Data Engineer interview answers: praktische Beispiele fuer 2026

Du sitzt im Data Engineer Interview, die Frage kommt, und dir fällt nur Stichwort-Salat ein. Genau das kostet Stellen, obwohl dein Wissen reicht. Die Lösung ist kein auswendig gelernter Text, sondern ein Baukasten aus kurzen, konkreten Antworten, die du auf jede Frage zuschneiden kannst.

Dieser Text gibt dir genau diesen Baukasten für 2026. Screening, Technik, Verhalten, STAR, und die Fehler, die dich rauswerfen.

Wie du die Fragen überhaupt angehst#

Interviewer wollen drei Dinge hören: Was hast du gebaut, welche Trade-offs hattest du, was wäre dein nächster Schritt. Reihenfolge ist egal, aber alle drei Punkte müssen vorkommen.

Antworte nie mit einem Framework-Namen allein. "Ich nutze Airflow" sagt nichts. "Wir haben Airflow genommen, weil die DAGs versionierbar sind und wir Retries pro Task brauchten" sagt alles.

Screening-Fragen: hier entscheidet sich, ob es weitergeht#

HR oder ein technischer Sourcer stellt die ersten Fragen meistens breit. Ziel ist nicht Detailwissen, sondern Klarheit.

Häufige Fragen und wie du antwortest:

• "Erzähl mir von deinem letzten Projekt." Zwei Sätze Kontext, ein Satz dein Anteil, ein Satz Ergebnis. Maximal 60 Sekunden.
• "Warum Data Engineering?" Persönlicher Grund plus ein Hinweis, was dich an dem Feld hält. Kein Motivationsschreiben.
• "Was sind deine Kern-Technologien?" Nenne drei bis fünf, ordne sie ein, und sag wofür.
• "Gehaltsvorstellung?" Nenne eine Spanne, die du recherchiert hast. In Deutschland liegen die berichteten Werte je nach Erfahrung, Branche und Region stark auseinander, ein Senior in München verdient typischerweise mehr als ein Junior in Leipzig. Prüfe aktuelle Quellen, bevor du eine Zahl nennst.
• "Wann kannst du anfangen?" Ehrliche Antwort, inklusive Kündigungsfrist.

Beispielantwort auf "Erzähl mir von deinem letzten Projekt"

"Bei meinem letzten Arbeitgeber haben wir Verkaufsdaten aus fünf Quellen in ein zentrales Data Warehouse gezogen. Ich war verantwortlich für die Ingestion-Schicht mit Airflow und dbt, dazu das Datenmodell für die Sales-Tabellen. Mein Ergebnis war, dass die täglichen Reports nicht mehr manuell gebaut werden mussten, und die Analysten hatten eine einzige Quelle für Umsatzzahlen."

Technische Fragen: zeig Trade-offs, nicht Definitionen#

Die meisten Data Engineer Interviews prüfen vier Bereiche: SQL, Datenmodellierung, Pipelines und verteilte Systeme. Erwarte Coding am Whiteboard, im geteilten Editor oder als Take-home.

Klassische Fragen und wie du sie strukturierst:

• "Erklär den Unterschied zwischen einem Data Warehouse und einem Data Lake." Zuerst die Unterscheidung in einem Satz, dann ein Beispiel aus deiner Praxis, dann wann du welches wählen würdest.
• "Wie optimierst du einen langsamen Spark-Job?" Frag nach dem Ausgangszustand. Dann schlag Shuffle-Reduktion, Partitionierung, Caching oder Broadcast-Joins vor, je nachdem, was passt.
• "Was ist der Unterschied zwischen Batch und Streaming?" Nenne nicht nur Latenz. Sprich über Semantik, Exactly-once, und was bei Fehlern passiert.
• "Wie modellierst du SCD Typ 2?" Erkläre Gültigkeitszeiträume, den Surrogate Key, und warum du nicht einfach überschreibst.
• "Wie testest du deine Pipelines?" Erwarte Data-Tests, Schema-Tests, Volumen-Checks, und Reconciliation gegen die Quelle.

Konkretes Beispiel: eine Pipeline-Antwort umformulieren

Schlecht: "Wir hatten Kafka und Spark und das hat funktioniert."

