Data Engineer werden: Quereinstieg ohne klassischen Weg

Du willst Data Engineer werden, hast aber kein Informatikstudium und fragst dich, ob ein Quereinstieg überhaupt realistisch ist. Die kurze Antwort: Ja, aber nur wenn du die richtigen Skills in der richtigen Reihenfolge lernst und deine Fähigkeiten beweisen kannst. Personalverantwortliche schauen weniger auf den Abschluss und mehr auf das, was du kannst.

Warum dein Abschluss zweitrangig ist#

Viele Stellenausschreibungen nennen einen Bachelor in Informatik oder ein verwandtes Fach. Das schreckt Quereinsteiger oft ab. In der Praxis sieht es aber anders aus. Gerade in Tech-Unternehmen und wachsenden Mittelständlern zählt, was du kannst und nicht, wo du es gelernt hast. Ein abgeschlossenes Studium ist ein einfacher Filter für die Personalabteilung, um die Masse an Bewerbungen einzugrenzen.

Wenn du aber ein überzeugendes GitHub-Profil mit sauberem Code, durchdachten Datenpipelines und einer klaren Dokumentation vorlegst, hebt dich das von vielen Absolventen ab. Deine Projekte sind dein Abschluss. Der Markt sucht verzweifelt Leute, die Dinge bauen können. Ein Titel allein garantiert nicht, dass jemand das kann.

Die richtigen skills in der richtigen reihenfolge#

Versuch nicht, alles auf einmal zu lernen. Konzentriere dich auf die Grundlagen zuerst und baue dann Schicht für Schicht darauf auf.

1. SQL: Das ist die Sprache der Daten. Du musst nicht nur SELECT-Abfragen schreiben können, sondern komplexe Joins, Window Functions und Common Table Expressions (CTEs) beherrschen. Das ist nicht verhandelbar.
2. Python: Die Lingua franca für Datenpipelines. Lerne die Grundlagen der Sprache gut. Danach konzentrierst du dich auf Bibliotheken wie pandas für Datenmanipulation und requests für APIs.
3. Cloud-Grundlagen: Wähle eine der großen Cloud-Plattformen: AWS, Google Cloud (GCP) oder Microsoft Azure. Lerne die Basics: Wie funktioniert Objektspeicher (S3/GCS)? Wie richte ich eine virtuelle Maschine ein?
4. Datenbanken: Verstehe den Unterschied zwischen relationalen Datenbanken (z.B. PostgreSQL) und NoSQL-Datenbanken (z.B. MongoDB). Wann setzt man was ein?
5. Orchestrierung: Datenpipelines müssen geplant und überwacht werden. Apache Airflow ist hier der Industriestandard. Lerne, wie man einfache DAGs (Directed Acyclic Graphs) schreibt.
6. Docker: Lerne, Anwendungen in Container zu packen. Das erleichtert die Entwicklung und das Deployment ungemein.

Drei portfolio-projekte, die überzeugen#

Ein fertiger Kurs auf Udemy ist ein Anfang. Ein eigenes Projekt, das du von A bis Z durchdacht und gebaut hast, ist der Beweis. Baue diese drei Projekte, um die wichtigsten Kompetenzen zu zeigen.

Projekt 1: Der Wetter-Daten-Sammler Du holst dir jede Stunde die Wetterdaten von einer kostenlosen API (z.B. OpenWeatherMap) für fünf verschiedene Städte.

• Du schreibst ein Python-Skript, das die Daten abruft und in eine CSV-Datei schreibt.
• Später erweiterst du das Skript, um die Daten in eine lokale PostgreSQL-Datenbank zu schreiben.
• Du planst die Ausführung des Skripts mit einem Cronjob oder Airflow. Das zeigt: API-Anbindung, Python, erste Schritte mit Datenbanken und Scheduling.

Projekt 2: Der YouTube-Transkript-Analysator Du wählst einen YouTube-Kanal mit vielen Videos. Du schreibst ein Skript, das die Transkripte dieser Videos herunterlädt.

• Du analysierst die Texte: Welche Wörter kommen am häufigsten vor?
• Du speicherst die Ergebnisse (Video-Titel, Wortanzahl, häufigste Wörter) in einer Datenbank.
• Du erstellst ein einfaches Dashboard mit einem Tool wie Metabase oder Streamlit, um die Ergebnisse zu visualisieren. Das zeigt: Textverarbeitung, Datenanalyse und den Willen, Ergebnisse sichtbar zu machen.

Projekt 3: Das Cloud-Daten-Warehouse Du nimmst einen öffentlichen Datensatz, z.B. die New Yorker Taxi-Fahrten.

• Du lädst die Daten (als CSV oder Parquet) in einen Cloud-Speicher (AWS S3 oder GCS).
• Du richtest eine Cloud-Datenbank ein (z.B. Google BigQuery oder AWS Redshift).
• Du baust eine Pipeline, die die Daten aus dem Speicher in das Data Warehouse lädt, transformiert (z.B. Datumsformate anpasst) und für Abfragen vorbereitet. Das zeigt: Cloud-Kenntnisse, Umgang mit großen Datenmengen und Data-Warehouse-Konzepte.

