Interviewfragen Data Engineer: 20 Fragen, gute Antworten, Warnsignale

Gute Interviewfragen für einen Data Engineer prüfen fünf Dinge: SQL auf hohem Niveau, Pipelines im Betrieb, Datenmodellierung, Datenqualität und die Zusammenarbeit mit Fachbereichen. Die 20 Fragen auf dieser Seite zeigen zu jeder Frage, woran Sie eine gute Antwort erkennen und welche Antwort ein Warnsignal ist. Sie funktionieren auch ohne eigenes Datenstudium.

Notizbuch mit unscharfer Handschrift, Lesebrille und Laptop

So nutzen Sie die Fragen

Wählen Sie für ein 60-minütiges Gespräch acht bis zehn Fragen aus, mindestens zwei aus jedem Block. Bitten Sie immer um ein konkretes Beispiel aus einem echten Projekt. Allgemeine Antworten wie „Das kommt darauf an“ sind erlaubt, aber nur, wenn danach erklärt wird, worauf es ankommt.

Bewerten Sie jede Antwort mit 1 (allgemein), 2 (konkret) oder 3 (konkret mit Abwägung). Wer im Schnitt unter 2 liegt, hat die Aufgabe meist noch nicht selbst verantwortet.

Wie Sie das ganze Interview aufbauen und bewerten: Technisches Interview für KI-Rollen.

Block 1: SQL und Datenmodellierung

#	Frage	Gute Antwort zeigt	Warnsignal
1	Eine Kennzahl ist in zwei Berichten unterschiedlich. Wie gehen Sie vor?	Geht zuerst zur Definition und zur Quelle, vergleicht Filter, Zeitbezug und Joins, spricht mit beiden Fachbereichen	Sucht sofort einen Fehler im Code, ohne die Definition zu klären
2	Wie modellieren Sie Kunden, wenn Vertrieb und Buchhaltung sie unterschiedlich zählen?	Trennt Geschäftslogik von Rohdaten, dokumentiert beide Sichten, schlägt eine abgestimmte Definition vor	Entscheidet allein für eine Sicht
3	Wann nutzen Sie eine Window-Funktion statt einer Gruppierung?	Nennt ein Beispiel wie laufende Summen oder Rangfolgen und erklärt den Unterschied im Ergebnis	Kennt den Begriff nur theoretisch
4	Wie halten Sie Änderungen an Stammdaten über die Zeit fest?	Beschreibt ein Verfahren zur Historisierung, etwa Gültigkeitszeiträume, und wann es sich lohnt	Überschreibt alte Werte ohne Rückfrage
5	Eine Abfrage läuft zu lange. Was prüfen Sie zuerst?	Ausführungsplan, Datenmenge, Partitionierung, Indizes, unnötige Joins	Schlägt sofort größere Hardware vor

Block 2: Pipelines im Betrieb

#	Frage	Gute Antwort zeigt	Warnsignal
6	Welche Pipeline von Ihnen läuft heute produktiv, und wer nutzt die Daten?	Nennt System, Frequenz, Nutzer und die eigene Rolle	Spricht nur über Schulungs- oder Hobbyprojekte
7	Was passiert, wenn Ihre Pipeline nachts abbricht?	Beschreibt Alarmierung, Wiederaufsetzen ohne doppelte Daten und die Information der Nutzer	„Dann starte ich sie morgens neu“
8	Wie stellen Sie sicher, dass ein erneuter Lauf keine Duplikate erzeugt?	Erklärt idempotente Ladelogik mit einem Beispiel	Kennt das Problem nicht
9	Wann laden Sie vollständig, wann nur Änderungen?	Wägt Datenmenge, Quellsystem und Fehlerrisiko ab	Hat eine Standardantwort für alle Fälle
10	Wie testen Sie eine Pipeline, bevor sie live geht?	Testdaten, Prüfungen auf Schema und Werte, Vergleich mit Altbestand	„Ich schaue mir das Ergebnis an“

Block 3: Datenqualität und Quellsysteme

#	Frage	Gute Antwort zeigt	Warnsignal
11	Welche Prüfungen laufen bei Ihnen automatisch, bevor Daten in Berichte gehen?	Nennt konkrete Regeln wie Vollständigkeit, Wertebereiche, Eindeutigkeit, und was bei Verstößen passiert	Prüft nur, ob die Pipeline durchläuft
12	Wie holen Sie Daten aus einem ERP-System wie SAP?	Kennt mehrere Wege, ihre Grenzen und die Abstimmung mit der SAP-Betreuung	Hält es für einen einfachen Export
13	Ein Quellsystem ändert ohne Ankündigung ein Feld. Wie merken Sie das?	Schema-Überwachung, Alarm, Absprache mit den Verantwortlichen der Quelle	Merkt es erst am falschen Bericht
14	Wem gehören die Daten, die Sie laden?	Unterscheidet technische und fachliche Verantwortung und nennt, wer Definitionen freigibt	„Mir, sobald sie im Warehouse sind“

