Ein Leitfaden zum Verständnis der neuen IT-Rollen - DevOps, SRE, Cloud Developer und mehr

Bis vor kurzem war es einfach, die Aufgaben einer bestimmten IT-Rolle zu definieren. Schließlich waren die meisten IT-Experten einfach nur Software-Ingenieure. Natürlich gab es auch andere Spezialisten - wie Datenbankadministratoren, IT-Administratoren oder Sicherheitsingenieure. Aber in Unternehmen, die Software herstellen, waren etwa 95 % des technischen Personals in der Regel Vanilla-Entwickler[1].

Im Jahr 2021 sieht die Landschaft anders aus. Mit der Entwicklung zahlreicher Technologien wird die Branche Zeuge komplexer und enger Spezialisierungspfade. Sicher, der Markt ist immer noch voll von Full-Stack-Entwicklern oder vielseitigen Experten, die verschiedene Rollen in einem Unternehmen kombinieren können. Aber mit der zunehmenden Komplexität der Technologie konzentrieren sich IT-Experten immer häufiger auf einen bestimmten Bereich. Infolgedessen hat sich im letzten Jahrzehnt eine Vielzahl neuer Expertenrollen entwickelt.

In diesem Artikel werde ich Ihnen helfen, sie zu verstehen.

 

[1] Es ist jedoch erwähnenswert, dass sie manchmal auch andere Aufgaben als nur die Entwicklung von Software hatten - wie die Verwaltung von Datenbanken, die Erstellung von Automatisierungstools, die Verwaltung von Daten, die Definition von Datenanalyse-Pipelines, die Erstellung von Integrationskomponenten und mehr.

 

 

 

Der Aufstieg der neuen IT-Rollen

 

Viele dieser neuen Aufgaben sind mit der zunehmenden Beliebtheit bestimmter Technologien und Lösungen verbunden.

Eines der bekanntesten Beispiele ist die Cloud. Laut Statista haben viele Unternehmen, die in die Cloud investiert haben, im Jahr 2020 eine breite Palette von Experten eingestellt, die in engen Fachgebieten ausgebildet sind. Zu diesen Spezialisten gehören Cloud-Architekten, Cloud-Systemadministratoren, Sicherheitsarchitekten, DevOps-Ingenieure, Cloud-Software-Ingenieure, Cloud-System-Ingenieure, Cloud-Netzwerk-Ingenieure, Cloud-Entwickler, Datenarchitekten, Cloud-Berater, Sicherheitsingenieure, Cloud-Produktmanager, Site-Reliability-Ingenieure und... mehr!

Ein weiterer, sehr vielfältiger und professioneller Bereich ist das Data Engineering.

Und diese beiden sind nur Beispiele.

Bei einer so großen Vielfalt an Spezialisierungen ist es nicht mehr so einfach, die Besonderheiten vieler Rollen zu unterscheiden, wie es bei der Auflistung der Aufgaben eines Allround-Softwareingenieurs der Fall ist. Wie versprochen, werfen wir nun einen Blick auf einige der beliebtesten neuen IT-Rollen, die Ihnen in den meisten modernen IT-Abteilungen begegnen werden.[2] Für diesen Artikel haben wir die Rollen des DevOps Engineer, Site Reliability Engineer, Cloud Developer, Data Engineer und Data Scientist ausgewählt.

 

[2] Bitte bedenken Sie jedoch, dass dies nur unsere Sichtweise ist. Da diese Rollen relativ neu sind, können Sie auch auf sehr unterschiedliche Definitionen stoßen.

 

DevOps-Ingenieur

 

DevOps-Ingenieure sind in erster Linie mit der Automatisierung der Lebenszyklen der Softwareentwicklung befasst .

 

Sie konzentrieren sich hauptsächlich auf:

• Schaffung oder Unterstützung lokaler Umgebungen für Entwickler;
• die Verwaltung von Bereitstellungsprozessen, die Vorbereitung der Bereitstellung und die Release-Automatisierung (kurz gesagt, die Erstellung von Bereitstellungspipelines);
• Erstellung und Verwaltung von Verzweigungsstrategien in Code-Repositories;
• Erstellung und Verwaltung der Infrastruktur und der zugrunde liegenden Konfiguration (in der Regel in Code gespeichert);
• Verwaltung der Beobachtbarkeit - Verwaltung von Protokollen, Überwachung von Infrastruktur und Anwendungen, usw;
• Verwaltung der allgemeinen Systemsicherheit.

