearbeitet, um die laufenden Datenanforderungen interner Partner zu unterstützen und interne Datenprozesse sowie Workflows zu optimieren.
- BI- & Data-Expertise: Umfangreiche Erfahrung in Datenmodellierung, Datenerfassung, Data Mining und Analyse eingesetzt, um End-to-End-Analyselösungen von der Stakeholder-Analyse bis zur Produktivsetzung bereitzustellen.
Datenvisualisierungstools wie Tableau und Power BI ermöglichen es mir, eine neue Generation von Self-Service-Tools und Analytics-Services bereitzustellen.
- Datenvisualisierung & Storytelling: Aussagekräftige Datenvisualisierungen und Dashboards in Tableau und Power BI erstellt, Erkenntnisse klar vermittelt und umsetzbare Empfehlungen an C-Level-Stakeholder und Führungskräfte präsentiert.
- Stakeholder-Management: Effektive Arbeitsbeziehungen zu wichtigen Business-Stakeholdern, Data Engineers und anderen Partnern aufgebaut, um gemeinsame datengetriebene Ziele zu erreichen.
- Insights & Empfehlungen: Umsetzbare Erkenntnisse aus komplexen Datenanalysen zu Funnel-Conversion, Marketing-Performance und ROI gewonnen und damit die Geschäftsleistung und Strategie direkt beeinflusst.
- Datenzusammenarbeit & Befähigung: Eng mit cross-funktionalen Teams zusammengearbeitet, um die laufenden Datenanforderungen interner Partner zu unterstützen und interne Datenprozesse sowie Workflows zu optimieren.
- BI- & Data-Expertise: Umfangreiche Erfahrung in Datenmodellierung, Datenerfassung, Data Mining und Analyse eingesetzt, um End-to-End-Analyselösungen von der Stakeholder-Analyse bis zur Produktivsetzung bereitzustellen.
Tobias Lewen
Data Engineer
Letzte Position:
Data Engineer bei unitb consulting GmbH
Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlag und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.
Tätigkeiten:
- Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
- Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
- Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
- Aufbau von Monitoring- und Alerting-Systemen für die Echtzeit-Überwachung der Plattform
- Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
- Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket
Erfolge:
- 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
- 3.000 Zeilen manuelle Konfiguration durch ein wiederverwendbares Automatisierungsmodul für 7 Kundendomains ersetzt, Konfigurationsfehler auf 0
- Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
- 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
- 100 % offengelegte Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
- Integration von 3 Teams in 1 Sprint geliefert
Tobias Lewen
Data Engineer
Letzte Position:
Data Engineer bei unitb consulting GmbH
Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlag und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.
Tätigkeiten:
- Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
Aufgaben: Design und Betrieb von End-to-End-Cloud-Datenplattformen für Enterprise-Kunden in Verlag und Finanzwesen, inkl. Infrastruktur-Automatisierung, Pipeline-Entwicklung, Monitoring und Datenqualität.
Tätigkeiten:
- Aufbau mehrschichtiger Datenarchitekturen auf Databricks (Apache Spark, Delta Lake), BigQuery und GCP
- Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
- Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
- Aufbau von Monitoring- und Alerting-Systemen für die Echtzeit-Überwachung der Plattform
- Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
- Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket
Erfolge:
- 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
- 3.000 Zeilen manuelle Konfiguration durch ein wiederverwendbares Automatisierungsmodul für 7 Kundendomains ersetzt, Konfigurationsfehler auf 0
- Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
- 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
- 100 % offengelegte Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
- Integration von 3 Teams in 1 Sprint geliefert
- Vollautomatisierung der Cloud-Infrastruktur mit Terraform über 3 Umgebungen (DEV/STG/PRD)
- Entwicklung automatisierter Datenpipelines mit Python, dbt und GCP-Services für verschiedene Datenquellen
- Aufbau von Monitoring- und Alerting-Systemen für die Echtzeit-Überwachung der Plattform
- Implementierung von Datenversionierung und Qualitätschecks auf jeder Schicht
- Design automatisierter Test- und Deployment-Pipelines in GitLab und Bitbucket
Erfolge:
- 2× Produktions-Datenverarbeitungskapazität, Spike-Reaktionszeit von Minuten auf ≤15 s reduziert, Serverfehler ≈ 0
- 3.000 Zeilen manuelle Konfiguration durch ein wiederverwendbares Automatisierungsmodul für 7 Kundendomains ersetzt, Konfigurationsfehler auf 0
- Vollständige Datenplattform end-to-end geliefert bei ~10 €/Monat Infrastrukturkosten
- 7 Datenbanktabellen migriert mit 0 nachgelagerten Problemen
- 100 % offengelegte Credentials entfernt, externe Vendor-Abhängigkeit eliminiert
- Integration von 3 Teams in 1 Sprint geliefert
Lasya Marella
Dateningenieur
Letzte Position:
Dateningenieur bei Carelon Global Solutions (Elevance Health)
- Entwickelte und implementierte skalierbare ETL/ELT-Pipelines mit Python, SQL, dbt, AWS und Informatica, um Daten aus Quellen wie APIs, relationalen Datenbanken und Flat Files in Snowflake zu laden, und verringerte die Pipeline-Laufzeit um ca. 30 %.
