dbt-Experten in Frankfurt
für zuverlässige Analytics-Pipelines – in wenigen Minuten mit geprüften Fachleuten zusammengebrachtBeauftragen Sie Experten, die Daten aus dem Data Warehouse mit dbt, SQL und modernen Transformations-Workflows in getestete und dokumentierte Modelle umwandeln. Erhalten Sie schnell und gezielt Zugang zu geprüften, verfügbaren Freelancern, die zu Ihrem Projekt passen.
Lerne FRATCH Experten in Frankfurt kennen, die kürzlich dbt-Experten eingesetzt haben
Felix T.
Letzte Position:
Data Engineering und Power BI bei Wesernetz Bremen
Eigenverantwortlicher Aufbau einer Datenplattform mit systemübergreifendem Prozessmonitoring.
- Konzeption der Bronze/Silver/Gold-Architektur und Python-basierte Pipelines für heterogene operative Quellen.
- Bereinigung, Harmonisierung und Validierung der Daten; Verarbeitung und Ablage im Parquet-Format.
- Historisierung von Datenständen und Aufbau fachlicher Fakten- und Dimensionsmodelle für nachvollziehbare Auswertungen.
- Automatisierte Datenbereitstellung mit Python und Power Automate (Desktop und Cloud); SharePoint für Archivierung und Datenzugriff.
- Entwicklung der Power-BI-Lösung von der Datenaufbereitung bis zur Visualisierung von Prozesszuständen, Bearbeitungsständen und Abweichungen.
Technologien: Python, SQL, Parquet, Power BI, Power Query, Power Automate, SharePoint, Copilot
Bardiya B.
Letzte Position:
Data Scientist bei Rewe Digital GmbH
Statistischer Prognosealgorithmus
- Verbesserung eines statistischen probabilistischen Prognosealgorithmus für Umsätze + Evaluierung
- Migration von R/On-Premise zu Python/Snowflake
- Überführung in den Produktivbetrieb auf Snowflake in Zusammenarbeit mit Data Engineers & DevOps
Monitoring-Dashboard
- Data Engineering zur Aufbereitung & Bereitstellung notwendiger Daten/Ressourcen auf Snowflake
- Entwicklung & Bereitstellung eines Streamlit-Dashboards in Snowflake
ML-basierte probabilistische Prognosen auf Vertex AI
- Entwicklung eines ML-basierten probabilistischen Prognosealgorithmus von Grund auf
- Implementierung einer MLOps-Pipeline in Kubeflow auf Google Cloud Vertex AI
Tech Stack: Python, Snowflake/Snowpark, R, Streamlit, Gitlab/Gitlab CICD, Terraform, Google Cloud, Vertex AI (aiplatform SDK, gcloud CLI, Feature Store, Model Registry usw.), kubeflow
Silke D.
Letzte Position:
Business-Analyst bei Rentenservice
Erarbeitung einer Digitalisierungsstrategie Analyse der Altsysteme und Gestaltung einer neuen IT-Landschaft
- Erhebung der aktuellen Arbeitsstrukturen und Arbeitsprozesse
- Identifizierung von Optimierungspotenzialen
- Erarbeitung einer Toollandschaft, die die Anforderungen der Geschäftsprozesse umsetzt
- Erstellung eines Request for Proposal
- Definition von Epics und User Stories
- Prozessmodellierung
Technologien/Methoden: Confluence, MS Teams, MindManager, PlantUML, JIRA
Ulm P.
Letzte Position:
DataStage ETL Experte bei ING Bank
- Datastage 11.7, dbt, Oracle 19, Python 3.12 / PySpark 3.5, Azure GitHub, Azure DevOps, Automic
- Entwicklung von Migrations-Jobs zur Übertragung der Daten aus dem Collection-DWH in den neuen Risk Mart sowie Entwicklung von ETL-Strecken zur Migration historischer Daten vom alten Mart in den neuen Risk Mart.
- Speicherung der Silver Layer auf Hadoop und der Gold Layer in Oracle.
- Übersetzung von DataStage-Jobs in dbt zur Veröffentlichung von Berichtsdaten in der Google Cloud auf eine PostgreSQL-Datenbank.
- Erstellung und Optimierung komplexer SQL-Abfragen zur Datenextraktion aus einem Data Vault unter Berücksichtigung der Historisierung in den Point-in-Time-Tabellen.
- Erstellung von Oracle-Tabellendefinitionen (DDL) und Anpassung bestehender Stored Procedures.
- Versionierung der Änderungen in GitHub und Deployment über das CI/CD-Portal.
- Umbau von DataStage-Langläufer-Jobs in Python unter Einsatz von PySpark zur Reduzierung der Serverlast.
