Vorstellungsgespräch als Data Engineer: Fragen und Antworten

Du hast die Einladung zum Vorstellungsgespräch als Data Engineer in der Tasche, jetzt klopft das Herz. Die Angst, vor den technischen Fragen zu versagen oder in den Verhaltensfragen den Faden zu verlieren, ist real. Keine Sorge, die meisten Interviews folgen einem klaren Muster. Wenn du dieses Muster verstehst und die richtigen Geschichten vorbereitest, wandelt sich Nervosität in fokussierte Energie.

Hier ist ein Fahrplan durch die häufigsten Fragetypen, mit konkreten Antworten, auf die Interviewer wirklich warten.

Das Screening: Passt der erste Eindruck?#

Bevor es an die Whiteboards geht, wollen Recruiter oder Hiring Manager wissen, ob du das Grundgerüst mitbringst. Hier geht es um deine Motivation, dein Gehaltsvorstellung und ob du die Stellenanzeige überhaupt gelesen hast.

Typische Fragen:

1. "Erzählen Sie uns von Ihrem Weg zu Data Engineering."
2. "Warum interessieren Sie sich für diese Position und unser Unternehmen?"
3. "Was sind Ihre Gehaltsvorstellungen?"

Worauf Interviewer achten: Sie hören auf Authentizität. Ein auswendig gelernter Monolog über "Big Data" wirkt schnell aufgesetzt. Zeig, dass du das konkrete Problem der Firma verstanden hast. Wenn sie Daten für Echtzeit-Empfehlungen brauchen, erzähl von deinem letzten Echtzeit-Projekt.

Ein typischer Fehler: Die Gehaltsfrage umschiffen oder mit "Ich bin flexibel" beantworten. Das wirkt unsicher. Recherchiere vorher branchenübliche Spannen für Data Engineers mit deiner Erfahrung in der Region. Nenne dann eine realistische Bandbreite, z. B. "Basierend auf meiner Erfahrung und den Anforderungen der Rolle stelle ich mir ein Jahresgehalt zwischen 65.000 und 75.000 Euro vor." Die genauen Zahlen variieren stark, prüfe aktuelle Gehaltsvergleichsportale.

Die fachlichen Fragen: Zeig, was du kannst#

Das ist das Herzstück. Hier wird geprüft, ob du die Theorie in die Praxis umsetzen kannst. Die Fragen drehen sich um SQL, Datenmodellierung und Pipelines.

Typische Fragen: 4. "Was ist der Unterschied zwischen einem OLTP- und einem OLAP-System?" 5. "Erklären Sie den Begriff 'Schema on Read' vs. 'Schema on Write'." 6. "Wie würden Sie eine langsame Abfrage in einer Datenbank optimieren?" 7. "Beschreiben Sie den Aufbau einer ETL-Pipeline, die Sie gebaut haben."

Beispielantwort zu Frage 7 (ETL-Pipeline):

Falsch: "Ich habe eine Pipeline mit Airflow und Spark gebaut, die Daten extrahiert, transformiert und lädt."

Richtig: "In meinem letzten Projekt mussten wir Clickstream-Daten aus unseren Webservern in ein Analytics-Data Warehouse laden. Die Rohdaten kamen als JSON-Dateien im S3-Bucket an. Ich habe einen Airflow-DAG eingerichtet, der stündlich neue Dateien erkennt. Ein Spark-Job liest die Dateien, flattet die verschachtelte JSON-Struktur, filtert ungültige Events wie Bots und schreibt das Ergebnis als partitionierte Parquet-Dateien zurück nach S3. Ein zweiter DAG lädt diese Parquet-Dateien dann per COPY-Befehl in unser Redshift-Cluster. Die gesamte Pipeline ist idempotent, sodass wir bei Fehlern einen Tag problemlos neu laden können."

Worauf Interviewer achten: Sie wollen sehen, dass du die Komponenten benennen kannst (Extraktion, Transformation, Ladevorgang) und verstehst, warum du bestimmte Tools gewählt hast. Begriffe wie "idempotent", "partitioniert" oder "Scheduling" zeigen, dass du nicht nur Code schreibst, sondern Systeme denkst. Wenn du unsicher bist, welche Tools das Unternehmen nutzt, kannst du mit dem kostenlosen Stellenanzeigen-Decoder die Anforderungen aus der Jobausschreibung analysieren.

Verhaltensfragen: Wie löst du Probleme?#

Hier geht es um Soft Skills. Der Interviewer will wissen, wie du mit Konflikten, Fehlern und Teamarbeit umgehst. Die Methode ist fast immer STAR (Situation, Task, Action, Result).

Typische Fragen: 8. "Beschreiben Sie eine Situation, in der Ihre Datenpipeline in Produktion fehlgeschlagen ist. Was haben Sie getan?" 9. "Erzählen Sie von einem Projekt, bei dem Sie mit einem Data Scientist oder Analysten nicht einer Meinung waren." 10. "Wie priorisieren Sie Aufgaben, wenn alles 'dringend' ist?"