 

DevOps-Ingenieure sollten diejenigen sein, die die Geschäftsfunktionen liefern. Sie sind in der Regel ein vollwertiges Mitglied des Scrum-Teams mit einem bestimmten Aufgabenbereich - und arbeiten hauptsächlich mit dem Architekten zusammen. Idealerweise sollten DevOps-Ingenieure auch über einige grundlegende Programmierkenntnisse verfügen, da die meisten Automatisierungsaufgaben Codierung beinhalten.

 

Die Fähigkeiten eines DevOps-Ingenieurs werden normalerweise aus 2 Hauptperspektiven definiert. Dazu gehören die folgenden:

• Verstehen der allgemeinen Konzepte. Dazu gehören Bereiche wie SDLC, Einsatzarten, Netzwerke, Überwachung, Tests und mehr.
• Den Umgang mit Werkzeugen beherrschen. Es gibt eine Vielzahl von Tools, von denen einige für die Projektarbeit entscheidend sind. Je nach den individuellen Vorlieben hat jeder DevOps-Ingenieur möglicherweise Erfahrung mit einem anderen Satz von Tools. Glücklicherweise sind diese Tools in der Regel mehr oder weniger vergleichbar. Wir können davon ausgehen, dass ein DevOps-Ingenieur, der Jenkins kennt, auch mit GitlabCI arbeiten können sollte (was jedoch nicht unbedingt bedeutet, dass er es vollständig beherrscht).

 

Zu den beliebtesten Schlagwörtern im Zusammenhang mit DevOps-Ingenieuren gehören AWS, Azure, Azure DevOps, Terraform, ARM, CloudFormation, SAM, Jenkins, GitlabCI, Github, Bamboo, TeamCity, Kubernetes, AKS, EKS, GKE, ECS, Fargate, Ansible, Chef, Puppet, Docker, Vault, Helm, GitOps, Bash, PowerShell und Python.

 

{{cta('72644ff6-c1c4-43b1-8504-6f2eb8cdc1ee')}}

 

Ingenieur für Standortzuverlässigkeit

 

Ein Site Reliability Engineering-Experte sollte über ähnliche Fähigkeiten wie ein DevOps-Ingenieur verfügen - allerdings mit einem etwas anderen Schwerpunkt. Während ein DevOps-Ingenieur in der Regel an der Entwicklung von Geschäftsfunktionen arbeitet, ist ein SRE-Experte hauptsächlich für die Wartung und Überwachung zuständig[3].

 

Infolgedessen sind Site Reliability Engineers in der Regel:

• Überwachung der Infrastruktur, Fehlersuche, Messung;
• Überwachungsanwendungen;
• Verwaltung der Beobachtbarkeit;
• auf Vorfälle zu reagieren;
• Arbeitslasten zu migrieren, falls erforderlich.

 

Die beliebtesten Buzzwords sind ähnlich wie die DevOps-Rolle, aber mit dem Zusatz von Monitoring-bezogenen Phrasen wie Zabbix, New Relic, DataDog, Nagios, Cloudwatch, ELK/EFK, Business Continuity oder Disaster Recovery.

 

[3]  Aber denken Sie daran, dass diese Unterscheidung nicht in Stein gemeißelt ist. Sie kann je nach Projekt und Organisation variieren.

 

Cloud-Entwickler

 

Cloud-Entwickler haben die Möglichkeit, Anwendungen mit verwalteten Cloud-Diensten zu entwickeln.

 

Sie sollten sich in mehreren Bereichen auskennen, darunter:

• Bereitstellung von Geschäftsfunktionen. Ein Cloud-Entwickler sollte eine Technologie beherrschen, mit der Anwendungen in der Cloud ausgeführt werden können (mit besonderem Schwerpunkt auf dem serverlosen Ansatz). Manchmal müssen Cloud-Entwickler sogar innerhalb desselben Projekts mit mehreren Technologien arbeiten. Daher sollten sich Cloud-Entwickler nicht auf eine bestimmte Sprache oder ein bestimmtes Framework konzentrieren.
• Cloud-Kenntnisse. Cloud-Entwickler sollten bequem mit der Cloud ihrer Wahl arbeiten können - sowohl mit grundlegenden Diensten (wie Netzwerken) als auch serverlos. In der Regel hat ein Cloud-Entwickler eine bevorzugte Cloud. Sie sollten über einschlägiges, tiefgehendes Wissen verfügen, um Fehler und nicht optimierten Code oder Infrastruktur zu vermeiden; dies begrenzt unerwünschte Kosten.
• DevOps. Dieser Bereich wird normalerweise nur für die Bereitstellung von serverlosen Anwendungen benötigt. Daher sollten Cloud-Entwickler z. B. AWS SAM beherrschen. Ein Cloud Developer ist kein DevOps Engineer im Sinne der Verwaltung von Bereitstellungsprozessen, der Ausführung von Testumgebungen oder Ähnlichem. Stattdessen sollte ein Cloud Developer DevOps-bewusst sein - zum Beispiel, um die Grenzen und den Zweck einer Pipeline zu definieren.

