Aufgaben

Deine Hundertserver-Mission

Als Site Reliability Engineer (SRE) bei Hundertserver bist du verantwortlich für den stabilen, performanten und sicheren Betrieb moderner Cloud-Plattformen. Du sorgst mit Automatisierung, Monitoring, SLAs und Incident Response dafür, dass unsere Systeme nicht nur laufen – sondern sich kontinuierlich verbessern. Dabei arbeitest du eng mit Kunden, Entwicklung und Infrastruktur-Teams zusammen, bringst Klarheit in komplexe Betriebsfragen und schaffst nachhaltige Lösungen – hands-on, pragmatisch und mit viel Eigenverantwortung.

Die Main Tasks

HauptverantwortlichkeitenVerfügbarkeit & Stabilität

• Sicherstellung der Plattformverfügbarkeit entlang definierter SLOs / SLAs
• Analyse und Behebung von Incidents & Performance-Problemen (On-Call inkl.)
• Aufbau und Pflege robuster Alerting-, Logging- und Monitoring-Setups
• Fehlerursachenanalyse (Root Cause) & präventive Maßnahmen
  
  

Automatisierung & Infrastruktur

• Automatisierung von Bereitstellung, Skalierung und Wartung (IaC mit Terraform, Ansible etc.)
• Betrieb und Weiterentwicklung von Kubernetes-Umgebungen (Cloud & On-Prem)
• Entwicklung und Pflege von Self-Healing- und Auto-Scaling-Mechanismen
• Einführung und Pflege von Runbooks & Playbooks
  
  

Monitoring, Observability & Performance

• End-to-End Monitoring mit Tools wie Prometheus, Grafana, Loki, ELK
• Aufbau und Betreuung von SLIs und SLOs – datenbasierte Plattformsteuerung
• Performance-Analysen (Workloads, Traffic, DBs) und kontinuierliche Optimierung
• Einrichtung & Wartung verteilter Tracing- und Logging-Systeme
  
  

Sicherheit & Betriebshygiene

• Umsetzung und Kontrolle von Sicherheitsstandards (Least Privilege, TLS, Secrets Mgmt.)
• Regelmäßige Health-Checks, Updates und Patching
• Verfügbarkeitssicherung durch gelebte Backup- & Disaster-Recovery-Prozesse
  
  

Kollaboration & Beratung

• Enge Zusammenarbeit mit Dev-, Support- und Plattformteams
• Beratung von Kunden zu Betriebsmodellen, Plattformmetriken & Architekturentscheidungen
  
  

Schulung interner Teams in Themen wie Monitoring, SRE-Basics & Troubleshooting

Profil

Dein Background

Was du mitbringen solltestTechnisches Profil

• Linux-Expertise (Debian, Ubuntu, RHEL)
• Tiefe Kubernetes-Kenntnisse – Cluster, Ingress, Operators, Helm etc.
• Erfahrung mit Cloud-Plattformen (AWS, Azure, GCP)
• Sehr gute Kenntnisse in Monitoring-Stacks (Prometheus, Grafana, Loki, ELK)
• Know-how in Infrastructure-as-Code (Terraform, Ansible, Puppet)
• Scripting- und Automatisierungskenntnisse (Bash, Python, Go)
• Vertraut mit Logging, Tracing & Incident-Management-Prozessen
  
  

Soft Skills & Arbeitsweise

• Proaktives Troubleshooting & hohes Qualitätsbewusstsein
• Strukturierte, analytische Denkweise – lösungsorientiert und pragmatisch
• Sehr gute Kommunikationsfähigkeit (Kunde, Dev, Ops)
• Fokus auf Nachhaltigkeit & Automatisierung statt Firefighting
• Bereitschaft zu Bereitschaftsdiensten (Rufbereitschaft, SLA-Fenster)
  
  

Nice to Have

• Zertifizierungen wie CKA / CKS / AWS DevOps oder vergleichbar
• Erfahrung mit GitOps, ArgoCD oder Policy-as-Code
• Kenntnisse in FinOps / Kostenoptimierung in Cloud-Plattformen
  
  

Wir bieten

Deine Benefits

Was dich bei Hundertserver erwartet

• Echte Weiterentwicklung – in Technik, Methodik & Kultur
• Moderne Plattformen & Tools – mit Raum für eigene Gestaltung
• Eigenverantwortung & Vertrauen – wir arbeiten partnerschaftlich, nicht hierarchisch
• Flexible Arbeitszeit & Remote-First-Kultur
• Hands-on-Mentalität & direkter Kundenimpact
  
  

Important note

Please be advised that a valid work permit for Germany is required for non-EU citizens. Unfortunately, applications without a valid work permit and sufficient German language skills may not be considered.

LNKD1_DE