- Migration von SAS-Skripten nach PL/SQL einschließlich Neuentwicklung von Verteilungsfunktionen ohne direktes Äquivalent in Oracle.
- Entwicklung von Automic-Jobs zur Ausführung von DataStage-Strecken und Python-Skripten (PySpark-Jobs), die die Befüllung der SME- und Institutional-Risk-Tabellen im Risk Mart steuern und fachliche Berechnungen ausführen.
- Teilnahme am agilen Prozess, einschließlich der Erstellung von User Stories, Schätzungen und Planung in Azure DevOps.
- Bearbeitung von Azure DevOps-Tickets und enge Zusammenarbeit mit Testern und Fachbereichen zur Fehleranalyse und -behebung.
Roman K.
Letzte Position:
Senior Data Engineer / Cloud-Architekt bei DB Systel
- Entwicklung einer zentralen Abrechnungs-App für Cloud-Kosten bei der DB
- AWS
- Python
- AWS CDK
- RDS
- Spark (PySpark)
- Glue
- Lambda
- CI/CD (GitLab)
- React/Typescript
- Datenoptimierung
- Scrum
Markus G.
Letzte Position:
Daten-Lösungsarchitekt, Gründer bei GRITCON GmbH
- Design und Entwicklung moderner Cloud DWH & Daten Plattformen
- Data-Vault Automatisierung
- Implementierung von ELT und CI/CD Prozessen
- Anforderungsanalyse und Datenmodellierung
- Aufbau einer automatisierten Cloud Daten Plattform als Referenzarchitektur im Financial Risk Controlling (Snowflake, Data-Vault, DBT, Python, GitHub) 2024-10-01 – 2025-06-30, Zürich
- DWH-Weiterentwicklung, Betrieb und Cloud-Migration (Data-Vault, DBT, SAP Data-Services, Alteryx, SQL-Server, Azure Synapse) 2023-03-01 – 2025-06-30, Frankfurt
- Implementierung einer konzernweiten Cloud Daten-Plattform (Data-Vault, WhereScape, Snowflake, AWS, Scrum) 2021-04-01 – 2023-12-31, Köln
- Proof-of-Concept für eine konzernweite Cloud Daten Plattform (Data-Vault, Snowflake, Synapse, WhereScape, Azure, Scrum) 2022-04-01 – 2022-07-31, Bonn
- Implementierung einer Cloud Daten-Plattform (Data-Vault, Snowflake, WhereScape, AWS) 2021-07-01 – 2022-04-30, Karlsruhe
- Big-Data Integration aller zum ITSM-Prozess gehörenden Quellsysteme (Data-Vault, Snowflake, WhereScape, AWS, Scrum) 2021-01-01 – 2021-05-31, Prag
- Entwicklung und Betrieb einer konzernweiten Self-Service-BI-Plattform zur Darstellung von ca. 150 Konzern-KPIs (Data-Vault, WhereScape, Postgres, Jenkins, Talend, AWS, Scrum) 2018-11-01 – 2020-12-31, Frankfurt
- Implementierung eines DWH zur Preissteuerung und Kapazitätsprognose im Personenfernverkehr (SAP BODS, SQL-Server, AWS) 2017-10-01 – 2018-11-30, Frankfurt
- Einführung von SAP BODS und Migration des vorhandenen DWH (SAP, BODS, HANA, Oracle, Cognos) 2017-05-01 – 2017-10-31, Rastatt
Entdecke mehr als 15.000 Top-Freelancer
Statistiken von Experten, die dbt-Experten einsetzen
Aggregiert aus den beruflichen Profilen passender Freelancer.
Berufserfahrung
20 Jahre (Deutschland: 14 Jahre)
Positionsdauer
2,2 Jahre (Deutschland: 1,8 Jahre)
Positionen pro Freelancer
14 (Deutschland: 10)
Häufigste Fachbereiche
Business Intelligence, Informationstechnologie (IT), Produktentwicklung
Häufigste Branchen
Informationstechnologie (IT), Professionelle Dienstleistungen, Bank- und Finanzwesen
Fokus der Zertifizierungen
Informationstechnologie (IT), Business Intelligence, Projektmanagement
Bachelor-Abschluss oder höher
80% (Deutschland: 99%)
Master-Abschluss oder höher
60% (Deutschland: 68%)
Doktortitel
20% (Deutschland: 9%)
Zertifizierungen pro Freelancer
8 (Deutschland: 4)
Häufigste Sprachen
Deutsch, Englisch, Französisch
Sprechen zwei oder mehr Sprachen
100% (Deutschland: 99%)
Basierend auf unserem Profilpool, Stand 29 Okt 2026.
