Unsere Mission und Kunden
Wir schaffen Freiheit für KMUs, indem wir Europas führenden Finanz-Workspace bereitstellen – mit Banking als Kern, ergänzt durch intelligente Finanztools. Wir sind stolz auf eine Bewertung von 4,8 auf Trustpilot bei über 55.000 Rezensionen. Unsere Unternehmenskultur stellt die Kundenzufriedenheit in den Mittelpunkt, was sich in unserem Net Promoter Score von 75 widerspiegelt.
Unsere Reise
Gegründet 2017 von Alexandre und Steve, ist Qonto auf über 1.600 Qontoer angewachsen und betreut mehr als 600.000 Kunden in 8 europäischen Ländern. Seit 2023 sind wir profitabel, und wir stehen erst am Anfang.
Unsere Überzeugungen
Wir stellen nach Fähigkeiten und Potenzial ein. Mit über 80 Nationalitäten und 45 % Frauenanteil (davon 56 % in Führungspositionen) ist Diversität bei uns kein Programm, sondern unsere Identität. Wir haben einen diskriminierungsfreien Einstellungsprozess etabliert, da die besten Teams auf Leistung basieren.
KI bei Qonto
KI ist tief in unsere Arbeitsweise integriert. Jeder Qontoer erhält unbegrenzten Zugang zu den besten KI-Tools. Wir suchen Menschen, die experimentieren, ohne auf Erlaubnis zu warten, KI über das Offensichtliche hinaus vorantreiben und wissen, wann sie ihr vertrauen oder sie hinterfragen müssen.
Kommen Sie zu uns als Data Engineer (ML Infrastructure), um die Datenschicht aufzubauen, die Qontos Machine-Learning-Produkte antreibt. Gemeinsam mit 15 ML-Engineers verantworten Sie Pipelines, Feature Stores und die Modell-Serving-Infrastruktur, die Rohdaten in produktionsreifes ML verwandeln.
Sie berichten an Marianne Borzic oder Benjamin Wolter.
Was Sie tun werden
- ML-Datenpipelines aufbauen: Entwerfen, implementieren und warten Sie Python-Pipelines für das Ingestieren, Transformieren und Bereitstellen von Datensätzen für Modelltraining und Inferenz (z. B. Betrugserkennung, Kredit-Scoring, Buchhaltungsautomatisierung).
- Feature Store verantworten: Designen Sie Speicher- und Zugriffsmuster für große Feature-Datensätze unter Berücksichtigung von Latenz und Kosten.
- Modell-Serving-Infrastruktur vorantreiben: Implementieren und warten Sie die Infrastruktur für das Deployment von Modellen in die Produktion, inklusive Versionierung, Skalierung und Rollback.
- Datenqualität und Drift-Erkennung: Entwickeln Sie Systeme, um Datenprobleme zu erkennen, bevor sie die Modellleistung beeinträchtigen.
- Standards setzen: Etablieren Sie wiederverwendbare Python- und Pipeline-Muster als Grundlage für das Team.
Was wir suchen
- Erfahrung mit ML-Infrastruktur: Sie haben Pipelines gebaut, die ML-Workflows direkt unterstützen (nicht nur ETL). Sie verstehen Feature Stores, Modell-Registries und Serving-Layer.
- Python auf Skalierung: Sie sind versiert in Python für Data Engineering (z. B. Spark, dbt, Airflow, Ray) und schreiben wartbaren Code.
- Verständnis für ML-Workflows: Sie verstehen den gesamten ML-Lebenszyklus (Training, Validierung, Deployment, Monitoring).
- Systemdenken: Sie entwerfen Datenarchitekturen, die heutige Anforderungen mit zukünftiger Skalierung in Einklang bringen.
- Produktions-Mindset: Sie haben Datensysteme in der Produktion betrieben und wissen, wie man Ausfälle verhindert.
Was wir bieten
- Direkter Einfluss: Ihre Pipelines speisen Modelle, die Transaktionen für KMUs in ganz Europa verarbeiten.
- Einzigartige Teamkonfiguration: 3 Data Engineers arbeiten eng mit 15 ML-Engineers zusammen.
- Aufbauen statt Erben: Die ML-Infrastruktur von Qonto befindet sich im Aufbau – Sie definieren, wie es gemacht wird.
- Schnelle Iterationszyklen: Wir arbeiten mit Continuous Delivery, sodass Infrastrukturverbesserungen häufig veröffentlicht werden.
- Interdisziplinäre Zusammenarbeit: Arbeiten Sie an der Schnittstelle von Data Engineering, ML und Produkt.
Ihr zukünftiges Management
- Option A: Marianne Borzic (Head of Data Products): Bringt Hands-on-Erfahrung bei der Bereitstellung von Data-Science-Modellen und einen starken Fokus auf Mentoring mit.
- Option B: Benjamin Wolter (Head of AI Products): Bringt tiefes technisches ML-Wissen, Erfahrung mit skalierbaren Systemen und einen Führungsstil, der auf Eigenverantwortung setzt.
Bei Qonto verstehen wir, dass echte Vielfalt nicht nur das Abhaken von Checklisten bedeutet. Bewerben Sie sich unabhängig davon, welche Kriterien Sie erfüllen – vielleicht sind Sie das fehlende Puzzleteil.
