Data Engineers mit Schwerpunkt Snowflake bauen und betreiben Datenpipelines in der Cloud-Data-Plattform Snowflake. Sie sorgen dafür, dass Daten aus Quellsystemen zuverlässig, dokumentiert und auswertbar im Data Warehouse landen.
0 offene Stellen zu diesem Beruf im aktuellen Bestand.
| Erfahrung | Von | Median | Bis | Jahresbrutto | Verhältnis |
|---|---|---|---|---|---|
| Berufseinstieg | 3.800 € | 4.400 € | 5.200 € | 52.800 € | |
| Mit Berufserfahrung | 5.000 € | 5.900 € | 7.000 € | 70.800 € | |
| Mit langjähriger Erfahrung | 6.500 € | 7.800 € | 9.500 € | 93.600 € |
Die Spannen sind weit, weil fast durchgehend frei verhandelt wird; einen Tarifvertrag gibt es nur in tarifgebundenen Häusern wie Banken, Versicherungen oder im öffentlichen Dienst nach TVöD, wo die Obergrenzen deutlich niedriger liegen. Am stärksten wirken Branche, Unternehmensgröße und Standort: Konzerne und Softwarefirmen in München, Frankfurt oder Hamburg zahlen erheblich mehr als Mittelständler in ländlichen Regionen.
Die Werte sind Orientierungswerte und keine amtliche Statistik. Sie sind aus öffentlich verfügbaren Erhebungen, Tarifwerken und Stellenanzeigen abgeleitet und auf volle Euro gerundet. Im Einzelfall entscheiden Betrieb, Tarifbindung, Region, Qualifikation und Verhandlung – die Abweichung nach oben wie nach unten kann erheblich sein.
Das Jahresbrutto ist das 12-fache des Monatswertes. Urlaubs- und Weihnachtsgeld sind nicht enthalten, weil sie sich von Branche zu Branche unterscheiden.
Die Arbeit beginnt meist an einer Quelle: einem ERP-System, einer Salesforce-Instanz, Log-Dateien aus einem Webshop, einer Fremd-API. Diese Daten müssen nach Snowflake gebracht, dort strukturiert und für Auswertungen aufbereitet werden. Dafür werden Ladeprozesse gebaut, mit Werkzeugen wie Fivetran, Airbyte oder eigenen Python-Skripten, und anschließend Transformationen in SQL geschrieben, sehr häufig mit dbt. Am Ende stehen Tabellen und Views, auf die Analysten, Controlling oder Machine-Learning-Teams zugreifen.
Dazu kommt der Betrieb. Pipelines brechen, weil ein Quellsystem sein Schema geändert hat oder eine Datei nicht kam. Warehouses laufen zu groß dimensioniert und verbrauchen unnötig Credits, was in Snowflake direkt Geld kostet, weshalb Kostenkontrolle ein regelmäßiges Thema ist. Zugriffsrechte müssen gesetzt werden, personenbezogene Felder maskiert, Datenqualitätstests eingerichtet. Ein guter Teil des Tages besteht aus Absprachen: Was bedeutet dieses Feld eigentlich? Welche Definition von Umsatz gilt? Wer ist für diese Tabelle verantwortlich?
Der häufigste Weg führt über ein Studium in Informatik, Wirtschaftsinformatik, Mathematik oder einem naturwissenschaftlichen Fach mit Datenbezug. Eine Ausbildung als Fachinformatiker für Anwendungsentwicklung oder Daten- und Prozessanalyse ist ebenfalls tragfähig, oft ergänzt durch einige Jahre Praxis. Snowflake selbst lernt kaum jemand in der Ausbildung, sondern im Projekt. Die Zertifizierungen SnowPro Core und die Advanced-Prüfungen sind verbreitet und werden von Beratungshäusern gern gesehen.
Quereinstiege sind realistisch, aber selten von null. Wer aus dem Controlling, aus der BI-Entwicklung mit SQL Server oder Oracle, aus der Datenanalyse oder aus der klassischen Softwareentwicklung kommt, bringt das Fundament mit und lernt die Cloud-Werkzeuge nach. Entscheidend ist sicheres SQL, nicht oberflächliches, sondern inklusive Fensterfunktionen, Ausführungsplänen und Modellierung.
Die Arbeit ist überwiegend ruhig und im Büro oder remote, körperlich anspruchslos. Belastend ist anderes: Fehler in Pipelines fallen häufig morgens auf, wenn Berichte fehlen, und dann wird schnelle Behebung erwartet. Manche Teams haben Rufbereitschaft. Migrationsprojekte von einem alten Warehouse nach Snowflake ziehen sich über Monate und erzeugen Termindruck.
Unangenehm finden viele die Undankbarkeit der Fehlersuche in gewachsenen Systemen: schlecht dokumentierte Altlasten, widersprüchliche Kennzahlendefinitionen, Fachabteilungen, die eigene Excel-Wahrheiten pflegen. Wer in der Beratung arbeitet, reist zu Kunden und wechselt häufig den Kontext. Und das Werkzeugumfeld verändert sich schnell, laufendes Nachlernen gehört dazu.
Die Nachfrage ist hoch und seit Jahren stabil, weil viele Unternehmen ihre Datenhaltung aus Rechenzentren in Cloud-Plattformen verlagern. Snowflake ist dabei neben Databricks, BigQuery und Microsoft Fabric eine der führenden Plattformen. Eine reine Snowflake-Spezialisierung ist allerdings ein Risiko, breite Kenntnis von Datenmodellierung, Python und einem Cloud-Anbieter macht unabhängiger.
Entwicklungswege führen zum Analytics Engineer, zum Platform- oder Cloud-Data-Architekten, in die Teamleitung oder in die selbstständige Beratung. Wer Erfahrung mit Kostenoptimierung, Data Governance und großen Migrationen sammelt, wird gut bezahlt und findet Stellen ohne lange Suche.
Üblich ist ein Bachelor- oder Masterstudium in Informatik, Wirtschaftsinformatik oder einem quantitativen Fach, drei bis fünf Jahre. Alternativ führt eine dreijährige Ausbildung als Fachinformatiker für Anwendungsentwicklung oder für Daten- und Prozessanalyse in den Beruf, ergänzt durch Praxis in einem Datenteam. Die Snowflake-Kenntnisse entstehen im Projekt und werden häufig mit der Zertifizierung SnowPro Core nachgewiesen.
Zu diesem Beruf steht gerade keine Anzeige im Bestand. Der Bestand wird täglich abgeglichen; die Suche zeigt auch verwandte Bezeichnungen.
Analytics Engineers bauen aus Rohdaten verlässliche, dokumentierte Datenmodelle, mit denen Fachabteilungen und BI-Tools arbeiten können. Sie sitzen zwischen Data Engineering und Datenanalyse.
Data Engineers bauen und betreiben die Systeme, in denen Daten aus verschiedenen Quellen gesammelt, aufbereitet und für Auswertungen bereitgestellt werden. Sie sorgen dafür, dass Datenpipelines zuverlässig laufen und die gelieferten Daten korrekt sind.
Arbeitsplatz.de verwendet nur die Cookies, die für den Betrieb der Seite nötig sind. Kein Tracking, keine Werbenetzwerke, keine Auswertung Ihres Verhaltens. Einzelheiten stehen in der Datenschutzerklärung.