Beispielantwort zu Frage 8 (Pipeline-Fehler):

Situation: "Letzten Dienstag um 2 Uhr morgens ist unser Slack-Alarm für den Daily-ETL-Job losgegangen. Der Job, der unsere Verkaufsdaten für das Tagesreporting lädt, war nach 45 Minuten abgebrochen." Task: "Meine Aufgabe war es, den Fehler schnellstmöglich zu beheben, die Datenqualität sicherzustellen und das Reporting-Team zu informieren." Action: "Ich habe zuerst die Logs in Airflow geprüft. Der Fehler kam von einer Datenbank-Sperre, weil ein Entwickler vergessen hatte, ein manuelles Update-Script zu beenden. Ich habe den Entwickler kontaktiert, der die Sperre aufhob. Dann habe ich den Airflow-Job manuell neu gestartet. Parallel habe ich dem Reporting-Team per Slack Bescheid gegeben, dass ihr Tagesbericht sich um etwa eine Stunde verspäten wird." Resultat: "Der Job lief erfolgreich durch, das Reporting war um 7 Uhr statt um 6 Uhr verfügbar. Ich habe danach ein kurzes Post-Mortem-Dokument geschrieben und vorgeschlagen, ein Monitoring für offene Datenbank-Transaktionen einzurichten."

Worauf Interviewer achten: Sie wollen sehen, dass du systematisch vorgehst, kommunizierst und aus Fehlern lernst. Die beste Antwort zeigt nicht, dass du perfekt bist, sondern dass du verlässlich bist. Vermeide es, die Schuld auf andere zu schieben.

Die Vorbereitungs-Checkliste#

• Recherchiere das Unternehmen: Was ist ihr Produkt? Welche Tech-Stack nutzen sie (steht oft in Stellenanzeigen oder Tech-Blogs)?
• Gehe deine Projekte durch: Für jedes Projekt solltest du das Problem, deine Rolle, die Technologien und das Ergebnis in 2-3 Sätzen erklären können.
• Übe SQL: Schreibe mindestens 5 JOINs, 3 Window Functions und 2 CTEs von Hand. Kein Copy-Paste.
• Bereite 3-4 STAR-Geschichten vor: Je eine für einen Konflikt, einen Fehler, eine technische Herausforderung und eine Priorisierung.
• Teste deine Technik: Kamera, Mikrofon, Internetverbindung. Ein Testlauf mit einem Freund ist Gold wert.
• Nutze kostenlose Tools: Prüfe, ob dein Lebenslauf die ATS-Software der Unternehmen überhaupt durchdringt. Viele Bewerbungen scheitern schon hier.

Suchst du noch nach der passenden Stelle, bei der du dein Können zeigen kannst? Durchstöbere die aktuellen Data Engineer Stellenangebote auf jobrise.io. Für weiterführende Tipps zu Bewerbungsunterlagen und Karriereplanung findest du viele Artikel in unserem Karriere-Blog.

Häufige Fragen#

Welche Programmiersprachen muss ein Data Engineer können?

Python und SQL sind absolute Pflicht. Python für Skripting und Data-Wrangling mit Pandas oder PySpark. SQL für alle Datenbank-Abfragen. Je nach Stelle sind Kenntnisse in Java oder Scala für Big-Data-Frameworks wie Spark oder Flink sehr von Vorteil.

Wie tief muss ich Cloud-Plattformen wie AWS oder Azure kennen?

Du solltest die Kern-Dienste der relevanten Plattform benennen und grob erklären können. Für AWS sind das S3 (Speicher), Glue oder EMR (ETL/Spark) und Redshift (Data Warehouse). Praktische Erfahrung mit mindestens einer Cloud ist in den meisten Stellenanzeigen Pflicht.

Was ist der größte Fehler, den Bewerber im Interview machen?

Technologie-Namen herunterzuplappern, ohne den Kontext zu erklären. Wenn du sagst "Ich habe Kafka benutzt", dann sag auch wofür: "für die Event-Ingestion von Nutzeraktionen, um eine Echtzeit-Pipeline zu bauen". Kontext schlägt Buzzwords.

Sollte ich ein Portfolio oder GitHub-Profil vorbereiten?

Ja, ein sauberes GitHub-Profil mit 2-3 gut dokumentierten Projekten ist sehr hilfreich. Es muss kein Hexenwerk sein. Ein einfaches ETL-Projekt mit Tests und einer README, die den Zweck erklärt, ist besser als zehn halbfertige Repos.

Wie gehe ich mit einer Frage um, auf die ich keine Antwort weiß?

Ehrlichkeit ist der beste Weg. Sage: "Das ist ein Bereich, in dem ich noch keine tiefe Erfahrung habe, aber mein Ansatz wäre, X zu recherchieren und Y auszuprobieren." Zeige Denkprozess, nicht Wissenslücken.