Zertifikate: was sie bringen und was nicht#

Zertifikate sind kein Freifahrtschein, aber sie können helfen, deine Lernbereitschaft zu zeigen. Konzentriere dich auf praxisnahe Zertifikate der großen Cloud-Anbieter. Ein "AWS Certified Cloud Practitioner" oder "Google Cloud Professional Data Engineer" wird von Arbeitgebern anerkannt.

Ein reines Zertifikat eines Online-Kurs-Anbieters wie Coursera oder DataCamp wiegt weniger schwer. Nutze diese Kurse zum Lernen, aber verlass dich nicht darauf als alleinigen Qualifikationsnachweis. Das Zertifikat öffnet vielleicht die Tür, aber deine Projekte überzeugen im Gespräch. Wenn du dir unsicher bist, welche Fähigkeiten wirklich gefragt sind, kannst du mit einem Tool wie dem kostenlosen JD Decoder Stellenanzeigen analysieren und die gefragten Skills herausfiltern.

Deine strategie für die erste bewerbung#

Dein Lebenslauf muss deine Projekte in den Vordergrund stellen. Packe einen Abschnitt "Projekte" über deine formale Berufserfahrung. Beschreibe nicht nur, was du gemacht hast, sondern welches Problem du gelöst hast und welche Technologien du verwendet hast.

Hier ein konkretes Beispiel für eine Lebenslauf-Zeile:

Vorher: "Wetterdaten analysiert".

Nachher: "Entwicklung einer Python-Pipeline zur stündlichen Erfassung von Wetterdaten über eine REST-API. Speicherung der Daten in einer PostgreSQL-Datenbank. Automatisierung der Ausführung mit einem Cronjob."

Der Unterschied ist sofort klar. Der zweite Satz zeigt konkrete Fähigkeiten. Nutze unseren kostenlosen ATS-Checker, um zu sehen, ob dein Lebenslauf von den automatischen Systemen der Unternehmen überhaupt richtig gelesen wird.

Suche gezielt nach Junior-Positionen oder Stellen, die explizit Quereinsteiger erwähnen. In unseren Stellenangeboten kannst du nach Einsteigerpositionen filtern. Eine weitere Strategie ist der Einstieg über eine Stelle als Datenanalyst. Dort kannst du deine SQL- und Python-Skills anwenden und dich intern Richtung Data Engineering weiterentwickeln. Lies auch unsere Bewerbungstipps für die richtige Formulierung deines Anschreibens.

Dein 6-monats-plan#

Das klingt nach viel. Aber wenn du es in kleine Häppchen aufteilst, ist es machbar. Hier ein realistischer Plan:

• Monat 1: SQL lernen. Täglich mindestens eine Stunde auf Plattformen wie SQLBolt oder StrataScratch üben.
• Monat 2: Python-Grundlagen. Konzentriere dich auf Variablen, Schleifen, Funktionen und den Umgang mit Listen und Dictionaries.
• Monat 3: Python für Daten. Lerne die Bibliotheken pandas und requests. Baue dein erstes kleines Projekt (z.B. den Wetter-Sammler).
• Monat 4: Cloud-Basics. Wähle AWS oder GCP. Lerne die wichtigsten Dienste für Datenspeicherung und Rechenleistung kennen.
• Monat 5: Datenbanken und Orchestrierung. Lerne die Grundlagen von Docker. Richte Airflow lokal ein und baue deinen ersten einfachen DAG.
• Monat 6: Portfolio aufbauen. Baue die drei oben vorgestellten Projekte. Schreibe eine gute Dokumentation auf GitHub. Beginne mit den Bewerbungen.

Häufige Fragen#

Wie lange dauert der quereinstieg zum data engineer?

Wenn du von Null anfängst und nebenbei arbeitest, solltest du mindestens sechs bis neun Monate für den intensiven Lern- und Projektaufbau einplanen. Mit einem Hintergrund in einem technischen Beruf oder als Datenanalyst kann es schneller gehen.

Brauche ich zwingend einen master in informatik?

Nein. Viele Unternehmen, besonders im Tech-Sektor und Mittelstand, akzeptieren praktische Erfahrung und nachweisbare Skills. Ein Studium kann bei sehr traditionellen Unternehmen oder im öffentlichen Dienst noch ein formales Hindernis sein, das ist aber die Ausnahme.

Welche programmiersprache ist wichtiger, python oder sql?

Beide sind unverzichtbar. SQL ist für die Arbeit mit Datenbanken absolut notwendig. Python ist die Standardsprache, um Pipelines zu schreiben, Daten zu transformieren und APIs anzusprechen. Fäng mit SQL an, das ist die Grundlage.

Wie viel verdient ein data engineer als quereinsteiger?

Die Einstiegsgehälter variieren stark nach Region, Unternehmensgröße und deinen konkreten Fähigkeiten. Laut verschiedenen Gehaltsvergleichsportalen liegen sie für Junior-Positionen in Deutschland oft zwischen 48.000 und 60.000 Euro brutto im Jahr. Informiere dich immer bei aktuellen Quellen wie Entgeltatlas der Arbeitsagentur.

Wo finde ich die ersten jobangebote für quereinsteiger?

Suche gezielt nach "Junior Data Engineer", "Data Engineer Einsteiger" oder "Working Student Data". Nutze Plattformen wie LinkedIn, StepStone oder spezialisierte Tech-Jobbörsen. Eine gute Übersicht findest du auch in unseren Stellenangeboten, wo du nach Erfahrungsstufe filtern kannst.