Zwischen Code und Betrieb liegt eine Disziplin, die beides vereint: Site Reliability Engineering. Gesucht wird eine Fachkraft, die Systeme nicht nur am Leben erhält, sondern sie durch Automatisierung, Observability und kontinuierliches Verbessern auf ein neues Zuverlässigkeitsniveau hebt.

• Design und Betrieb von Multi-Infrastruktur-Deployments über On-Prem-, Private-Cloud- und Public-Cloud-Umgebungen hinweg

• Entwicklung und Pflege von IaC-Lösungen zur vollständigen Automatisierung von Provisionierung, Updates und Kunden-Onboardings

• Aktive Rolle im Incident Management: Ursachenanalyse, Eskalationshandling und nachhaltige Problemlösung durch gezielte Log- und Datenbankanalysen

• Aufbau eines umfassenden Observability-Systems inkl. SLI/SLO-Framework, Alerting-Logik, Runbooks und automatisierter Incident-Reaktion

• Technische Verantwortung für den Onboarding-Prozess neuer Kunden – von der Infrastrukturbereitstellung bis zur betrieblichen Übergabe

• Enge Zusammenarbeit mit Entwicklungsteams zur Verbesserung von Systemarchitektur, Resilienz und Deploymentgeschwindigkeit

• Erarbeitung verbindlicher Betriebsrichtlinien und technischer Standards für externe Dienstleister und Partner

• Solide Entwicklungserfahrung in Kotlin, Java oder Python – du verstehst Code und kannst ihn lesen, anpassen und debuggen

• Tiefes Linux-Know-how und sicherer Umgang mit der Kommandozeile inkl. komplexem Shell-Scripting

• Praktische Erfahrung mit Container-basierten Architekturen (Docker, idealerweise auch Kubernetes)

• SQL-Kenntnisse für die eigenständige Analyse produktiver Datenbanken im Incident-Kontext

• Fundiertes Verständnis von Netzwerkkonzepten: TLS-Zertifikate, DNS-Architektur, Firewall-Regeln, Routing

• Erfahrung mit Konfigurationsmanagement und Automatisierung (Ansible, Terraform o. ä.)

• Ausgeprägtes SRE-Mindset: Fehlerbudgets, Toil-Reduktion, Reliability als Engineering-Disziplin

• Präzise, strukturierte Dokumentationskultur – du hältst fest, was du tust und warum