Vom Psychologie-Traum zur Datenwirklichkeit: Michelle Hackl, Lead Data Engineer bei WienIT, über Verantwortung, Azure/Power BI und den Weg zur Tech-Lead-Rolle

Kontext: Title, Speaker, Company

• Title: Michelle Hackl, Lead Data Engineer bei WienIT
• Speaker: Michelle Hackl
• Company: WienIT

Wir bei DevJobs.at haben Michelle Hackl in einer kompakten, aber dichten Session erlebt, in der sie schnörkellos beschreibt, wie man vom ersten Kommandozeilen-Aha-Moment zum Lead Data Engineer wird – und was es heißt, als Tech Lead Datenprojekte mit Wirkung für eine ganze Stadtfamilie zu verantworten. Ihr Fokus: Daten nutzbar machen. Ihr Werkzeugkasten: Azure und Power BI. Ihr Kompass: Verantwortung zu übernehmen und konsequent in die Rolle hineinzuwachsen.

Ein Wendepunkt vor der Matura: Der Start ins Programmieren

Michelle Hackl wollte ursprünglich Psychologie studieren. Kurz vor der Matura zeigte ihr jedoch ein Freund, wie man auf der Command Line arbeitet. Dieser Moment, so unscheinbar er für Außenstehende wirken mag, hat bei ihr ein neues Kapitel aufgeschlagen. Computer hatten sie ohnehin immer interessiert, doch mit dem ersten Programmierkontakt wurde aus Neugier eine klare Richtung.

Sie begann an der Universität zu programmieren und merkte schnell, wie viel Freude es ihr bereitete. Sie spricht von Ur-Spaß – ein starkes Wort, das deutlich macht, dass es hier nicht nur um Karriereplanung, sondern um eine intrinsische Motivation geht. Das Studium schwenkte sie schließlich auf Data Science um, und zwar in einem vierjährigen Studiengang in den USA. Danach ging es zielstrebig in die Arbeitswelt.

Für uns ist das ein Lehrstück: Der Einstieg ins Coden kann spät kommen, noch vor oder sogar während der Ausbildung, und dennoch zur tragfähigen Grundlage einer technischen Laufbahn werden. Entscheidender als das Timing ist das Dranbleiben und der Spaß am Lösen von Problemen.

Was ein Lead Data Engineer bei WienIT bewirkt

Michelle Hackl beschreibt ihre Rolle zweigleisig: Sie ist Tech Lead beziehungsweise Lead Data Engineer. In der Praxis bedeutet das, dass sie den Daten-Stack rund um Azure und Power BI verantwortet. Ihr Team holt Daten, verarbeitet sie, speichert sie und stellt sie schließlich in Berichten zur Verfügung. Es geht um Cloud Data Storage, DWH-Strukturen und Reporting – die gesamte Kette von der Quelle bis zur Management-Entscheidung.

Diese Kette ist kein Selbstzweck. Hackl betont die Aufgabe, Daten nutzbar zu machen. Das gilt überall, aber ganz konkret auch bei WienIT. Daten gibt es in Unmengen, doch Wert entsteht erst dann, wenn sie eingesetzt werden können – etwa wenn Führungskräfte Einblick in Personalzahlen oder Jahresbudgets bekommen, oder wenn operative Teams ihre Systeme besser warten können.

Spürbar wird diese Verantwortung im Kontext der Wiener Stadtwerke. WienIT arbeitet als Dienstleister für die Unternehmen der Stadtwerke-Gruppe. Wenn Wiener Energie mit Daten aus Kraftwerken anfragt, geht es zum Beispiel darum, die Maintenance-Situation über alle Anlagen hinweg sichtbar zu machen. Die Aufgabe von Hackl und ihrem Team: eine Speichermöglichkeit anbieten, die Daten verarbeiten und am Ende einen Bericht liefern, mit dem die Daten praktisch genutzt werden können.

