Skip to content

Nobody tells you why you were rejected. We will. Free, in 30 seconds.

Score my CV against live jobs

Talent Pool - Data & AI Engineer - DWH Transformation

Callista Group AG · Zürich, Switzerland

On-sitePosted 27 Sept 2026

What this role requires

7 requirements, read out of the advert rather than guessed from the job title:

Also mentioned, not required: Airflow, Dagster, Git, CI/CD, Infrastructure-as-code, German, English. Worth having, but their absence is not what gets a CV filtered out.

See how often each of these is required across open data roles in Europe.

Check my CV against these 7 requirements

Free, no card. Tells you which of them your CV evidences and which it only implies.

Job description

Wir suchen Data & AI Engineers zur Unterstützung bei der Migration und Modernisierung groß angelegter Data-Warehouse-Umgebungen mithilfe LLM-gestützter Workflows. Die Rolle verbindet angewandtes Machine Learning, Data Engineering und Software Engineering mit einem starken Fokus auf die Entwicklung zuverlässiger, produktionsreifer LLM-basierter Systeme für Datentransformation, Validierung und Automatisierung.

Es handelt sich hierbei nicht um eine Forschungsrolle. Der Erfolg wird daran gemessen, robuste Systeme zu entwickeln und in den produktiven Einsatz zu bringen, die reale Workflows auf Datenplattformen verbessern und automatisieren.

Wir freuen uns, Dich für zukünftige spannende Data-Engineering/LLM-Projekte in der Schweiz in unseren Talentpool aufzunehmen. Die Projekte werden sich in absehbarer Zeit weiter konkretisieren und bieten Dir die Möglichkeit, wertvolle praktische Erfahrungen im zukunftsorientierten Bereich der LLM-Technologien zu sammeln.

Hauptaufgaben

Konzeption und Entwicklung LLM-gestützter Systeme zur Unterstützung von Data-Warehouse-Migrations- und Transformationsprozessen

Entwicklung interner Tools und Workflows unter Einsatz von LLMs für die Generierung und Übersetzung von Datenflüssen (z.B. SQL, Spark, Flink, Kafka, dbt), Schema-Übersetzung und Datenvalidierung

Read the full description (24 more sections)

Konzeption und Implementierung von Evaluierungsframeworks für LLM-generierte Ergebnisse, z. B. ausführungsbasierte Prüfungen, Assertions und diff-basierte Validierung

Aufbau und Betreuung von Datenpipelines und Orchestrierungs-Workflows in produktiven Umgebungen

Optimierung und Fehleranalyse groß angelegter Datenverarbeitungssysteme in verteilten Umgebungen

Einsatz von agentenbasierten Ansätzen und Tool-Use-Patterns, wo sinnvoll, mit Fokus auf zuverlässige und kontrollierte Ausführung

Zusammenarbeit mit Data Engineers und Platform Teams zur Modernisierung bestehender Legacy-Data-Warehouse-Systeme

Profil

Nachweisbare Erfahrung in der Entwicklung von ML-/LLM-basierten Produkten oder internen Tools; Erfahrung mit dem produktiven Einsatz solcher Systeme ist zwingend erforderlich .

Fundierte Kenntnisse in Machine Learning oder Statistik, einschließlich Feature Engineering, Evaluierungsmethoden und Versuchsdesign.

Praktische Erfahrung mit Data-Warehouse- oder Big-Data-Systemen, z.B. Snowflake, Databricks, BigQuery, Redshift, Teradata, Oracle, Spark oder Kafka

Analyse von Legacy-Quellen (COBOL, SAS, JCL, DB2) mit LLM-Unterstützung; Interesse an Legacy-Code vorausgesetzt

Erfahrung im operativen Einsatz von Tools zur Orchestrierung von Datenpipelines, z. B. Airflow oder Dagster

Sehr gute SQL-Kenntnisse und Erfahrung mit mindestens einem weiteren Framework zur Datenverarbeitung (z.B. Spark, Flink, dbt) sowie ein gutes Verständnis der Prinzipien des Analytics Engineering

Erfahrung mit Best Practices im Software Engineering, insbesondere:

Git-based workflows

CI/CD pipelines

Infrastructure-as-code concepts

Vertrautheit mit LLM-Workflows:

Prompt Engineering

Verarbeitung und Parsing strukturierter Ausgaben

Token- und Kostenmanagement

Auswahl geeigneter Modelle und Abwägung von Vor- und Nachteilen

Entwicklung robuster Evaluierungsstrategien

Sehr gute Deutsch- und Englischkenntnisse

Find Jobs in Switzerland on Arbeitnow

You will apply. Then you will hear nothing.

And no one will tell you what was wrong. See it before you send: your ATS score, every weak line, and the fix for each.

  1. 1

    Drop in your CV

    One PDF, thirty seconds. No card.

  2. 2

    See what is wrong with it

    Every weak passage, quoted from your own CV, with the line to replace it.

  3. 3

    Apply where you fit

    Every European role ranked against what your CV actually says.

What's actually stopping you?
  • Free, no card
  • Your CV file is deleted after parsing
  • Or skip the upload — build your profile by hand
  • Refreshed every 6 hours