Site Reliability Engineer Stellenbeschreibungsvorlage - Leitfaden 2026

Kurzzusammenfassung

Site Reliability Engineers (SREs) sind spezialisierte Fachkräfte, die Prinzipien der Softwareentwicklung auf Infrastruktur- und Betriebsprobleme anwenden. Sie überbrücken die Lücke zwischen Entwicklung und Betrieb und sorgen dafür, dass Systeme durch Automatisierung und technische Praktiken zuverlässig, skalierbar und effizient gewartet werden.

Warum diese Rolle wichtig ist

Site Reliability Engineers sind für moderne Technologieunternehmen unverzichtbar, weil sie dafür sorgen, dass digitale Dienste verfügbar, performant und skalierbar bleiben, während das Unternehmen wächst. Da Unternehmen zunehmend auf komplexe verteilte Systeme und Cloud-Infrastruktur angewiesen sind, bringen SREs das Fachwissen ein, das nötig ist, um die Servicequalität zu erhalten und gleichzeitig eine schnelle Feature-Entwicklung zu ermöglichen. Sie fungieren als Hüter der Systemzuverlässigkeit, setzen Praktiken um, die Ausfälle verhindern, Ausfallzeiten reduzieren und nachhaltige Betriebsprozesse schaffen, die mit dem Wachstum der Organisation mitskalieren.

Primäre Vorlage für die Stellenbeschreibung

Über die Rolle

Wir suchen einen erfahrenen Site Reliability Engineer, der unserem Engineering-Team beitritt und die Verantwortung für Zuverlässigkeit, Skalierbarkeit und Performance unserer Produktionssysteme übernimmt. In dieser Rolle arbeiten Sie an der Schnittstelle von Softwareentwicklung und Systembetrieb, wenden technische Prinzipien an, um Infrastrukturherausforderungen zu lösen, und reduzieren operativen Aufwand durch Automatisierung.

Als SRE arbeiten Sie eng mit den Entwicklungsteams zusammen, damit unsere Services ihre Zuverlässigkeitsziele erreichen und gleichzeitig eine hohe Deployment-Geschwindigkeit erhalten bleibt. Sie entwerfen und implementieren Monitoring-Lösungen, reagieren auf Produktions-Incidents und bauen Tools, mit denen andere Engineers Services sicher und effizient deployen und betreiben können. Diese Position erfordert sowohl technische Tiefe im Bereich verteilter Systeme als auch die Fähigkeit, strategisch über Servicezuverlässigkeit und operative Exzellenz nachzudenken.

Sie berichten an den Engineering Manager oder SRE Lead und arbeiten eng mit Entwicklungsteams, Platform Engineers und Security-Teams zusammen, um unsere Service Level Objectives einzuhalten und gleichzeitig Unternehmenswachstum und Innovation zu unterstützen.

Hauptaufgaben

• System-Reliability-Management: Überwachung von Produktionssystemen, Aufbau von SLI/SLO-Frameworks und Einhaltung von Verfügbarkeitszielen durch proaktives Monitoring und Alerting

• Incident Response und Management: Leitung von Incident-Response-Maßnahmen, Durchführung von Post-Incident-Reviews und Umsetzung präventiver Maßnahmen zur Reduzierung der Mean Time to Recovery (MTTR) und zur Vermeidung wiederkehrender Probleme

• Automatisierung und Tooling-Entwicklung: Aufbau und Pflege von Automatisierungstools, Deployment-Pipelines und Self-Service-Plattformen, die manuelle Betriebsarbeit reduzieren und die Produktivität der Entwickler steigern

• Kapazitätsplanung und Performance-Optimierung: Analyse von Systemleistungskennzahlen, Prognose des Kapazitätsbedarfs und Optimierung der Ressourcennutzung für kosteneffizientes Skalieren

• Implementierung von Infrastructure as Code: Entwurf und Pflege der Infrastruktur mit codebasierten Ansätzen für ein konsistentes, reproduzierbares und versioniertes Umgebungsmanagement

• Observability und Monitoring: Implementierung umfassender Monitoring-, Logging- und Tracing-Lösungen, die Einblick in Systemverhalten und Performance geben

• Zusammenarbeit mit Entwicklungsteams: Zusammenarbeit mit Engineering-Teams zur Verbesserung der Servicezuverlässigkeit, Überprüfung von Architekturentwürfen und Etablierung operativer Best Practices

• On-Call-Support: Teilnahme an On-Call-Rotationen zur Sicherstellung der 24/7-Systemverfügbarkeit und schnellen Reaktion auf Produktionsprobleme

• Dokumentation und Wissensaustausch: Erstellung und Pflege von operativen Runbooks und Systemdokumentation sowie Wissensaustausch durch Schulungen und Mentoring

• Kontinuierliche Verbesserung: Identifikation von Möglichkeiten zur Verbesserung von Systemzuverlässigkeit, operativer Effizienz und Teamproduktivität durch Prozessverbesserungen und den Einsatz neuer Technologien

Anforderungen

Zwingende Qualifikationen:

