Lebenslauf Data Engineer: Beispiel und Vorlage
So strukturieren Sie Ihren Lebenslauf als Data Engineer in der Schweiz - mit messbaren Resultaten aus Datenpipelines, Data Warehouse und Cloud-Plattformen.
Aktuell 23 offene Stellen als Data Engineer in der Schweiz in 4 Kantonen, davon 4 aus den letzten 7 Tagen. Am meisten ausgeschrieben hat Assura.
Lebenslauf-Beispiel — zweiseitige Vorlage
Diese Vorlage lässt sich direkt bearbeiten — oder laden Sie Ihren bestehenden Lebenslauf hoch, und er wird automatisch in dieses Layout übertragen.
Welchen Abschluss brauchen Sie als Data Engineer in der Schweiz?
Am häufigsten verlangt der Schweizer Markt einen BSc oder MSc einer Fachhochschule oder ETH/EPFL in Informatik, Data Science oder Wirtschaftsinformatik - der Weg über Informatiker EFZ mit Weiterbildung ist aber gleichwertig anerkannt.
Nennen Sie Ihren Abschluss in der korrekten Schweizer Schreibweise, also zum Beispiel 'BSc FH Informatik, Vertiefung Data Engineering' oder 'MSc ETH in Data Science'. Wenn Sie über die Berufslehre eingestiegen sind, führen Sie 'Informatiker EFZ, Applikationsentwicklung' auf und ergänzen Sie darunter CAS- oder DAS-Programme, etwa das CAS Data Engineering der Hochschule Luzern, das CAS Machine Learning der FHNW oder ein DAS Data Science der ZHAW. Recruiter in der Schweiz kennen diese Titel und lesen sie als Signal für Praxisnähe.
Bei ausländischen Diplomen lohnt sich ein Hinweis auf die Anerkennung: Schreiben Sie die Bezeichnung im Original, ergänzen Sie die Schweizer Entsprechung in Klammern und erwähnen Sie eine Bewertung von Swiss ENIC, falls vorhanden. Ebenso wichtig ist Ihr Arbeitsmarktstatus - ein Vermerk wie 'Niederlassungsbewilligung C' oder 'EU/EFTA-Bürger, Bewilligung B' im Kopfbereich verhindert Rückfragen und beschleunigt die Vorselektion.
Zertifikate ersetzen kein Studium, gewichten aber stark im Data Engineering. Praktisch relevant sind Microsoft Azure Data Engineer Associate (DP-203), Databricks Certified Data Engineer Associate oder Professional, SnowPro Core, Google Professional Data Engineer und AWS Certified Data Engineer. Führen Sie höchstens vier davon auf, mit Jahr, und lassen Sie abgelaufene Cloud-Zertifikate weg.
Wie stellen Sie Ihre Berufserfahrung als Data Engineer dar?
Beschreiben Sie pro Stelle die Datenplattform, das Volumen und die geschäftliche Wirkung Ihrer Pipelines - nicht die Liste der eingesetzten Technologien.
Geben Sie zu jeder Position einen kurzen Kontextsatz mit Branche, Grösse der Datenlandschaft und Ihrer Rolle im Team. Danach folgen drei bis vier Punkte mit Zahlen: Anzahl Pipelines oder dbt-Modelle, Datenvolumen pro Tag, Reduktion der Ladezeit, Anzahl produktiver Incidents, Anzahl Nutzende des Data Warehouse oder eingesparte Cloud-Kosten in CHF. Formulierungen wie 'Ladezeit des Tagesabschlusses von 6 h 40 auf 52 Minuten reduziert' sind aussagekräftiger als 'verantwortlich für ETL-Prozesse'.
Machen Sie sichtbar, welchen Reifegrad Ihre Arbeit hatte. Erwähnen Sie Modellierungsansätze (Data Vault 2.0, Kimball-Star-Schema), Orchestrierung, CI/CD, Testabdeckung mit dbt oder Great Expectations, Monitoring und Data Contracts. Genau daran erkennen Schweizer Hiring Manager, ob Sie eine Plattform betreiben können oder nur einzelne Jobs geschrieben haben. Ergänzen Sie bei Banken- und Versicherungsprojekten Governance-Aspekte wie Unity Catalog, Row-Level-Security, revDSG oder FINMA-Outsourcing-Anforderungen.
Ein separater Block 'Technologien' am Ende gruppiert Ihren Stack nach Kategorien: Sprachen (SQL, Python, Scala), Verarbeitung (Spark, Kafka, Flink), Plattformen (Snowflake, Databricks, BigQuery), Orchestrierung (Airflow, dbt, Dagster) und Infrastruktur (Terraform, Kubernetes, Azure DevOps). Nennen Sie nur, was Sie im Interview an einem Whiteboard erklären können - technische Interviews in der Schweiz enthalten meist eine SQL- und eine Modellierungsaufgabe.
