{"id":92631,"title":"Data & AI Engineer (m/w/d)","company":"JUNI gGmbH","city":"Berlin","region":"Berlin","location":"Berlin-Mitte","work_model":"hybrid","employment_type":"full_time","employment":["full_time"],"roles":["data_science"],"visa":"not_mentioned","relocation":"not_mentioned","posted_at":"2026-11-02T20:27:59+00:00","tools":["SQL","PostgreSQL","Python","pandas","LLM"],"seniority":"mid","years_experience_min":4,"german_requirement":"preferred","german_level":"unspecified","english_requirement":"required","english_level":"unspecified","team_language":"unknown","confidence":0.9,"method":"rules","language_badge":"German a plus","language_evidence":"Fließend Englisch, Deutsch ist ein Plus","requirements_snippet":"Mindestens 4 Jahre Erfahrung als Data Engineer oder Data Scientist, mit Pipelines und Automatisierungen, die du selbst gebaut und produktiv betrieben hast Sicher in SQL und Postgres Sicher in Python für Datenarbeit: pandas, …","url":"https://juni.jobs.personio.de/job/2872093","source":"personio","agency":null,"description_text":"Über JUNI\nJUNI ist die Startup Factory für wissenschaftsbasierte Ausgründungen in Berlin und Brandenburg. Wir verbinden Hochschulen, Startups, Unternehmen, Investor*innen und Politik und schaffen die Räume, Programme und Partnerschaften, die aus Forschung erfolgreiche Unternehmen hervorbringen.\nBei dieser Arbeit entstehen Daten an vielen Stellen: in unseren eigenen Tools, bei unseren Wissenschaftspartnern, in Publikationen und Patenten, bei Investor*innen und Talenten. Mit JUNI Core bauen wir eine zentrale Datenplattform, die alles zusammenführt und den Tools unserer Teams zur Verfügung stellt. Als Data & AI Engineer verantwortest du diese Datenschicht langfristig: die Pipelines, das Datenmodell und die KI-Methoden, die die Daten nutzbar machen.\n\nDu berichtest direkt an unseren Head of Product & Tech und arbeitest eng mit unserem Technical Product Manager sowie unserem IT & Operations Specialist zusammen.\n\nDeine Aufgaben\nDatenplattform\n• JUNI Core verantworten: die Anbindung aller Quellsysteme, das Datenmodell und den Betrieb\n• Pipelines zwischen unseren Tools und der Plattform bauen und betreiben, in beide Richtungen\n• Daten verlässlich halten: eine klare Quelle für jedes Feld, Syncs ohne Dubletten, Alerts, wenn etwas ausfällt\n• Neue Quellen anbinden und entscheiden, wie sie ins Modell passen\nDaten für unsere Ökosystem-Tools\n• Mit dem Product & Tech Team herausfinden, welche Daten JUNI braucht, woher sie kommen und wofür wir sie nutzen dürfen\n• Die Datengrundlage für neue Tools in unserer Ökosystem-Arbeit bauen\n• Externe Daten wie Publikationen, Patente oder Unternehmensdaten über APIs und Scraping einbinden und mit unseren bestehenden Daten verknüpfen\n• Sicherstellen, dass Nutzer*innen sehen, woher ein Ergebnis kommt\nKI und Datenqualität\n• LLMs und Embeddings für Matching, Klassifizierung und Anreicherung einsetzen, mit eingebauter Evaluation\n• Pro Anwendungsfall festlegen, was gute Ergebnisse sind: akzeptable Fehlerquoten, Referenzfälle und was passiert, wenn ein Ergebnis falsch ist\n• Mit dem Technical Product Manager und den Themenverantwortlichen klären, was sich zu automatisieren lohnt\n• Dokumentation und Tests als Teil der Arbeit, nicht danach\n\nDein Profil\n• Mindestens 4 Jahre Erfahrung als Data Engineer oder Data Scientist, mit Pipelines und Automatisierungen, die du selbst gebaut und produktiv betrieben hast\n• Sicher in SQL und Postgres\n• Sicher in Python für Datenarbeit: pandas, Notebooks, Evaluationsskripte\n• Erfahrung mit der Integration von SaaS-Tools über APIs und Webhooks, inklusive Sync in beide Richtungen\n• Praktische Erfahrung mit LLMs in Datenpipelines: Embeddings, strukturierte Extraktion, Evaluation\n• Erfahrung mit Matching-, Klassifizierungs- oder Ranking-Methoden