• Bachelorabschluss in Informatik, Ingenieurwesen oder gleichwertige praktische Erfahrung mit 3-5 Jahren in der Softwareentwicklung oder im Systems Engineering
• Starke Programmierkenntnisse in Sprachen wie Python, Go, Java oder ähnlichen, mit Erfahrung im Aufbau produktionsreifer Software
• Praktische Erfahrung mit Cloud-Plattformen (AWS, GCP, Azure) und Container-Orchestrierungssystemen wie Kubernetes
• Kenntnisse in Infrastructure-as-Code-Tools (Terraform, Ansible, CloudFormation) und der Implementierung von CI/CD-Pipelines
• Erfahrung mit Monitoring- und Observability-Tools (Prometheus, Grafana, ELK-Stack, Datadog oder ähnlichen Plattformen)
• Verständnis der Prinzipien verteilter Systeme, der Microservices-Architektur und von Datenbanktechnologien
• Kenntnisse in Netzwerkkonzepten, Sicherheitspraktiken und den Grundlagen der Systemadministration
• Erfahrung mit Incident-Management-Prozessen und Post-Mortem-Analysen

Wünschenswerte Qualifikationen:

• SRE- oder DevOps-Zertifizierungen von großen Cloud-Anbietern oder relevanten Technologieanbietern
• Erfahrung mit Service-Mesh-Technologien (Istio, Linkerd) und fortgeschrittenen Kubernetes-Funktionen
• Hintergrund in großangelegten verteilten Systemen oder Webanwendungen mit hohem Traffic
• Erfahrung mit Chaos-Engineering-Praktiken und Methoden zum Testen der Zuverlässigkeit
• Kenntnisse in Performance-Testing-Tools und -Methoden

Was wir bieten

• Wettbewerbsfähige Vergütung: Grundgehaltsspanne von 130.000-200.000 US-Dollar zuzüglich Beteiligung und leistungsbezogener Boni
• Berufliche Weiterentwicklung: Konferenzteilnahme, Erstattung von Zertifizierungskosten und dedizierte Lernzeit
• Flexibles Arbeitsumfeld: Remote-First-Kultur mit optionalem Bürozugang und flexiblen Arbeitszeiten
• Umfassende Benefits: Kranken-, Zahn- und Sehversicherung, Arbeitgeberzuschuss zur Altersvorsorge und großzügige PTO-Regelung
• Technisches Wachstum: Zugang zu modernsten Technologien, komplexen technischen Herausforderungen und Mentoring-Möglichkeiten
• Wirkung: Direkter Einfluss auf die Systemzuverlässigkeit und die User Experience für Millionen von Kunden

Kontextvarianten

Konzernumfeld

Große Konzerne erwarten von SREs in der Regel, dass sie innerhalb etablierter Governance-Rahmenwerke und Compliance-Anforderungen arbeiten. Rechnen Sie mit formaleren Change-Management-Prozessen, umfangreichen Dokumentationsanforderungen und der Integration mit Enterprise-Tools und Sicherheitsrichtlinien. Die Rolle umfasst häufig die Betreuung von Legacy-Systemen neben moderner Cloud-Infrastruktur.

Startup-Umfeld

Schnell wachsende Start-ups brauchen SREs, die Reliability-Praktiken von Grund auf aufbauen können und gleichzeitig eine schnelle Produktentwicklung unterstützen. Sie übernehmen breitere Verantwortlichkeiten, arbeiten mit kleineren Teams und müssen architektonische Entscheidungen mit begrenzten Ressourcen treffen. Der Fokus liegt auf dem Aufbau skalierbarer Grundlagen, die zukünftiges Wachstum unterstützen können.

Remote-/Hybrid-Umfeld

Remote-SRE-Rollen erfordern starke Kommunikationsfähigkeiten, um die Incident Response über Zeitzonen hinweg zu koordinieren und Systemwissen für verteilte Teams zu dokumentieren. Sie benötigen Kompetenz im Umgang mit Kollaborationstools sowie die Fähigkeit, Mentoring und Wissensaustausch über digitale Kanäle zu ermöglichen.

Branchenspezifische Überlegungen

Vergütungsleitfaden

Gehaltsinformationen

Nationale Durchschnittsspanne: 130.000-200.000 US-Dollar jährlich

Faktoren, die die Vergütung beeinflussen:

• Cloud-Expertise und Zertifizierungen können einen Aufschlag von 10-20 % bedeuten
• On-Call-Pflichten beinhalten in der Regel eine zusätzliche Vergütung
• Beteiligungspakete variieren stark je nach Unternehmensphase und -größe

Gehaltsdaten basieren auf Marktforschung 2024 von Glassdoor, Levels.fyi und Branchenumfragen.

Interviewfragen

Fachliche Fragen

Systemdesign und Architektur:

• Beschreiben Sie, wie Sie ein Monitoring-System für eine Microservices-Architektur mit 50+ Services entwerfen würden.
• Erläutern Sie Ihren Ansatz zur Implementierung von Circuit Breakern und Retry-Logik in einem verteilten System.
• Wie würden Sie ein Auto-Scaling-System entwerfen, das sowohl vorhersehbare als auch unvorhersehbare Traffic-Muster bewältigt?
• Erklären Sie, wie Sie Blue-Green-Deployments für einen kritischen Produktionsservice implementieren würden.

