Mindrift
Anova
Senior Software Engineer
Über die Stelle
Werden Sie unser Sr. Software Engineer im R&D Software Team und gestalten Sie Software von Grund auf neu – nicht nur ein Ticket-System. Sie werden die Roadmap mitgestalten, technische Entscheidungen treffen und die Echtzeit-Datenplattform aufbauen, die industrielle IoT-Telemetrie in handlungsfähige Entscheidungen für unsere Kunden umwandelt.
Wo Sie arbeiten werden
Dies ist eine Remote-freundliche Position – die meiste Arbeit kann praktisch remote erledigt werden, mit gelegentlicher persönlicher Zusammenarbeit in unserem Büro in Porto. Unsere Ingenieure sagen uns, dass Flexibilität einer der wichtigsten Aspekte ihrer Arbeit bei uns ist.
Wenn dies nach einer passenden Stelle für Sie klingt, bewerben Sie sich, um Anova dabei zu helfen, die industrielle Welt zu verbinden – zum Besseren.
Weitere Informationen darüber, wie Anova die industrielle IoT-Branche transformiert, finden Sie unter Anova.com.
Aufgaben und Verantwortlichkeiten
Berichtet an den Digital Integration Director, werden Sie End-to-End-Softwarelösungen verantworten, von der Definition des Geschäftsproblems bis zum zuverlässigen Betrieb von Diensten in der Produktion, basierend auf Echtzeit-Telemetrie von industriellen IoT-Sensoren, die Flüssigkeits- und Gastanks in Branchen wie Industriechemie, Industriegase, Propan und anderen Brennstoffen überwachen.
Zusammenarbeit für den Erfolg
- Projekte End-to-End verantworten, beginnend im Greenfield-Stadium: definieren Sie Ihre eigenen Anforderungen, gestalten Sie die Roadmap und führen Sie Lösungen bis zur Produktion.
- Arbeiten Sie funktionsübergreifend mit Teams wie Vertrieb und Marketing zusammen und übersetzen Sie Geschäftsziele in funktionierende Software.
- Treffen Sie die technischen Entscheidungen und leisten Sie einen wesentlichen Beitrag zur Implementierung – dies ist eine Hands-on-Rolle, keine, bei der Sie die Arbeit an andere abgeben.
Aufbau datengesteuerter Systeme
- Erstellen und betreiben Sie die backend-Dienste und APIs hinter einer Plattform, die Echtzeit-Telemetrie von industriellen IoT-Sensoren an Standorten weltweit erfasst.
- Entwerfen und betreiben Sie die Datenpipelines, die diese Telemetrie in etwas umwandeln, das Menschen nutzen können – einschließlich Prognosen und Anomalieerkennung bei Zeitreihen.
- Arbeiten Sie mit den Realitäten von Sensordaten: Lücken, Drift, unregelmäßige Abtastung und eine sich ständig weiterentwickelnde Gerätepopulation. Bringen Sie das statistische Urteilsvermögen mit, um ein echtes Signal vom Rauschen zu unterscheiden und zu sagen, wie zuversichtlich wir sein sollten.
- Betreiben Sie, was Sie bauen – Instrumentierung, Alarmierung und die operativen Gewohnheiten, die ein System gesund halten.
Entwickeln mit KI-Unterstützung
- Nutzen Sie agentenbasierte Codierungswerkzeuge – Claude Code, Copilot, Cursor und ähnliche – als normalen Bestandteil der täglichen Auslieferung.
- Halten Sie KI-generierten Code am gleichen Maßstab wie jeden anderen Code. Sie sind für das verantwortlich, was Sie ausliefern.
- Strukturieren Sie Repositories, Tests und Dokumentationen so, dass sowohl Menschen als auch Agenten effektiv darin arbeiten können, und teilen Sie die Muster und Leitplanken, die funktionieren, damit sich die Basis des Teams verbessert.
- Wenden Sie die Richtlinien des Anova AI Handbook zu Risiko und Human-in-the-Loop-Validierung auf jedes System an, dessen Ausgabe einen Kunden erreicht oder eine automatisierte Aktion auslöst.
Qualität fördern
- Tragen Sie zu Best Practices und Arbeitsweisen in den Bereichen Software Engineering, Data Engineering und Plattformbetrieb bei und passen Sie diese kontinuierlich an, damit das Team qualitativ hochwertige Lösungen liefert, die echten Mehrwert für unsere Kunden schaffen.
Was Erfolg ausmacht
- Backend-Dienste und Datenpipelines für Echtzeit-IoT-Telemetrie laufen zuverlässig in der Produktion, mit starker Instrumentierung und Alarmierung.
- Prognose- und Anomalieerkennungsergebnisse sind vertrauenswürdig genug, dass Kunden und interne Stakeholder mit Zuversicht darauf reagieren.