Wie lang soll der Lebenslauf sein und braucht er ein Foto?
Zwei Seiten sind der Standard, ein professionelles Foto ist in der Schweiz weiterhin üblich, aber nicht verpflichtend.
Halten Sie sich auf maximal zwei Seiten, auch mit zehn Jahren Erfahrung: Seite eins mit Profil, Kurzüberblick, Kompetenzen und der aktuellen Stelle, Seite zwei mit früherer Erfahrung, Ausbildung, Zertifikaten und Sprachen. Positionen, die länger als zwölf Jahre zurückliegen, fassen Sie in einer Zeile zusammen. Reichen Sie den Lebenslauf als PDF ein und benennen Sie die Datei nach dem Muster 'Lebenslauf_Nachname_Data-Engineer.pdf'.
Ein sachliches Porträtfoto oben rechts entspricht der Schweizer Gepflogenheit und wird von vielen Personalabteilungen erwartet. Verzichten Sie dagegen auf Zivilstand, Konfession und Angaben zu Familienmitgliedern. Notwendig sind Wohnort mit Kanton, Telefonnummer im Format 079 000 00 00, eine seriöse E-Mail-Adresse, Ihr GitHub- oder GitLab-Profil sowie der Arbeitsmarktstatus.
Ergänzen Sie zwei schweizspezifische Angaben, die Recruiter direkt suchen: Verfügbarkeitsdatum inklusive Kündigungsfrist und Ihren gewünschten Beschäftigungsgrad, etwa 80-100 %. Lohnerwartungen gehören nicht in den Lebenslauf, sondern ins Gespräch oder in das Bewerbungsformular; als Orientierung liegen Data Engineers in der Schweiz je nach Erfahrung und Region etwa zwischen CHF 95'000 und CHF 145'000 Jahreslohn. Passen Sie schliesslich Sprache und Fachbegriffe der Stellenanzeige an, da Bewerbungen oft über ein Bewerbermanagementsystem gescreent werden.
Wo Data Engineer in der Schweiz gesucht werden
Verteilung der 23 offenen Stellen auf die Kantone.
Zahlen als Tabelle
| Kanton | Inserate |
|---|---|
| Zürich | 6 |
| Waadt | 2 |
| Tessin | 1 |
| Bern | 1 |
Welche Sprachen die Inserate verlangen
Von 16 Inseraten mit Sprachangabe — in Klammern die Zahl, die Verhandlungsniveau verlangt.
Zahlen als Tabelle
| Sprache | Inserate |
|---|---|
| Englisch | 11 (11) |
| Deutsch | 7 (5) |
| Französisch | 2 (2) |
Wer in der Schweiz Data Engineer sucht
Arbeitgeber mit den meisten offenen Stellen. Personalvermittler sind ausgeschlossen.
Zahlen als Tabelle
| Arbeitgeber | Inserate |
|---|---|
| Assura | 2 |
| Kanadevia Inova | 2 |
| Kraken | 2 |
| YO IT Consulting | 2 |
| Axonlab International | 1 |
| Orange Business | 1 |
Vollzeit oder Teilzeit?
Wie die Stellen ausgeschrieben sind.
Zahlen als Tabelle
| Pensum | Inserate |
|---|---|
| Vollzeit / plein temps | 20 |
| Temporär | 2 |
Der Lebenslauf im Volltext
Zum Nachlesen und Übernehmen.
Nadine Brunner
Data Engineer, MSc ETH Zürich in Data Science
Data Engineer mit sieben Jahren Erfahrung im Aufbau von Batch- und Streaming-Pipelines für Retail- und Versicherungsdaten in der Schweiz. Ich verantworte einen Lakehouse-Stack auf Azure Databricks mit dbt, Airflow und Snowflake, der täglich rund 4 TB verarbeitet und über 300 Fachanwender bedient. Schwerpunkte sind Datenmodellierung nach Data Vault 2.0, Kostenoptimierung von Cloud-Workloads sowie Data-Governance-Anforderungen aus revDSG und FINMA-Rundschreiben zu Outsourcing.
Was mich unterscheidet
Lakehouse-Architektur statt Skript-Sammlung: Ich baue Medallion-Architekturen (Bronze/Silver/Gold) mit Delta Lake, Unity Catalog und dbt-Modellen inklusive Tests, Lineage und Versionierung - keine gewachsenen SQL-Jobs ohne Dokumentation.