- Migrierte umfangreiche Datensätze von On-Premises Teradata zu Snowflake unter Nutzung von AWS-Diensten (S3, Glue, Step Functions, IAM) und stellte so Datenkonsistenz und Integrität sicher.
- Setzte die Kimball-Methodik zur Gestaltung von Stern- und Schneeflockenschemas ein, verbesserte die Abfrageleistung und senkte die Snowflake-Kosten.
- Implementierte automatisierte Datenqualitätsprüfungen mit SQL-basierten dbt-Tests und dem Great Expectations-Framework, um Anomalien zu erkennen und die Datenkorrektheit vor Produktionsläufen sicherzustellen.
- Orchestrierte ETL-Workflows in Airflow mit Python und verwaltete Code-Bereitstellungen über Git nach CI/CD-Best-Practices, um die Zuverlässigkeit zu steigern und die Pipeline-Verfügbarkeit zu gewährleisten.
- Erstellte interaktive Power-BI-Dashboards und kuratierte Datensätze, um datenbasierte Entscheidungen für Stakeholder zu ermöglichen.
- Pflegte technische Dokumentation in Confluence für ETL-Workflows und leitete Wissensaustauschsitzungen für neue Teammitglieder.
Lasya Marella
Dateningenieur
Letzte Position:
Dateningenieur bei Carelon Global Solutions (Elevance Health)
- Entwickelte und implementierte skalierbare ETL/ELT-Pipelines mit Python, SQL, dbt, AWS und Informatica, um Daten aus Quellen wie APIs, relationalen Datenbanken und Flat Files in Snowflake zu laden, und verringerte die Pipeline-Laufzeit um ca. 30 %.
- Entwickelte und implementierte skalierbare ETL/ELT-Pipelines mit Python, SQL, dbt, AWS und Informatica, um Daten aus Quellen wie APIs, relationalen Datenbanken und Flat Files in Snowflake zu laden, und verringerte die Pipeline-Laufzeit um ca. 30 %.
- Migrierte umfangreiche Datensätze von On-Premises Teradata zu Snowflake unter Nutzung von AWS-Diensten (S3, Glue, Step Functions, IAM) und stellte so Datenkonsistenz und Integrität sicher.
- Setzte die Kimball-Methodik zur Gestaltung von Stern- und Schneeflockenschemas ein, verbesserte die Abfrageleistung und senkte die Snowflake-Kosten.
- Implementierte automatisierte Datenqualitätsprüfungen mit SQL-basierten dbt-Tests und dem Great Expectations-Framework, um Anomalien zu erkennen und die Datenkorrektheit vor Produktionsläufen sicherzustellen.
- Orchestrierte ETL-Workflows in Airflow mit Python und verwaltete Code-Bereitstellungen über Git nach CI/CD-Best-Practices, um die Zuverlässigkeit zu steigern und die Pipeline-Verfügbarkeit zu gewährleisten.
- Erstellte interaktive Power-BI-Dashboards und kuratierte Datensätze, um datenbasierte Entscheidungen für Stakeholder zu ermöglichen.
- Pflegte technische Dokumentation in Confluence für ETL-Workflows und leitete Wissensaustauschsitzungen für neue Teammitglieder.
- Migrierte umfangreiche Datensätze von On-Premises Teradata zu Snowflake unter Nutzung von AWS-Diensten (S3, Glue, Step Functions, IAM) und stellte so Datenkonsistenz und Integrität sicher.
- Setzte die Kimball-Methodik zur Gestaltung von Stern- und Schneeflockenschemas ein, verbesserte die Abfrageleistung und senkte die Snowflake-Kosten.
