QA Automation Engineer

Python-Kenntnisse werden neu aufgebaut, idealerweise durch Einsatz in realen Testautomatisierungs- und Analyseprojekten.

Grundlegende Softwareentwicklungskenntnisse werden durch begleitende Praxisprojekte neu aufgebaut; Fokus auf Lesbarkeit und Wartbarkeit von Test-Code.

Bereits vorhanden und übertragbar; Testerfahrung aus der Automatisierungsrolle bildet eine direkte Grundlage für Testmanagement-Aufgaben.

Automatisierungskompetenz im Plattform-Kontext (Infrastrukturautomatisierung, Deployment-Pipelines) wird neu aufgebaut durch praktische Projektarbeit. Ergänzend bieten IT-Fachschulen Weiterbildungsmodule zu Infrastructure as Code an.

Cloud-Grundkenntnisse werden über herstellerneutrale Cloud-Zertifizierungen bei akkreditierten IT-Bildungsträgern erworben. Inhalte: Cloud-Architekturprinzipien, Dienst-Kategorien, Sicherheit und Kostenmanagement. Praxisübungen in Cloud-Testumgebungen sind essenziell.

DevOps-Methoden und -Werkzeuge werden über herstellerneutrale Zertifikatslehrgänge bei akkreditierten IT-Bildungsträgern erworben. Schwerpunkte: CI/CD, Versionskontrolle, Monitoring, Kollaborationsprozesse zwischen Entwicklung und Betrieb.

Fortgeschrittene Excel-Kenntnisse werden durch gezielte Anwendung in Kapazitätsplanungs- und Auswertungsaufgaben sowie kurze Schulungen bei Kammer-Bildungszentren oder Volkshochschulen aufgebaut.

Kubernetes-Kenntnisse werden über herstellerneutrale Container-Orchestrierungs-Weiterbildungen bei akkreditierten IT-Bildungsträgern erworben. Kernkompetenz für Platform-Engineers. Praktische Cluster-Verwaltung in Testumgebungen ist zentraler Lernbestandteil.

Python ist bereits als übertragbare Fähigkeit vorhanden und wird im Platform-Engineering für Automatisierungsskripte, Infrastrukturwerkzeuge und Monitoring-Integrationen eingesetzt. Vorhandene Kenntnisse werden durch plattformnahe Anwendungsfälle vertieft.

Kenntnisse in Microsoft-Cloud-Diensten werden durch praktische Projektarbeit und herstellerneutrale Cloud-Weiterbildungsangebote aufgebaut; vorhandenes technisches Fundament aus QA-Automation beschleunigt die Einarbeitung — wird neu aufgebaut.

Aufbereitung und Darstellung von Metriken und Monitoring-Daten in Dashboards wird durch praktische Arbeit mit gängigen Visualisierungs-Tools und Fachlektüre erworben — wird neu aufgebaut.

Grundlegende Tabellenkalkulations-Kenntnisse werden durch eigenständige Praxis im Berufsalltag erworben; für SRE-Rollen meist auf Anwender-Niveau ausreichend — wird neu aufgebaut.

Fortgeschrittene Tabellenkalkulations-Kenntnisse (Pivot, komplexe Formeln, Automatisierung) werden durch gezielte Selbststudie und Praxisanwendung aufgebaut — wird neu aufgebaut.

Kompetenzen im Präsentieren technischer Sachverhalte vor gemischtem Publikum werden durch regelmäßige Praxis in Team-Meetings und Incident-Reviews entwickelt — wird neu aufgebaut.

Python ist für SRE-Tätigkeiten (Scripting, Monitoring, Automatisierung) zentral; vorhandene Grundkenntnisse werden durch Praxisprojekte und Fachliteratur auf SRE-relevantes Niveau gebracht — bereits vorhanden/übertragbar, wird vertieft.

SQL-Kenntnisse für Datenbankabfragen und Monitoring werden durch eigenständige Praxis und begleitende Fachliteratur aufgebaut; vorhandene Datenanalyse-Kompetenz erleichtert den Einstieg — wird neu aufgebaut.