Incident Response und Troubleshooting:

• Beschreiben Sie Ihren Prozess für die Reaktion auf einen Produktionsausfall, der 20 % der Nutzer betrifft.
• Wie würden Sie einen Service analysieren, der eine erhöhte Latenz aufweist, aber keine Veränderung der Fehlerrate zeigt?
• Erläutern Sie, wie Sie ein Memory Leak in einer containerisierten Anwendung untersuchen und beheben würden.
• Erklären Sie Ihren Ansatz zur Durchführung eines wirksamen Post-Incident-Reviews.

Automatisierung und Infrastruktur:

• Wie würden Sie die Bereitstellung eines vollständigen Anwendungs-Stacks mit Infrastructure as Code automatisieren?
• Beschreiben Sie Ihre Strategie zur Implementierung von Datenbankmigrationen ohne Ausfallzeit.

Verhaltensbasierte Fragen

Problemlösung und Entscheidungsfindung:

• Erzählen Sie mir von einer Situation, in der Sie während eines Produktions-Incidents mit unvollständigen Informationen eine kritische Entscheidung treffen mussten.
• Beschreiben Sie eine Situation, in der Sie eine bedeutende Quelle operativen Aufwands identifiziert und beseitigt haben.
• Nennen Sie ein Beispiel, bei dem Sie den Druck zur Feature-Auslieferung mit Bedenken zur Systemzuverlässigkeit in Einklang bringen mussten.

Zusammenarbeit und Kommunikation:

• Erzählen Sie mir von einer Situation, in der Sie Entwickler davon überzeugen mussten, ihre Deployment-Praktiken aus Zuverlässigkeitsgründen zu ändern.
• Beschreiben Sie, wie Sie geholfen haben, die On-Call-Erfahrung für Ihr Team zu verbessern.

Lernen und Anpassungsfähigkeit:

• Nennen Sie ein Beispiel, bei dem Sie schnell eine neue Technologie erlernen mussten, um ein Produktionsproblem zu lösen.

Fragen zur kulturellen Passung

• Wie gehen Sie mit der Balance zwischen Innovation und Stabilität in Produktionssystemen um?
• Was ist Ihre Philosophie zu Error Budgets und wie diese die Entwicklungsprioritäten beeinflussen sollten?
• Wie bleiben Sie über sich weiterentwickelnde SRE-Praktiken und -Technologien auf dem Laufenden?

Bewertungstipps:

• Achten Sie auf Kandidaten, die sowohl technische Tiefe als auch Teamfähigkeit zeigen
• Bewerten Sie ihre Erfahrung mit Incident Response und ihre Fähigkeit, unter Druck zu arbeiten
• Beurteilen Sie ihr Verständnis der Prinzipien und Praktiken des Reliability Engineering

Einstellungstipps

Kurzer Sourcing-Leitfaden

Top-Plattformen für die Einstellung von SREs:

• LinkedIn: Erweiterte Suche nach den Jobbezeichnungen SRE, DevOps und Infrastructure Engineer
• Stack Overflow Jobs: Technische Community mit starker SRE-Präsenz
• AngelList: Hervorragend geeignet für SRE-Positionen in Start-ups
• Dice: Technologiefokussierte Jobbörse

Berufliche Communities:

• Teilnehmer und Sprecher der SRECon-Konferenz
• Nutzergruppen und Meetups von Cloud-Anbietern
• Mitglieder der CNCF- und Kubernetes-Community
• Lokale DevOps- und Infrastruktur-Meetups

Tipps zur Optimierung der Stellenanzeige:

• Heben Sie die spezifischen Technologien und Tools in Ihrem Stack hervor
• Erwähnen Sie On-Call-Erwartungen und Incident-Response-Prozesse von Anfang an
• Betonen Sie Lernmöglichkeiten und technische Herausforderungen
• Fügen Sie Details zu Automatisierungs- und Infrastrukturprojekten hinzu

Zu vermeidende Warnsignale

• Reiner Ops-Hintergrund: Kandidaten ohne Erfahrung in der Softwareentwicklung tun sich mit dem technischen Fokus der SRE-Rolle oft schwer
• Keine Incident-Erfahrung: Fehlende Erfahrung mit der Reaktion auf Produktions-Incidents deutet auf unzureichendes praktisches Wissen hin
• Tool-fokussiertes Denken: Kandidaten, die sich nur auf Tools konzentrieren, ohne die zugrunde liegenden Prinzipien zu verstehen
• Schwache Kommunikation: SREs müssen während Incidents und mit Entwicklungsteams effektiv kommunizieren
• Fehlende Automatisierungsmentalität: Kandidaten, die nicht von sich aus daran denken, manuelle Arbeit durch Code zu eliminieren
• Schuldzuweisungen statt Lösungen: Kandidaten, die sich bei Incident-Besprechungen auf Schuldzuweisungen statt auf systemische Verbesserungen konzentrieren