- Implementierte automatisierte Datenqualitätsprüfungen mit SQL-basierten dbt-Tests und dem Great Expectations-Framework, um Anomalien zu erkennen und die Datenkorrektheit vor Produktionsläufen sicherzustellen.
- Orchestrierte ETL-Workflows in Airflow mit Python und verwaltete Code-Bereitstellungen über Git nach CI/CD-Best-Practices, um die Zuverlässigkeit zu steigern und die Pipeline-Verfügbarkeit zu gewährleisten.
- Erstellte interaktive Power-BI-Dashboards und kuratierte Datensätze, um datenbasierte Entscheidungen für Stakeholder zu ermöglichen.
- Pflegte technische Dokumentation in Confluence für ETL-Workflows und leitete Wissensaustauschsitzungen für neue Teammitglieder.
Enrico Goerlitz
Data- & KI-Engineering | Backend-Softwareentwicklung
Letzte Position:
Freiberuflicher Software & Data/AI Engineer bei Freiberuflicher Software & Data/AI Engineer
- Dozent für den GenAI-Track des Master School Institute of Technology
- Entwicklung einer Full-Stack-KI-Anwendung (React + Python/FastAPI) für den automatisierten Lieferanten-Produktimport mit intelligenter Spalten- und Kategorienklassifizierung (4-Layer, hierarchisch) inkl. Human-in-the-Loop-Validierung
Enrico Goerlitz
Data- & KI-Engineering | Backend-Softwareentwicklung
Letzte Position:
Freiberuflicher Software & Data/AI Engineer bei Freiberuflicher Software & Data/AI Engineer
- Dozent für den GenAI-Track des Master School Institute of Technology
- Entwicklung einer Full-Stack-KI-Anwendung (React + Python/FastAPI) für den automatisierten Lieferanten-Produktimport mit intelligenter Spalten- und
- Dozent für den GenAI-Track des Master School Institute of Technology
- Entwicklung einer Full-Stack-KI-Anwendung (React + Python/FastAPI) für den automatisierten Lieferanten-Produktimport mit intelligenter Spalten- und Kategorienklassifizierung (4-Layer, hierarchisch) inkl. Human-in-the-Loop-Validierung
Kategorienklassifizierung (4-Layer, hierarchisch) inkl. Human-in-the-Loop-Validierung
Vili Dhamo
Senior Data Engineer, Data Architect, Softwareentwickler
Letzte Position:
Technical Lead, Data Engineer bei Mercedes-Benz Consulting
- Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere Transparenz und Reproduzierbarkeit
- Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
- Pipeline-Orchestrierung mit Azure Data Factory
- Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
- Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
- Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
- Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
- Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS SharePoint, Mural
Vili Dhamo
Senior Data Engineer, Data Architect, Softwareentwickler
Letzte Position:
Technical Lead, Data Engineer bei Mercedes-Benz Consulting
- Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere Transparenz und Reproduzierbarkeit
- Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
- Optimierung der Datenarchitektur (Medallion) für eine bessere Entkopplung der Verarbeitungsschritte sowie höhere Transparenz und Reproduzierbarkeit
- Technische Qualitätssicherung der Datenverarbeitung in Databricks durch Einführung von Schema Enforcement, Datenqualitätschecks und strukturierter Datenarchitektur
- Pipeline-Orchestrierung mit Azure Data Factory
- Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
- Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
- Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
- Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
- Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS SharePoint, Mural
- Pipeline-Orchestrierung mit Azure Data Factory
- Professionalisierung und Automatisierung des Entwicklungs- und Deploymentprozesses durch Integration von Git und GitHub Actions
- Fachliche Führung des Data Engineering Teams (3 Mitarbeitende)
- Leitung von Workshops zur Optimierung und Stabilisierung der Datenplattform und des Entwicklungsprozesses
- Aufnahme und Priorisierung neuer Anfragen, Pflege des Produktbacklogs
- Technologien: Microsoft Azure (Data Lake, Data Factory), Databricks, Apache Spark (PySpark), Python, SQL, Git, Confluence, Power BI, Power Apps, Dataverse, MS SharePoint, Mural
Christian Richter
Freiberuflicher Data Engineer
Letzte Position:
