(Senior) Site Reliability Engineer - STACKIT Control Plane (m/w/x)

Stellenbeschreibung:

(Senior) Site Reliability Engineer - STACKIT Control Plane (m/w/x) (m/w/d)

Als erfahrener Site Reliability Engineer (SRE) bei Schwarz Digits entwickelst du die Technologieplattform für digitale Entscheidungsfreiheit in Europa. Du bist verantwortlich für die Betriebsfähigkeit der Kubernetes Control Plane und arbeitest eng mit den Entwicklungsteams zusammen, um die Zeit bis zum Erkennen von Problemen (Time-to-Detect) zu verkürzen und die Zeit bis zur Abhilfe (Time-to-Mitigation) zu optimieren.

Kurzüberblick

Standort: Deutschland
Arbeitsmodell: Hybrides Arbeitsmodell (Remote- und Präsenzarbeit)
Anstellungsart: Vollzeit

Aufgaben

Als SRE bei Schwarz Digits bist du verantwortlich für:

Die Verbesserung der Monitoring- und Alerting-Infrastruktur, um die Einhaltung der Service-Level-Objektive (SLOs) sicherzustellen
Die kontinuierliche Optimierung der Time-to-Mitigation durch das Erstellen klarer Playbooks, das Design von Dashboards für First Responder und die Sicherstellung umfassender Telemetriedaten (Logs und Metriken)
Die Rolle als Reliability Consultant für die Entwicklungsteams, um Wissen über Reliability-Patterns zu vermitteln und den „Shift Left“-Ansatz zu unterstützen
Die Gestaltung und Optimierung von Entwicklungsprozessen wie CI/CD-Pipelines, um Progressive-Delivery-Strategien (z. B. Canary Releases und Blue/Green Deployments) zu unterstützen und Updates sicher und risikoarm auszurollen
Die Analyse der Skalierbarkeit der Control Plane und die Behebung von Engpässen in Bereichen wie Distributed Consensus, Datenbank-Durchsatz und Kernel-Level-Networking
Die Teilnahme an einer vergüteten On-Call-Rotation, die Leitung von Incident Responses und die Moderation von Post-Mortems sowie Root Cause Analysen

Anforderungen

Mindestens 3 Jahre Erfahrung in Site Reliability Engineering, DevOps oder Platform Engineering
Expertenwissen über die Interna der Kubernetes Control Plane, einschließlich API Server, Controller Manager, Scheduler und etcd
Go-Sicherheit und Fähigkeit, produktionsreifen Code zu schreiben, um Automatisierungstools, Kubernetes Operatoren oder Integrations-Code zu entwickeln
Fundierte Erfahrung mit Infrastructure as Code und Container-Infrastrukturen sowie tiefgehende Kenntnisse in Linux-Interna (Kernel-Tuning, Memory Management) und Networking (TCP/IP, CNI, Load Balancer, eBPF)
Erfahrung im Betrieb von Datastores (z. B. PostgreSQL, Redis) und Messaging-Systemen (z. B. Kafka, NATS) in skalierbaren Umgebungen
Fähigkeit, Problemen auf den Grund zu gehen, um daraus zu lernen, und sich selbst aus dem Job zu automatisieren