- Engineering-Praktiken – Code-Reviews, Tests, CI/CD, KI-gestützte Entwicklung – verbessern sichtbar die Basis des Teams, nicht nur die eigene Leistung dieser Person.
- Andere Ingenieure werden aktiv betreut und durch Code-Reviews und Design-Diskussionen weiterentwickelt.
- Geschäftsinteressenten vertrauen dieser Person, technische Kompromisse und Unsicherheiten in Entscheidungen zu übersetzen, auf die sie reagieren können.
Was Sie für den Erfolg benötigen: Mindestanforderungen -
- Bachelor-Abschluss in Informatik, Ingenieurwesen, Physik, Mathematik oder einem anderen quantitativen oder naturwissenschaftlichen Fach – oder eine gleichwertige Kombination aus Ausbildung und Erfahrung.
- 5+ Jahre Erfahrung im Software-Engineering oder einer eng verwandten Rolle, einschließlich praktischer Produktionsbereitstellung (6–8 Jahre bevorzugt). Eine abgeschlossene Promotion in einem quantitativen oder naturwissenschaftlichen Fach mit umfangreicher praktischer Programmierung zählt hierfür.
- Starkes Python und die damit verbundenen Engineering-Gewohnheiten: git, Code-Reviews, Linter, Unit-Tests und CI/CD-Pipelines sind Dinge, die Sie täglich nutzen.
- Starke analytische Fähigkeiten und praktische Kenntnisse in Statistik: Verteilungen, Unsicherheit, Korrelation und Kausalität und zu wissen, wann ein Ergebnis real ist.
- Solides SQL und Erfahrung in der Arbeit mit Daten im großen Maßstab – pandas, PySpark und Plattformen wie Databricks, Snowflake oder Postgres.
- Erfahrung im Betrieb von Software in der Produktion: Bereitstellung, Überwachung, Alarmierung und ein Gespür für die Praktiken, die dies nachhaltig machen.
- Fließende Kenntnisse in agentenbasierten Codierungswerkzeugen.
- Fließend in schriftlichem und gesprochenem Englisch.
Bevorzugte Qualifikationen -
- Tiefgehende Kenntnisse der Azure Databricks-Plattform: PySpark, Streaming-Pipelines.
- Zeitreihenarbeit in der Produktion: Prognose, Anomalieerkennung oder ähnliches.
- Erfahrung mit Message-Queuing-Systemen (Kafka, RabbitMQ oder ähnlichem).
- Erfahrung in der Implementierung von agentenbasierten Workflows in der Produktion – Aufbau, nicht nur Nutzung.
- Praktische Erfahrung mit einem Agenten-Framework: LangChain / LangGraph, CrewAI, AutoGen, MetaGPT oder ähnliches. Uns ist wichtig, dass Sie eines davon erfolgreich eingesetzt haben, nicht welches.
- Vertrautheit mit den Interoperabilitätsprotokollen – MCP (Model Context Protocol) und A2A (Agent2Agent) – zur Bereitstellung von Systemen als Werkzeuge, die andere Agenten direkt aufrufen können, und zur Ermöglichung der Kommunikation zwischen Agenten.
- Erfahrung mit Microsoft Foundry zum Erstellen, Bewerten und Bereitstellen von Agenten.
- Branchenerfahrung im industriellen Sektor, im Energiesektor oder in IoT-Umgebungen.
ÜBER ANOVA
Wir sind sehr stolz darauf, „eine“ Anova zu sein – aufgebaut durch die Integration des Besten in IIoT-Technologie und Expertise. Anova überwacht mehr als 1,250,000 Anlagen in fast 80 Ländern für über 2000 Kunden, von Familienunternehmen bis zu den größten LPG-, Industriegas- und Chemieunternehmen der Welt. Unsere Reichweite ist global. Unser Service ist lokal. Wir arbeiten direkt mit Kunden zusammen, verfolgen einen ganzheitlichen Ansatz und liefern maßgeschneiderte Lösungen, die Innovation und Verbesserung vorantreiben und unsere Welt sicherer, effizienter und zuverlässiger machen.
Wir glauben, dass lohnende Arbeit Sie belohnen sollte. Als Teil von Anova werden Ihre Arbeit, Integrität und Ihr Engagement durch wettbewerbsfähige Vergütungs- und Belohnungsstrategien, durch aufrichtige Wertschätzung und durch Möglichkeiten für Wachstum und Weiterentwicklung belohnt. Wir stellen den Menschen an erste Stelle, indem wir Leistungen anbieten, die Ihr Leben und Ihr Wohlbefinden unterstützen, von Gesundheit und Finanzen bis hin zu Anerkennung und Belohnung und vielem mehr – wir haben Sie abgedeckt.