Block 4: Plattform und Kosten

#	Frage	Gute Antwort zeigt	Warnsignal
15	Warum haben Sie sich im letzten Projekt für diese Datenplattform entschieden?	Nennt Kriterien wie Kosten, Team-Know-how, Anbindung, Betrieb	„Die war schon da“, ohne eigene Bewertung
16	Wo haben Sie zuletzt Cloud-Kosten gesenkt?	Konkretes Beispiel mit Größenordnung und Hebel	Hat Kosten nie gesehen
17	Wie dokumentieren Sie Daten, damit andere sie finden und verstehen?	Katalog, Beschreibungen an Tabellen und Feldern, Herkunft nachvollziehbar	„Das steht im Code“

Block 5: Zusammenarbeit

#	Frage	Gute Antwort zeigt	Warnsignal
18	Ein Fachbereich will „alle Daten, sofort“. Wie reagieren Sie?	Fragt nach der Entscheidung dahinter, schlägt einen ersten kleinen Datensatz vor	Liefert alles oder lehnt ab
19	Wie arbeiten Sie mit Data Scientists zusammen?	Klare Übergabe, gemeinsame Definitionen, Rückkanal bei Datenproblemen	Sieht Data Science als Abnehmer ohne Absprache
20	Welche technische Entscheidung würden Sie heute anders treffen?	Nennt einen echten Fehler und was er daraus gelernt hat	Findet keinen

Probeaufgabe statt Coding-Test

Für Data Engineers funktioniert eine kurze, realistische Aufgabe besser als ein abstrakter Algorithmus-Test. Ein Beispiel für 45 Minuten im Gespräch:

Sie bekommen zwei anonymisierte Tabellen: Aufträge aus dem ERP und Kunden aus dem CRM. Die Kundennummern passen nur zu 80 Prozent zusammen. Wie gehen Sie vor, und welche Fragen stellen Sie dem Vertrieb?

Bewerten Sie weniger die fertige Lösung und mehr die Rückfragen. Der Top-20-Report KI-Rollen beschreibt genau diesen Ansatz: Fallstudien an echten Szenarien trennen Theoretiker von Praktikern.

Was ein Data Engineer im Interview von Ihnen wissen will

Gute Kandidaten prüfen Sie genauso. Bereiten Sie Antworten auf diese Fragen vor: Welche Quellsysteme gibt es? Wer entscheidet über die Plattform? Gibt es Rufbereitschaft? Wer definiert Kennzahlen? Welches Datenprodukt soll zuerst entstehen? Die Stellenanzeige Data Engineer beantwortet die meisten davon schon vor dem Gespräch.

Laut Bitkom erhalten 31 Prozent der Unternehmen auf IT-Stellen praktisch keine Bewerbungen (Studie Arbeitsmarkt für IT-Fachkräfte, September 2026). Wer ein passendes Profil im Gespräch hat, sollte innerhalb von zwei Wochen entscheiden.

Lieber nur Kandidaten sehen, die diese Fragen bestehen?

Wir führen das fachliche Gespräch vor jeder Vorstellung und schicken Ihnen nur Data Engineers, die Pipelines, Modellierung und Qualität nachweisbar beherrschen.

Data Engineer finden

Quellen

Bitkom, Presseinformation „IT-Fachkräftemangel hat sich in den letzten drei Jahren halbiert“, 03.09.2026
Spitzenbesetzung, Top-20-Report KI-Rollen Mittelstand 2026

Häufige Fragen

Welche Fragen sollte man einem Data Engineer im Vorstellungsgespräch stellen?

Fragen zu SQL und Datenmodellierung, zu Pipelines im Betrieb, zu Datenqualität und Quellsystemen, zu Plattform und Kosten sowie zur Zusammenarbeit mit Fachbereichen. Die 20 Fragen auf dieser Seite decken alle fünf Bereiche ab.

Wie prüfe ich SQL-Kenntnisse eines Data Engineers ohne eigenes Fachwissen?

Fragen Sie nach einer Kennzahl, die in zwei Berichten unterschiedlich ist, und nach einer zu langsamen Abfrage. Wer konkret über Definitionen, Joins und Ausführungspläne spricht, hat Praxis. Allgemeine Antworten sind ein Warnsignal.

Sollte ich einem Data Engineer einen Coding-Test geben?

Eine realistische Aufgabe mit echten Datenproblemen sagt mehr als ein Algorithmus-Test. Bewerten Sie vor allem die Rückfragen und das Vorgehen.

Woran erkenne ich, dass ein Data Engineer Pipelines wirklich betrieben hat?

Er beschreibt, was bei einem nächtlichen Abbruch passiert, wie doppelte Daten vermieden werden und wer informiert wird. Kandidaten ohne Betriebserfahrung bleiben bei diesen Fragen vage.

Wie viele Interviewrunden sind für einen Data Engineer sinnvoll?

Zwei bis drei: ein Kennenlernen, ein fachliches Gespräch mit Fallaufgabe und bei Bedarf ein Gespräch mit dem Fachbereich. Mehr Runden verlängern die Suche, ohne die Auswahl spürbar zu verbessern.

Nächster Schritt

Welcher Weg passt zu Ihrer Situation?

Wählen Sie den Pfad, der zu Ihrem Bedarf passt. Jede Erstberatung ist unverbindlich und führt zu einer ehrlichen Markt-Einschätzung.

Freelancer anfragen→Festanstellung besetzen→Diskrete Executive Search→

Verwandte Themen

Begriffe & Tiefenwissen