Besser: "Wir hatten einen Use Case, in dem Kundenevents in Echtzeit für das Fraud-Team gebraucht wurden. Ich habe Kafka für die Aufnahme genutzt, Spark Streaming für die Anreicherung, und dann in eine Postgres-Tabelle geschrieben, die das Team abfragt. Der Trade-off war, dass wir Exactly-once aufgegeben haben und stattdessen Idempotenz im Consumer gebaut haben, weil das für unseren Fehlerfall einfacher war. Wenn ich es heute nochmal bauen würde, würde ich zuerst die Datenqualitäts-Checks mitdenken, die kamen bei uns zu spät."

Der Unterschied ist nicht Fachwissen. Der Unterschied ist, dass du sagst, was du getan hast, warum, und was du anders machen würdest.

Verhaltensfragen und die STAR-Methode#

Verhaltensfragen kommen fast immer, und fast alle Kandidaten vermasseln sie mit zu viel Kontext. STAR heißt: Situation, Task, Action, Result. Halte Situation und Task kurz, Action und Result lang.

Fragen, die 2026 in Data Engineer Interviews häufig kommen:

• "Erzähl mir von einem Datenfehler, den du verpasst hast."
• "Wie gehst du mit einem Stakeholder um, der unrealistische Deadlines setzt?"
• "Beschreibe eine Situation, in der du eine technische Entscheidung bereut hast."
• "Wann hast du zum ersten Mal eine Pipeline in Produktion übernommen?"
• "Wie arbeitest du mit einem Data Analysten zusammen, der SQL kann, aber kein Engineering?"

Vollständiges STAR-Beispiel

Frage: "Erzähl mir von einer Zeit, in der du eine Datenqualitäts-Krise hattest."

Situation: "In einem früheren Job ist uns aufgefallen, dass die täglichen Umsatzzahlen drei Tage lang falsch waren, weil ein Upstream-System ein Feldformat geändert hat. Die Analysten haben daraufhin Reports an das Management geschickt, die nicht gestimmt haben."

Task: "Ich war als verantwortlicher Engineer dran, die Ursache zu finden und zu verhindern, dass es wieder passiert."

Action: "Ich habe zuerst die letzten zehn Pipeline-Läufe verglichen und den Tag gefunden, an dem die Zahl abwich. Dann habe ich mit dem Quell-Team gesprochen, das Format bestätigt bekommen, und den Parser repariert. Danach habe ich Schema-Tests und Volumen-Checks eingebaut, die die Pipeline stoppen, wenn die Zeilenzahl um mehr als eine vereinbarte Schwelle abweicht."

Result: "Die Zahlen waren am nächsten Tag wieder korrekt, und seitdem haben wir zwei weitere Upstream-Änderungen abgefangen, bevor sie in Produktion gingen. Das Team hat zusätzlich eine kurze Runbook-Seite für solche Fälle."

Achte auf zwei Dinge. Erstens: sag nicht "wir", wenn du "ich" meinst. Zweitens: das Result muss eine Konsequenz haben, nicht nur "es hat funktioniert".

Regionale Unterschiede in Deutschland, die du kennen solltest#

Der deutsche Markt ist kein US-Markt. Erwarte mehr Gewicht auf Datenschutz, Betriebsrat, und vorhandene Legacy-Systeme. Fragen zu DSGVO, zu Datenaufbewahrung und zu On-Premise versus Cloud kommen hier häufiger als anderswo.

Auch Gehalt und Vertrag unterscheiden sich. Tarifbindung, Betriebsvereinbarungen, und Homeoffice-Regeln sind Verhandlungssache. Bei Gehaltszahlen: berichtete Spannen für Data Engineers in Deutschland bewegen sich grob zwischen unteren sechsstelligen und niedrigen siebenstelligen Euro-Beträgen pro Jahr, je nach Seniorität und Region, aber das variiert stark. Prüfe aktuelle Quellen und den konkreten Arbeitgeber.

Interviews sind außerdem oft mehrstufig: Erstgespräch, technische Runde, Take-home oder Live-Coding, dann Gespräch mit dem Team. Rechne in Deutschland eher mit vier bis sechs Terminen als mit zwei.