Datenschutz nach revDSG von Anfang an: Pseudonymisierung, Row-Level-Security und dokumentierte Datenflüsse setze ich im Design um, inklusive Datenhaltung in Schweizer Azure-Regionen für FINMA-relevante Workloads.
Kostenbewusstes Cloud Engineering: Ich messe Kosten pro Pipeline und Query: Cluster-Rightsizing, Partition Pruning und Materialisierungsstrategien senkten die monatliche Snowflake-Rechnung um CHF 11'000.
Brücke zwischen Fachbereich und Plattform: Ich führe Anforderungsworkshops mit Actuariat, Controlling und Marketing auf Deutsch und Französisch und übersetze KPI-Definitionen in ein gemeinsames Semantic Layer.
Wichtigste Erfolge
Data Warehouse Migration ohne Betriebsunterbruch. Migration von 240 Oracle-Jobs auf Snowflake und dbt in 11 Monaten; Ladezeit des Tagesabschlusses von 6 h 40 auf 52 Minuten reduziert, Betriebskosten um 28 % gesenkt.
Streaming-Plattform für Filialdaten. Aufbau einer Kafka- und Structured-Streaming-Pipeline für 190 Filialen; Verkaufsdaten stehen statt nach 24 h nun in 90 Sekunden zur Verfügung, Nachdisposition um 12 % verbessert.
Datenqualität messbar gemacht. Einführung von 640 Great-Expectations- und dbt-Tests plus SLA-Monitoring; fehlerhafte Reports pro Quartal von 34 auf 3 gesenkt, mittlere Behebungszeit auf 45 Minuten.
Berufserfahrung
Lead Data Engineer — Helvetia Datawerk AG, Zürich, seit 03/2021
Versicherungsgruppe mit 1'400 Mitarbeitenden; Verantwortung für Lakehouse-Plattform und ein Team von 5 Data Engineers.
- 180 Pipelines auf Azure Databricks und Airflow konsolidiert, Anzahl produktiver Incidents pro Monat von 21 auf 4 reduziert
- Data-Vault-2.0-Modell für Schaden- und Vertragsdaten mit 95 Hubs und Links aufgebaut, Time-to-Market neuer Kennzahlen von 6 auf 2 Wochen verkürzt
- Unity Catalog mit rollenbasiertem Zugriff für 320 Nutzende eingeführt, Audit-Findings der internen Revision vollständig geschlossen
- Cloud-Kosten um CHF 11'000 pro Monat gesenkt durch Cluster-Policies, Auto-Termination und Partitionierungsstrategie
Data Engineer — Alpretail Analytics GmbH, Bern, 08/2018 - 02/2021
Detailhandelsgruppe mit 190 Filialen; Aufbau der Analytics-Plattform von Grund auf.
- Kafka-Streaming für Kassendaten aus 190 Filialen implementiert, Latenz von 24 h auf 90 Sekunden gesenkt
- Snowflake-Data-Warehouse mit 45 dbt-Modellen aufgebaut, 60 Power-BI-Reports auf eine Single Source of Truth umgestellt
- ETL-Laufzeit des Nachtlaufs von 5 h auf 70 Minuten reduziert durch Umbau auf inkrementelle Ladelogik
- CI/CD mit Azure DevOps etabliert, Deployment-Frequenz von monatlich auf 12 Releases pro Monat erhöht
Junior Data Engineer / BI-Entwicklerin — Seetal Informatik AG, Luzern, 09/2016 - 07/2018
IT-Dienstleister für KMU; Projekte in SQL Server, SSIS und Reporting.
- 24 SSIS-Pakete für 7 Kundenmandanten entwickelt und dokumentiert, Fehlerrate im Nachtlauf um 65 % gesenkt
- Star-Schema für Finanzreporting mit 14 Dimensionen modelliert, Abschlussreporting von 3 Tagen auf 4 Stunden verkürzt
- Automatisierte Datenabgleiche in Python eingeführt und rund 120 Arbeitsstunden pro Quartal manuellen Aufwand eliminiert
Ausbildung
MSc ETH, Data Science — ETH Zürich · 2016
BSc FH, Informatik, Vertiefung Data Engineering — Hochschule Luzern - Informatik · 2014
Eidg. Fähigkeitszeugnis, Informatiker EFZ, Applikationsentwicklung — Berufsfachschule Zug · 2010
Microsoft Certified: Azure Data Engineer Associate (DP-203) · Databricks Certified Data Engineer Professional · SnowPro Core Certification · dbt Analytics Engineering Certification