Freiberuflicher Data Engineer bei Ingenieurbüro Christian Richter – Data, Cloud & Container
- Mitwirkung an über 20 erfolgreichen Projekten
Christian Richter
Freiberuflicher Data Engineer
Letzte Position:
Freiberuflicher Data Engineer bei Ingenieurbüro Christian Richter – Data, Cloud & Container
- Mitwirkung an über 20 erfolgreichen Projekten
- Mitwirkung an über 20 erfolgreichen Projekten
Dimitar Stefanovski
Berater - Senior Data Engineer (Datenarchitekt)
Letzte Position:
Berater - Senior Data Engineer (Datenarchitekt) bei Seerene GmbH
- Beratung des Entwicklungsteams bei der Neustrukturierung von Daten zur Verbesserung der Performance und Reduzierung der Code-Komplexität
- Neugestaltung der Datenbanktabellen für Caching und Einbindung vordefinierter Modelle zur Bedienung von Kundenanfragen
- Unterstützung des Produkts durch Analyse von Git-Commits zur Bereitstellung von KPIs für Manager großer Engineering-Teams
Dimitar Stefanovski
Berater - Senior Data Engineer (Datenarchitekt)
Letzte Position:
Berater - Senior Data Engineer (Datenarchitekt) bei Seerene GmbH
- Beratung des Entwicklungsteams bei der Neustrukturierung von Daten zur Verbesserung der Performance und Reduzierung der Code-Komplexität
- Beratung des Entwicklungsteams bei der Neustrukturierung von Daten zur Verbesserung der Performance und Reduzierung der Code-Komplexität
- Neugestaltung der Datenbanktabellen für Caching und Einbindung vordefinierter Modelle zur Bedienung von Kundenanfragen
- Unterstützung des Produkts durch Analyse von Git-Commits zur Bereitstellung von KPIs für Manager großer Engineering-Teams
- Neugestaltung der Datenbanktabellen für Caching und Einbindung vordefinierter Modelle zur Bedienung von Kundenanfragen
- Unterstützung des Produkts durch Analyse von Git-Commits zur Bereitstellung von KPIs für Manager großer Engineering-Teams
Eric Ndengang Foyet
Dateningenieur
Letzte Position:
Dateningenieur bei Creditsafe Deutschland GmbH
Eric Ndengang Foyet
Dateningenieur
Letzte Position:
Dateningenieur bei Creditsafe Deutschland GmbH
Entdecke mehr als 15.000 Top-Freelancer
Data Engineers – Statistiken
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
16 Jahre
Positionsdauer
2,8 Jahre
Positionen pro Freelancer
8
Häufigste Fachbereiche
Business Intelligence, Informationstechnologie (IT), Projektmanagement
Häufigste Branchen
Informationstechnologie (IT), Professionelle Dienstleistungen, Bank- und Finanzwesen
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Produktentwicklung
Bachelor-Abschluss oder höher
89%
Master-Abschluss oder höher
44%
Doktortitel
11%
Zertifizierungen pro Freelancer
3
Häufigste Sprachen
Deutsch, Englisch, Russisch
Sprechen zwei oder mehr Sprachen
100%
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Freelancer in dieser Rolle verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, wie viele Freelancer innerhalb dieser Spanne abrechnen. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Durchschnittssätze für Data Engineers & Seniority-Verteilung
Die Tagessätze basieren auf aktuellen Verträgen und enthalten keinen FRATCH-Aufschlag.
Der durchschnittliche Tagessatz ist der Mittelwert aller Tagessätze aus aktuellen Verträgen vergleichbarer Freelancer auf unserer Plattform.
Der Median-Tagessatz ist der mittlere Wert aller Tagessätze – die Hälfte der vergleichbaren Freelancer verlangt weniger, die andere Hälfte mehr. Anders als der Durchschnitt wird er von Ausreißern kaum beeinflusst.
Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Häufig gestellte Fragen
Mehr lernen? Finde hilfreiche Informationen über FRATCH
Ein Data Engineer baut und pflegt die Pipelines, die Daten von Quellsystemen in Warehouses, Lakes oder BI-fähige Ebenen bringen. Die Arbeit umfasst oft Ingestion, Transformation, Tests, Orchestrierung und Monitoring. Gute Freelancer dokumentieren den Ablauf auch so, dass das Kundenteam ihn nach der Übergabe weiter betreiben kann.
Achte auf starke SQL-, Python- und Datenmodellierungskenntnisse sowie auf Erfahrung mit Orchestrierung und Cloud-Plattformen. Ein solider Data Engineer sollte außerdem Datenqualität, Logging und Versionskontrolle verstehen. Wenn das Projekt Streaming oder Verarbeitung im großen Maßstab umfasst, frage auch nach Erfahrung mit Spark oder Kafka.