Was du vermeiden solltest#

Ein paar Fehler kosten dich die Stelle, auch wenn die Technik stimmt.

• Über Projektgrößen übertreiben. Wenn du sagst "ich habe das ganze Warehouse gebaut", und im Nachhoch fragt jemand nach Details, merkt man es sofort.
• Nur Buzzwords nennen. Wenn du Airflow, dbt, Snowflake, Kafka und Kubernetes in einem Satz nennst, ohne Zusammenhang, wirkt das aufgezählt.
• Keine Fragen stellen. Am Ende kommt fast immer "hast du Fragen?". Drei vorbereitete Fragen sind Minimum.
• Negativ über ehemalige Arbeitgeber reden. Sag, was du gelernt hast, nicht wer Schuld hatte.
• Gehalt zu früh ansprechen. Lass den Arbeitgeber zuerst eine Zahl nennen, wenn es geht.

Checkliste für die Vorbereitung

• Lies die Stellenanzeige Zeile für Zeile und markiere jedes Tool, das genannt wird
• Bereite für jedes markierte Tool ein Beispiel vor, in dem du es benutzt hast
• Formuliere drei STAR-Geschichten: Erfolg, Fehler, Konflikt
• Notiere Zahlen, die du nennen darfst, und Zahlen, die vertraulich sind
• Übe die Antwort auf "Erzähl mir von dir" laut, mit Timer, unter 60 Sekunden
• Recherchiere das Gehaltsgefüge für die konkrete Stadt und Seniorität
• Schau dir die Tech-Stack-Beschreibung auf der Karriereseite an
• Teste vor dem Termin dein Mikrofon, deine Kamera und deinen Screen-Sharing

Zur Vorbereitung lohnt sich ein Blick auf die kostenlose Stellenanzeigen-Analyse, mit der du die Anforderungen aus der Ausschreibung herausziehst: den Job Decoder findest du unter der Stellenanzeigen-Analyse für Data Engineer Rollen. Wenn du wissen willst, ob dein Lebenslauf überhaupt durch ATS kommt, hilft der kostenlose ATS-Check auf der Seite für den kostenlosen Lebenslauf-Check.

Übe am echten Text, nicht am Lehrbuch#

Die besten Übungsfragen stehen in echten Ausschreibungen, nicht in generischen Listen. Schau dir aktuelle Data Engineer Stellen an, und zwar in der Job-Suche mit aktuellen Data Engineer Ausschreibungen. Formuliere für jede Anforderung eine Antwort, die du laut sagen kannst.

Weitere Vorlagen und Beispiele für Interview-Antworten findest du im Karriere-Blog mit Beispielen für Interviewfragen.

Häufige Fragen#

Wie lang sollte eine Interview-Antwort sein?

Für Screening-Fragen reichen 30 bis 60 Sekunden. Für technische und Verhaltensfragen sind zwei bis drei Minuten gut, wenn du zwischendurch kurz Luft holst und dem Interviewer Raum für Rückfragen lässt.

Soll ich im Interview Notizen benutzen?

Ja, kurze Stichpunkte sind in Ordnung und werden in Video-Interviews fast immer akzeptiert. Lies nicht ab, das hört man sofort, und halte die Notizen auf einer Seite.

Was mache ich, wenn ich eine Antwort nicht weiß?

Sag ehrlich, dass du es nicht weißt, und beschreibe, wie du es herausfinden würdest. Das kommt bei technischen Fragen besser an als geratenes Halbwissen.

Wie viele STAR-Geschichten brauche ich für ein Interview?

Drei bis vier reichen, wenn du sie flexibel zuschneiden kannst. Eine Erfolgsgeschichte, eine Fehlergeschichte, eine Konfliktgeschichte und eine Lerngeschichte decken die meisten Verhaltensfragen ab.

Soll ich im Data Engineer Interview nach Gehalt fragen?

Erst, wenn der Arbeitgeber die Richtung vorgibt oder du im finalen Schritt bist. Nenne dann eine Spanne statt einer festen Zahl, und begründe sie mit deiner Erfahrung und der Region.