 

Zu den beliebtesten Schlagwörtern gehören Python, NodeJS, AWS, AWS Lambda, DynamoDB, S3, Fargate, Aurora, IAM, SSM, KMS, Kinesis, Glue, Athena, Azure, Azure Functions, CosmosDB und viele weitere Namen für verwaltete Dienste.

 

Daten-Ingenieur

 

Kurz gesagt, ein Data Engineer ist oft ein DevOps für Daten.

 

Zu ihren Aufgaben gehören daher in der Regel:

• Orchestrierung der Datenaufnahme in verschiedenen Kontexten - Daten-Streaming, traditionelle Datenbanken, Data Lakes und mehr;
• Organisation und Implementierung von Data Lakes;
• Erstellung und Verwaltung von Datenverarbeitungspipelines;
• Verwaltung von Datenmigrationsprozessen;
• Erstellung und Verwaltung von Datenbanken und Data Warehouses;
• Erstellung von Berichten und Visualisierungen mit Business Intelligence Tools;
• tief in die Daten eintauchen (diese Aufgabe wird jedoch häufig auch von Datenanalysten übernommen).

 

Regelmäßig führen Data Engineers ihre Aufgaben in der Cloud aus. Daher sind auch Cloud-Kenntnisse erforderlich - insbesondere bei den Tools, die speziell für Data Engineering entwickelt wurden (wie Athena, Glue, Redshift oder QuickSight in AWS).

Außerdem sollten Dateningenieure mit DevOps-Tools vertraut sein, um Pipelines und Cloud-Ressourcen effektiv erstellen und verwalten zu können.

Zu den beliebtesten Schlagwörtern der Datentechnik gehören AWS, Azure, GCP, Kubernetes, Athena, Glue, Kinesis, Redshift, RDS, Dataflow, Cloud Composer, Azure Data Factory, Apache Beam, Apache Airflow, Jupyter, QuickSight, Tableau, PowerBI, Looker, Python, Pandas, Terraform, Snowflake, Kafka, Flink, Cassandra oder MLOps.

 

Datenwissenschaftler

 

Data Scientists sind mit Algorithmen des maschinellen Lernens (ML) vertraut. Sie müssen sich nicht mit Cloud- oder DevOps-Technologien auskennen und müssen nicht wissen, wie man eine produktionsähnliche Umgebung einrichtet. Stattdessen können Data Scientists die Daten analysieren, Muster beobachten und die gewonnenen Erkenntnisse nutzen, um ML-Modelle zu erstellen und zu testen.

Die erstellten Modelle können von verschiedenen Typen sein - wie Vorhersage- oder Klassifizierungsmodelle. Außerdem sollte ein Data Scientist wissen, wie er die Modelle einsetzen kann, um Inferenzen zu ermöglichen (z. B. indem er die Modelle als API verwendet).

Am wichtigsten ist, dass Data Scientists die KI-Mathematik und -Techniken beherrschen. Sie arbeiten regelmäßig mit Data Engineers zusammen, die die Daten bereitstellen, mit denen sie arbeiten und die erstellten Modelle in der Produktionsphase verwenden - mit Hilfe von MLOps-Techniken.

 

Wenn Sie mehr über die Arbeit von Data Engineers und Data Scientists erfahren möchten, lesen Sie einen unserer früheren Artikel: Data Engineer vs. Data Scientist - Was ist der Unterschied? | PGS Software

 

Zusammenfassung

 

Unsere Liste der beliebtesten neuen IT-Rollen sollte Ihnen helfen, herauszufinden, welche Art von Experte Sie brauchen.

Aber vergessen Sie nicht, dass es noch mehr gibt - wir haben nur ein paar Rollen kurz beschrieben. Denken Sie außerdem daran, dass viele Ingenieure gerne die Grenzen zwischen definierten Verantwortlichkeiten überschreiten; sie suchen oft nach neuen Herausforderungen.

Haben Sie Fragen? Zögern Sie nicht zu fragen - ich beantworte Ihre Anfragen gerne auf LinkedIn oder über das Kontaktformular!

 

{{cta('ba8af7bf-916a-42ad-8602-e21d0cc0af7e')}}