und damit, wie man misst, ob sie funktionieren\n• Du prüfst, was eine API tatsächlich tut, statt dich auf die Dokumentation zu verlassen\n• Du denkst DSGVO von Anfang an mit: Einwilligung, Löschfristen, Zugriff\n• Du nutzt täglich Claude Code oder ähnliche KI-Coding-Tools und weißt, wo ihr Output gründlich geprüft werden muss\n• Erfahrung mit Record Linkage oder Entity Resolution ist ein Plus\n• Fließend Englisch, Deutsch ist ein Plus\n\nWir bieten\n• Eine Rolle mit echter Verantwortung: Die Datenplattform von JUNI und die Daten hinter unseren Tools gestaltest du\n• Arbeit, die für wissenschaftsbasierte Gründer*innen, Forschende und unsere Partner in Berlin-Brandenburg zählt\n• Ein motiviertes Team mit Hands-on-Mentalität und flachen Hierarchien\n• Flexible Arbeitszeiten und hybrides Arbeiten\n• Ein modernes Arbeitsumfeld im Herzen von Berlin\n• Eine Vergütung, die Erfahrung und Verantwortung widerspiegelt","responsibilities_text":"Datenplattform\n• JUNI Core verantworten: die Anbindung aller Quellsysteme, das Datenmodell und den Betrieb\n• Pipelines zwischen unseren Tools und der Plattform bauen und betreiben, in beide Richtungen\n• Daten verlässlich halten: eine klare Quelle für jedes Feld, Syncs ohne Dubletten, Alerts, wenn etwas ausfällt\n• Neue Quellen anbinden und entscheiden, wie sie ins Modell passen\nDaten für unsere Ökosystem-Tools\n• Mit dem Product & Tech Team herausfinden, welche Daten JUNI braucht, woher sie kommen und wofür wir sie nutzen dürfen\n• Die Datengrundlage für neue Tools in unserer Ökosystem-Arbeit bauen\n• Externe Daten wie Publikationen, Patente oder Unternehmensdaten über APIs und Scraping einbinden und mit unseren bestehenden Daten verknüpfen\n• Sicherstellen, dass Nutzer*innen sehen, woher ein Ergebnis kommt\nKI und Datenqualität\n• LLMs und Embeddings für Matching, Klassifizierung und Anreicherung einsetzen, mit eingebauter Evaluation\n• Pro Anwendungsfall festlegen, was gute Ergebnisse sind: akzeptable Fehlerquoten, Referenzfälle und was passiert, wenn ein Ergebnis falsch ist\n• Mit dem Technical Product Manager und den Themenverantwortlichen klären, was sich zu automatisieren lohnt\n• Dokumentation und Tests als Teil der Arbeit, nicht danach","requirements_text":"• Mindestens 4 Jahre Erfahrung als Data Engineer oder Data Scientist, mit Pipelines und Automatisierungen, die du selbst gebaut und produktiv betrieben hast\n• Sicher in SQL und Postgres\n• Sicher in Python für Datenarbeit: pandas, Notebooks, Evaluationsskripte\n• Erfahrung mit der Integration von SaaS-Tools über APIs und Webhooks, inklusive Sync in beide Richtungen\n• Praktische Erfahrung mit LLMs in Datenpipelines: Embeddings, strukturierte Extraktion, Evaluation\n• Erfahrung mit Matching-, Klassifizierungs- oder Ranking-Methoden und damit, wie man misst, ob sie funktionieren\n• Du prüfst, was eine API tatsächlich tut, statt dich auf die Dokumentation zu verlassen\n• Du denkst DSGVO von Anfang an mit: Einwilligung, Löschfristen, Zugriff\n• Du nutzt täglich Claude Code oder ähnliche KI-Coding-Tools und weißt, wo ihr Output gründlich geprüft werden muss\n• Erfahrung mit Record Linkage oder Entity Resolution ist ein Plus\n• Fließend Englisch, Deutsch ist ein Plus","status":"open","duplicate_of":null,"first_seen":"2026-11-04T02:03:01.710951+00:00","responsibilities_summary":null,"requirements_summary":null,"all_tools":["SQL","PostgreSQL","Python","pandas","LLM"],"posting_language":"de","evidence":[{"language":"german","requirement":"preferred","quote":"Fließend Englisch, Deutsch ist ein Plus","source":"rules"},{"language":"english","requirement":"required","quote":"Fließend Englisch, Deutsch ist ein Plus","source":"rules"}],"years_experience_max":null,"mobility_evidence":[],"model_version":"rules-8","english_badge":"English required","company_id":4784}