Senior Site Reliability Engineer (all genders)

FactFinder; Berlin; Hybrid; Vertraulich; Vollzeit

Benefits dieser Stelle

Hybrides Arbeitsmodell

Zusammenfassung

FACT-Finder sucht eine/n Senior Site Reliability Engineer (SRE) in Deutschland, der/die unsere SaaS-Plattformen auf Kubernetes und Harvester über die Transformation hinweg stabil, skalierbar und kosteneffizient hält. Du arbeitest eng mit Hosting und erfahrenen Engineers zusammen.

Du definierst Metriken, leitest Incident-Response, automatisierst Prozesse mit GitOps, baust self-healing Fähigkeiten auf und planst Kapazität von On-Prem und Cloud.

Qualifikationen

• Erfahrung als SRE, Infrastructure oder Production Engineer in SaaS- oder Plattform-Umfeld.
• Solides Verständnis von SLOs, Error Budgets, Incident Management und Observability.
• Hands-on Erfahrung mit Kubernetes und Cluster-Lifecycle, Upgrades.
• Interesse an Harvester oder vergleichbaren HCI-/Virtualisierungsplattformen.
• Gute Englischkenntnisse; Deutsch von Vorteil.

Aufgaben

• Du definierst und verantwortest SLOs, SLIs und Error Budgets über beide Produkte hinweg und triffst datenbasierte Entscheidungen zu Reliability und Performance.
• Du treibst Incident Response voran: schnelle Detektion, klare Kommunikation, blameless Postmortems und nachhaltige Follow-ups.
• Du reduzierst manuelle Arbeit konsequent durch Automatisierung und GitOps (z. B. Argo CD/Flux) und baust self-healing sowie self-service Fähigkeiten aus.
• Du unterstützt den Aufbau eines NG Search Operators (Custom Kubernetes Operator/CRDs) und die Einführung von Auto-Scaling (HPA, VPA, KEDA, Cluster Autoscaler).
• Du entwickelst unsere Observability weiter – Metrics, Logs, Traces, Alerting und Runbooks, die on-call wirklich helfen.
• Du planst Kapazität und Kosten über On-Premise (Frankfurt, Stockholm) und Cloud hinweg – inklusive Burst-Szenarien in die Public Cloud.
• Du nutzt AI-Tools, um Diagnose, Alerting und operative Workflows spürbar zu verbessern.

Kenntnisse

Kubernetes

SRE/Incidents

Observability

GitOps

Argo CD

Flux

HPA/VPA/KEDA

Cloud & On-Premises

Networking basics

Englische Sprache (Fluent)

Tools

Harvester

Longhorn

Ceph

vSphere/ESXi

KubeVirt

Jobbeschreibung

Introduction

FACT-Finder entwickelt Product-Discovery-Technologie für den eCommerce und ist mit den Produkten Next Generation und Infinity bei führenden Online-Shops in Europa im Einsatz. Beide Produkte bewegen sich aktuell in Richtung einer modernen, hybriden Plattform auf Basis von Kubernetes und Harvester – mit der Option, mittelfristig vollständig in die Cloud zu skalieren. Als Senior Site Reliability Engineer (SRE) sorgst du dafür, dass unsere Systeme über diese Transformation hinweg schnell, verfügbar und skalierbar bleiben. Du arbeitest mit dem Hosting-Team und erfahrenen Engineers zusammen und gestaltest den Weg zu einer modernen SaaS-Company aktiv mit.

Deine Aufgaben

• Du definierst und verantwortest SLOs, SLIs und Error Budgets über beide Produkte hinweg und triffst datenbasierte Entscheidungen zu Reliability und Performance.
• Du treibst Incident Response voran: schnelle Detektion, klare Kommunikation, blameless Postmortems und nachhaltige Follow-ups.
• Du reduzierst manuelle Arbeit konsequent durch Automatisierung und GitOps (z. B. Argo CD / Flux) und baust self-healing sowie self-service Fähigkeiten aus.
• Du unterstützt den Aufbau eines NG Search Operators (Custom Kubernetes Operator / CRDs) und die Einführung von Auto-Scaling (HPA, VPA, KEDA, Cluster Autoscaler).
• Du entwickelst unsere Observability weiter – Metrics, Logs, Traces, Alerting und Runbooks, die on-call wirklich helfen.
• Du planst Kapazität und Kosten über On-Premise (Frankfurt, Stockholm) und Cloud hinweg – inklusive Burst-Szenarien in die Public Cloud.
• Du nutzt AI-Tools, um Diagnose, Alerting und operative Workflows spürbar zu

Dein Profil

• Erfahrung als SRE, Infrastructure oder Production Engineer in einem SaaS- oder Plattform-Umfeld – oder ein starker Software-/Operations-Hintergrund mit klarem Willen, in die SRE-Rolle hineinzuwachsen.
• Solides Verständnis von SLOs, Error Budgets, Incident Management und Observability.
• Hands-on Erfahrung mit Kubernetes und Interesse an Cluster-Lifecycle, Upgrades und Operator-Pattern.
• Erfahrung oder starkes Interesse an Harvester bzw. vergleichbaren HCI-/Virtualisierungsplattformen (KubeVirt, vSphere/ESXi, OpenStack).
• Vertrautheit mit GitOps (Argo CD / Flux), Container Storage (Longhorn, Ceph) und Kubernetes Networking (Load Balancing, Ingress).
• Kenntnisse zu Auto-Scaling-Primitiven (HPA, VPA, Cluster Autoscaler, KEDA) und Kapazitätsplanung on-prem und in der Cloud.
• Verständnis für Netzwerke in produktionsnahen Rechenzentren (u. a. VLAN).
• Ausgeprägter Automatisierungsinstinkt und eine Haltung, Toil strukturell zu eliminieren.
• Praktische Erfahrung im Einsatz von AI-Tools im operativen Betrieb.
• Sehr gute Englischkenntnisse; Deutsch von Vorteil.

THE JOY OF WORKING WITH US

• Impact from day one: Deine Arbeit wirkt direkt auf die Umsätze führender eCommerce-Marken in Europa.
• Moderner Tech-Stack: Kubernetes, Harvester, GitOps, Auto-Scaling und ein spannender Weg in Richtung Cloud – mit Raum, Dinge neu und richtig zu bauen.
• AI-first Mindset: Wir nutzen AI nicht als Buzzword, sondern als festen Bestandteil unserer täglichen Arbeit.
• Ownership & Wachstum: Klare Verantwortung, kurze Entscheidungswege und die Möglichkeit, deine Rolle aktiv mitzugestalten.
• Flexibles Arbeiten: Hybrides Arbeitsmodell mit Fokus auf Ergebnisse.
• Starkes Team: Erfahrene Engineers, offene Feedback-Kultur und ein Umfeld, in dem Reliability als Engineering-Disziplin ernst genommen wird.

Standort

Berlin, München, Pforzheim oder Stockholm (Hybrid)