Tagessatzverteilung
Das Diagramm zeigt, wie sich die Tagessätze der Experten in dieser Technologie in Frankfurt verteilen, basierend auf aktuellen Verträgen auf unserer Plattform. Jeder Balken deckt eine Tagessatzspanne ab – seine Höhe zeigt, welcher Anteil der Experten innerhalb dieser Spanne abrechnet.
Durchschnittssätze von Experten in Frankfurt, die dbt-Experten einsetzen
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.
Berechnet auf Basis der Tagessätze unserer Freelancer, Stand 29 Okt 2026. Die tatsächlichen Tagessätze können je nach Dienstalter, Erfahrung, Fachkenntnissen, Projektkomplexität und Auftragsdauer variieren.
Branchenfokus der dbt-Experten Experten
Sieh, in welchen Branchen unsere gematchten Freelancer am häufigsten tätig sind — jede Zahl wird live aus den Freelancern auf FRATCH berechnet.
- Informationstechnologie (IT) (100%)
- Professionelle Dienstleistungen (83%)
- Bank- und Finanzwesen (67%)
- Transport und Logistik (67%)
- Medien, Unterhaltung und Druck (50%)
- Werbung (33%)
- Energie (33%)
- Gesundheitswesen (33%)
Bitte beachte, dass Freelancer in mehreren Branchen tätig sein können, daher überschneiden sich die Prozentwerte.
Über die Technologie
Was dbt macht
dbt, kurz für data build tool, hilft Teams dabei, Rohdaten aus dem Data Warehouse mit SQL in zuverlässige, wiederverwendbare Datensätze umzuwandeln. Dabei kommen Methoden aus der Softwareentwicklung zum Einsatz, etwa modulare Modelle, Versionskontrolle, Tests und Dokumentation für Analytics-Aufgaben. Teams nutzen dbt, um verlässliche Tabellen für Berichte, Prognosen, Produktanalysen und operative Entscheidungen zu erstellen.
Kern-Workflow
Ein dbt-Projekt beschreibt, wie Daten von Quelltabellen zu aufbereiteten Modellen gelangen. Spezialisten definieren Quellen, schreiben SQL-Modelle, legen Abhängigkeiten fest und führen Transformationen im Cloud Data Warehouse des Unternehmens aus. Die daraus entstehende Datenherkunft erleichtert es, vorgelagerte Änderungen, nachgelagerte Auswirkungen und Zuständigkeiten nachzuvollziehen.
- Staging-, Zwischen- und Reporting-Modelle erstellen
- Aktualitäts-, Schema- und Datenqualitätstests hinzufügen
- Modelle, Spalten und Geschäftsdefinitionen dokumentieren
- Umgebungen mit Git und Pull Requests verwalten
Ökosystem und Tools
dbt funktioniert mit Data Warehouses und Query Engines wie Snowflake, BigQuery, Databricks, Redshift und PostgreSQL. Zum Ökosystem gehören dbt Core, dbt Cloud, Packages, Macros, Seeds, Snapshots und Exposures. Gute Spezialisten arbeiten außerdem mit Orchestrierungstools, CI-Pipelines, semantischen Ebenen sowie Produkten für Katalogisierung oder Beobachtbarkeit im Transformations-Workflow.
Wann Fachwissen wichtig ist
Unternehmen holen sich oft dbt-Freelancer ins Team, wenn ein Data Warehouse schnell wächst, Reporting-Logik mehrfach vorhanden ist oder sich Teams nicht auf verlässliche Kennzahlen einigen können. Externe Spezialisten können Projektstandards festlegen, anfälliges SQL überarbeiten und eine gut wartbare Grundlage für die Migration von Analytics schaffen. In Frankfurt kann die Zusammenarbeit Remote-Arbeit mit Workshops für lokale Teams aus den Bereichen Daten, Finanzen oder Produkt verbinden.
- Verteilte Dashboard-Logik durch geregelte Modelle ersetzen
- Transformationen aus älteren ETL-Prozessen migrieren
- Testabdeckung, Datenherkunft und Dokumentation verbessern
- dbt-Projekte für CI und die Übergabe an Teams vorbereiten
Zu bewertende Fähigkeiten
Suchen Sie nach Fachleuten, die nicht nur die dbt-Syntax, sondern auch dimensionales Modellieren, SQL-Performance, Kostenverhalten von Data Warehouses und Datenverträge verstehen. Sie sollten den Detaillierungsgrad eines Modells, die Wahl von Abhängigkeiten und die Testabdeckung verständlich mit Blick aufs Geschäft erklären können. Erfahrung mit Git-Workflows, Orchestrierung, Zugriffskontrollen und Deployment-Verfahren ist für den Produktiveinsatz ebenso wichtig.
