Founding Engineer — Data & Integration (m/w/d)

Deine Rolle

Steuerberatung läuft auf DATEV. Lohn, FiBu, Steuerprogramm, Dokumentenmanagement — alles mündet in einem System, das für die Branche so selbstverständlich ist wie Strom aus der Steckdose. Und genau da liegt das Problem: Die Daten sind da, aber sie sind eingesperrt. Keine sauberen Schnittstellen, kein normalisiertes Schema, keine Möglichkeit, systematisch über mehrere Einheiten hinweg auszuwerten. Project Arrakis löst dieses Problem — und du sitzt mitten in der Schicht, die das technisch trägt.

Du stehst am Anfang deiner Engineering-Karriere — Berufseinstieg oder ein bis drei Jahre als Data oder Backend Engineer in einem Start-up, einem Scaleup oder einer ambitionierten Tech-Funktion. Du hast einen starken Studienabschluss in Informatik oder vergleichbar oder einen ebenso starken autodidaktischen Track Record. Datenarbeit reizt dich — saubere Pipelines, klare Schemata, robuste Integrationen — und du suchst die Aufbau-Energie eines Founding-Engineer-Mandats.

Du arbeitest direkt mit dem Founding CTO und den drei anderen Founding Engineers (Backend & Platform, AI & Automation, Product & Process) an der Datenschicht der Vogel-Plattform — DATEV-Abstraktion, Sync-Pipelines, normalisiertes Schema, Datenflüsse zwischen den Systemen der Gruppe. Die natürliche Entwicklung führt nach 24 bis 36 Monaten in eine Senior-Data-Engineer-/Data-Architect-Rolle mit eigenem Themen-Schwerpunkt.

Deine Verantwortung

DATEV-Integration und normalisiertes Schema

• Verantworte die Abstraktionsschicht zwischen DATEV und unserem eigenen Data Layer — DATEV liefert die Rohdaten, du überführst sie in ein normalisiertes, proprietäres Schema.

• Entwirf und betreibe die Sync-Pipelines zwischen DATEV und weiteren Systemen — verlässlich, beobachtbar, wartbar.

• Dokumentiere API-Responses, Datenstrukturen und Schnittstellenverhalten so, dass das Team auch in zwei Jahren noch versteht, was warum entschieden wurde.

Schema-Architektur und Reporting-Basis

• Entwirf das Datenbankschema, das die Grundlage für operative Dashboards, KI-Analysen, Benchmarking und das spätere Mandantenportal bildet.

• Halte die Datenqualität hoch — Validierung, Reconciliation, Datenhygiene über die wachsende Standortlandschaft.

• Arbeite eng mit Backend & Platform an der Anbindung des Schemas an die API-Schicht und mit AI & Automation an den Datenflüssen für KI-Anwendungen.

Multi-Tenant- und M&A-Datenintegration

• Integriere mit jeder Akquisition neue Mandantenstämme in das Vogel-Schema — DATEV-Migration, Stammdaten-Mapping, Konsolidierungslogik.

• Halte das Multi-Tenant-Setup sauber — Mandantenrechte, Datentrennung, mandanten-spezifische Konfigurationen.

• Sammle Best Practices und Stolpersteine systematisch zurück in die Migrations-Playbooks, sodass jede Akquisition die nächste besser macht.

Was diese Rolle nicht ist

• Kein klassisches Trainee-Programm. Aufstieg gibt es bei nachweislicher Output-Qualität, nicht nach Dienstjahr.

• Kein reiner Data-Science-Track. Du baust Pipelines und Schemata — analytische Modelle und KI-Integration sitzen bei AI & Automation.

• Kein Ausstieg in eine 45-Stunden-Woche mit lockerem Themen-Spielraum. Die Intensität ist hoch. Anders gerichtet als bei etablierten Unternehmen, mit deutlich mehr Ownership — aber nicht weniger.

• Kein PhD-Themen-Spielplatz. Du arbeitest an Pipelines, die in den nächsten zwölf Monaten produktiv tragen müssen — nicht an Architekturen, die intellektuell schön, aber operativ folgenlos sind.

Das bringst du mit

Erfahrung & Track Record

• Du stehst am Anfang deiner Engineering-Karriere — ein bis drei Jahre als Data, Backend oder Full-Stack Engineer in einem Start-up, Scaleup oder ambitionierten Tech-Setup.

• Du hast einen starken Studienabschluss in Informatik, Wirtschaftsinformatik oder einem verwandten technischen Fach — oder einen ebenso starken autodidaktischen Track Record.

• Du hast mindestens einmal eine Datenpipeline oder einen Datenservice gebaut, der produktiv unter realer Last gelaufen ist.

Skills & Arbeitsweise

• Du beherrschst mindestens eine Programmiersprache auf produktivem Niveau — idealerweise Python oder TypeScript. Bonus: Go, Rust.

• Du hast Erfahrung mit relationalen Datenbanken (PostgreSQL bevorzugt), Schema-Design, ETL/ELT-Logik und APIs (auch mit weniger gut dokumentierten Schnittstellen).

• Du arbeitest mit KI als selbstverständlichem Werkzeug — Claude Code, Cursor — als Multiplikator deiner Output-Frequenz.

• Du dokumentierst sauber und denkst in Schnittstellen — andere Founding Engineers werden auf deinen Schemata aufsetzen.

• Du kannst dich in Domänen einarbeiten, die dir bisher fremd sind — DATEV, HGB, Steuerberatungs-Logik. Die Lernkurve ist steil, der Hebel hoch.

Mindset & Persönlichkeit

• Du willst von Anfang an mitbauen — und du suchst die Aufbau-Energie eines Founding-Engineer-Mandats.

• Du hast eine natürliche Abneigung gegen unsaubere Daten — fehlende Felder, schwache Validierung und kaputte Pipelines stören dich, bis sie behoben sind.

• Du bist komfortabel damit, in einer Umgebung zu arbeiten, in der es noch keine etablierten Engineering-Prozesse gibt — und du bist bereit, sie mit aufzubauen.

• Du bringst die Demut mit, von Nicht-Technikern zu lernen — Steuerberater und Mandantenbetreuer kennen die Datenlandschaft tiefer als jeder Schema-Diagramm.

Perspektiven

Die natürliche Entwicklung führt nach 24 bis 36 Monaten in eine Senior-Data-Engineer-/Data-Architect-Rolle mit eigenem Themen-Schwerpunkt — Schema-Architektur, Multi-Tenant-Architektur oder Streaming-Pipelines.

Diese Stelle ist Teil der ersten Senior-Hires-Cohort der Vogel-Gruppe (max. 20 Senior-Hires bis 30. Juni 2028). Über die Cash-Vergütung hinaus erhältst du nach Probezeit Foundation Phantom Shares — virtuelle Anteile am Unternehmenswert mit Vesting, jährlichem Buyback-Recht ab Jahr 4 und Auszahlung bei Exit oder Sekundär-Transaktion. Die Eligibilität greift, sofern die Cohort beim Eintritt noch offen ist.

Die Mechanik konkret: Deine Variable Vergütung wird nach der Probezeit aufgesplittet — 50 % als Cash-Bonus, 100 % der vollen Variable als VSOP-Allokation zum aktuellen Bewertungsstand. Die Cash-Komponenten siehst du in den Stellen-Properties oben. Marktwert-Logik im Detail und Vergleich mit anderen Profilen findest du in unserer Marktwert-Map. Foundation-Mechanik im Detail in der Vergütungsphilosophie.