Ein Data Analyst arbeitet vor allem an Insights und Reporting, während sich ein Data Engineer auf die Systeme konzentriert, die Daten verlässlich und verfügbar machen. Ein Analytics Engineer sitzt näher an der Warehouse-Ebene und arbeitet oft an Modellen für BI-Nutzung. In der Praxis überschneiden sich diese Rollen, aber der Data Engineer verantwortet die technische Infrastruktur und die Plattformseite.
Ein Freelancer ist sinnvoll, wenn die Arbeit zeitlich begrenzt, dringend oder an eine bestimmte Plattformänderung gekoppelt ist. Viele Unternehmen beauftragen einen Data Engineer für eine Warehouse-Migration, eine kaputte Pipeline oder um Kapazitäten zu schaffen, während die Suche nach einer festen Stelle noch läuft. Das ist auch hilfreich, wenn du Spezialwissen für einen kleinen Teil des Stacks brauchst.
Ja, die meiste Arbeit kann remote erledigt werden, wenn Systemzugriff, Ticketing und Kommunikation gut eingerichtet sind. Berliner Kunden wünschen sich oft trotzdem einen Start vor Ort für Architektur-Reviews, Sicherheitsfreigaben oder die Abstimmung mit Stakeholdern. Die Sprache hängt vom Team ab, aber Englisch ist in der technischen Umsetzung üblich.
Ein ETL Developer oder Data Pipeline Engineer sollte funktionierende Pipelines, Transformationslogik, Tests und Monitoring liefern. Außerdem solltest du Dokumentation, Übergabe-Notizen und eine klare Zuständigkeit für Fehlerbehandlung erwarten. Wenn der Umfang größer ist, definiert der Freelancer vielleicht auch das Ziel-Datenmodell oder verbessert die Warehouse-Struktur.
Bitte um Beispiele aus früheren Pipelines, Migrationsprojekten und darum, wie mit fehlerhaften Daten oder wechselnden Quellsystemen umgegangen wurde. Ein starker Data Engineer kann Abwägungen klar erklären, nicht nur Tools aufzählen. Du solltest auch prüfen, ob die Person an Wartbarkeit, Alerts und die Nutzung der Daten durch andere Teams denkt.
In Berlin werden Data Engineers oft von SaaS-, Produkt-, E-Commerce- und Digitalplattform-Teams hinzugezogen. Häufige Projekte sind Cloud-Warehouse-Setups, Event-Tracking, API-Integrationen und das zuverlässigere Machen von BI-Daten. Gemischte Remote-Teams sind normal, daher ist klare Kommunikation fast genauso wichtig wie technisches Können.
Der durchschnittliche Stundensatz für Data Engineers in Berlin liegt bei 84 €, was einem Tagessatz von etwa 669 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern, die als Data Engineers in Berlin arbeiten, haben 89% mindestens einen Bachelor-Abschluss, 44% mindestens einen Master-Abschluss und 11% einen Doktortitel.
Freelancer, die als Data Engineers in Berlin arbeiten, haben im Durchschnitt 16 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,8 Jahre.
Die häufigsten Sprachen unter Freelancern, die als Data Engineers in Berlin arbeiten, sind Deutsch (100%), Englisch (100%) und Russisch (22%).
Die häufigsten Industrien unter Freelancern, die als Data Engineers in Berlin arbeiten, sind Informationstechnologie (IT) (100%), Professionelle Dienstleistungen (44%) und Bank- und Finanzwesen (33%).
Die häufigsten Bereiche unter Freelancern, die als Data Engineers in Berlin arbeiten, sind Business Intelligence (100%), Informationstechnologie (IT) (100%) und Projektmanagement (56%).
FRATCH Data Engineers Hauptstandorte
Unsere Freelancer und Interim-Experten sind in der gesamten DACH-Region zuhause — verfügbar vor Ort in den wichtigsten Wirtschaftszentren oder komplett remote. Wähle einen Standort und entdecke passende Spezialisten, lokale Markteinblicke und aktuelle Verfügbarkeiten.
Kostenlose Demo vereinbaren
Kontaktiere uns und das FRATCH-Team meldet sich innerhalb von 4 Stunden bei dir.
Möchtest du lieber direkt mit uns in Kontakt treten?
Wir haben immer Zeit für einen Anruf oder eine E-Mail!
Philipp Thomaschewski
FRATCH CEO