Qualitätsmerkmale
Ein guter dbt-Spezialist klärt zuerst die Zuverlässigkeit der Quellen, Geschäftsdefinitionen und erwarteten Nutzer. Er wählt klare Modellebenen, hält Transformationen gut überprüfbar und setzt Tests ein, die wichtige Annahmen absichern, statt unnötige Meldungen zu erzeugen. Gute Dokumentation, verständliche Benennungen, passende inkrementelle Strategien und ein praktischer Übergabeplan sind Zeichen für Arbeit, die auch nach dem Projekt Bestand hat.
Häufig gestellte Fragen
Was Kunden uns zu dbt-Experten am häufigsten fragen – kurz beantwortet.
dbt wird verwendet, um Rohdaten in einem Data Warehouse in getestete, dokumentierte und wiederverwendbare Modelle umzuwandeln. Unternehmen nutzen es für Analytics-Berichte, Finanzdaten, Produktkennzahlen, Prognosegrundlagen und andere geregelte Datenprodukte.
dbt konzentriert sich vor allem auf die Transformationsphase und führt SQL dort aus, wo die Daten bereits liegen. Traditionelle ETL-Tools verbinden oft Extraktion, Laden und Transformation in einem visuellen Workflow, während dbt Code-Reviews, modulare Modelle, Datenherkunft und automatisierte Tests in den Mittelpunkt stellt.
Ein guter dbt-Spezialist bringt in der Regel fortgeschrittene SQL-Kenntnisse, Erfahrung mit dimensionalem Modellieren und ein Cloud Data Warehouse wie Snowflake, BigQuery oder Databricks mit. Auch Git, Orchestrierung, CI, Datenqualität, Zugriffsverwaltung und Anforderungen an Dashboards sind wertvoll.
Das passende Erfahrungsniveau hängt von der Aufgabe ab. Für gezielte Verbesserungen an einem Modell oder Tests sind solide SQL- und dbt-Kenntnisse nötig. Eine Migration des Data Warehouses oder eine Neugestaltung des Projekts erfordert dagegen Erfahrung mit Architektur, Deployment, Performance und der Abstimmung mit Stakeholdern.
dbt eignet sich gut für Remote-Zusammenarbeit, da Projekte mit Code, Pull Requests, automatisierten Prüfungen und gemeinsamer Dokumentation verwaltet werden. Teams in Frankfurt können remote mit Spezialisten arbeiten und gezielte Termine für Anforderungen, Kennzahlendefinitionen und Übergaben planen.
Ein überzeugendes dbt-Portfolio sollte eine klare Modellstruktur, aussagekräftige Tests, hilfreiche Dokumentation und eine verständliche Datenherkunft zeigen. Fragen Sie, wie der Spezialist mit wechselnden Quellen, inkrementellen Modellen, Data-Warehouse-Performance und unterschiedlichen Geschäftsdefinitionen umgegangen ist.
dbt Core ist das Open-Source-Befehlszeilen-Framework zum Entwickeln und Ausführen von dbt-Projekten. dbt Cloud bietet zusätzlich gehostete Entwicklung, Planung, Jobverwaltung und Funktionen für die Zusammenarbeit. Welche Lösung passt, hängt vom Betriebsmodell des Teams und den vorhandenen Tools ab.
Ein produktionsreifes dbt-Modell hat einen klaren Detaillierungsgrad, stabile Abhängigkeiten, passende Tests und eine Dokumentation, die die Datennutzung abbildet. Außerdem sollte es einen klar festgelegten Deployment-Prozess, die Überwachung der Aktualität von Quelldaten und einen zur Data-Warehouse-Umgebung passenden Performance-Ansatz geben.
Der durchschnittliche Stundensatz von Freelancern in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, liegt bei 110 €, was einem Tagessatz von etwa 883 € bei einem 8-Stunden-Tag entspricht.
Von den Freelancern in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, haben 80% mindestens einen Bachelor-Abschluss, 60% mindestens einen Master-Abschluss und 20% einen Doktortitel.
Freelancer in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, haben im Durchschnitt 20 Jahre Berufserfahrung; ein einzelnes Projekt dauert typischerweise etwa 2,2 Jahre.
Die häufigsten Sprachen unter Freelancern in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, sind Deutsch (100%), Englisch (100%) und Französisch (33%).
Die häufigsten Industrien unter Freelancern in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, sind Informationstechnologie (IT) (100%), Professionelle Dienstleistungen (83%) und Bank- und Finanzwesen (67%).
Die häufigsten Bereiche unter Freelancern in Frankfurt, Deutschland, die dbt in ihren letzten Projekten eingesetzt haben, sind Business Intelligence (100%), Informationstechnologie (IT) (100%) und Produktentwicklung (83%).
Hauptstandorte der FRATCH Experten, die kürzlich dbt-Experten eingesetzt haben
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.
Berlin 
München Länder:
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