Aus dieser Beschreibung lässt sich ein klares Bild zeichnen: Lead Data Engineering bei WienIT bedeutet, die Brücke von Rohdaten zu belastbaren Einsichten zu schlagen – für Stakeholder, deren Entscheidungen und Services in Wien unmittelbar relevant sind.

Durchgängige Verantwortung: Von der Quelle bis zum Bericht

Wenn Hackl über die Projektführung spricht, fällt das Wort Verantwortung häufig. Als Tech Lead schaut alles Technische erst einmal über ihren Tisch: Welche Daten holen wir? In welchem Format und in welcher Qualität kommen sie daher? Welche Architektur und welcher Stack werden benötigt? Wie wird am Ende reportet? Hinter jedem Datenfluss steht eine Kette von Entscheidungen, die fachlich und organisatorisch zusammenfinden müssen.

Sie beschreibt die Aufgabe als arbeitsintensiv und verantwortungsvoll – und als sehr zufriedenstellend, wenn die Umsetzung gelingt. Nicht zuletzt, weil die Wiener Stadtwerke essenzielle Services für die Stadt anbieten. Das verleiht den Projekten Relevanz und einen greifbaren Impact. Entscheidungen auf Basis klarer, aufbereiteter Daten sind hier keine bloße Zahlenspielerei, sondern wirken in Infrastruktur und Servicequalität hinein.

Die Essenz: Daten nutzbar machen

Hackl bündelt den Kern ihres Berufs in einer einfachen Formel: Daten nutzbar machen. Sie betont, dass es überall viele Daten gibt – auch bei WienIT. Aber sie sind erst dann etwas wert, wenn sie verwendet werden können. Gerade hier zeigt sich die Stärke einer klaren Pipeline:

• Daten holen: Anbindungen, Formate, Frequenzen, Verantwortlichkeiten klären.
• Daten verarbeiten: Bereinigen, integrieren, modellieren.
• Daten speichern: Cloud Data Storage und DWH-Strukturen für Verlässlichkeit und Skalierbarkeit.
• Daten zeigen: Reports in Power BI, die Führungskräften und Teams konkrete Fragen beantworten.

Die Stichworte klingen technisch, doch Hackl betont einen übergeordneten Zweck: sichtbare, nutzbare, entscheidungsrelevante Informationen. Wer mit diesem Blick auf Architektur und Tools schaut, priorisiert das, was dem Unternehmen am Ende wirklich hilft.

Der Stack: Azure und Power BI, pragmatisch eingesetzt

Öfter als Tool-Schlachten zählt die zielgerichtete Wahl: Azure für die Cloud, Power BI für das Reporting. Beide benennt Hackl explizit. Ihre Rolle umfasst es, diesen Stack passend zu den ankommenden Projekten zu denken und zu lenken. Ob HR-Zahlen, Budgetfragen oder Kraftwerksdaten – die Pipeline bleibt dieselbe, der Informationsbedarf variiert.

Aus technischer Perspektive ist das eine Einladung zur Pragmatik: Weniger darum kreisen, welches Tool abstrakt besser klingt, sondern welche Kombination von Cloud- und Reporting-Bausteinen die Datenlage des Kunden am saubersten in Antworten übersetzt.

Tech Lead heißt vor allem: Menschen, Schnittstellen, Entscheidungen

Ein Satz von Hackl bleibt hängen:

Der Rest ist Abstimmung mit Kundinnen und Kunden, Zusammenarbeit mit Mitarbeiterinnen und Mitarbeitern in anderen Departments, Koordination mit anderen Engineers und Dokumentation der Arbeitsweisen. In Summe also die gesamte Orchestrierung, die ein Datenprojekt vom Auftrag bis zur produktiven Nutzung am Laufen hält.

Für angehende Leads liegt hier die wichtigste Erkenntnis: Wer Verantwortung übernimmt, führt nicht nur Code, sondern Kontexte zusammen. Meetings, E-Mail-Threads, Spezifikationen und Q&A-Runden sind keine Störungen der Arbeit, sie sind die Arbeit. Aus technischer Exzellenz wird so organisatorische Wirksamkeit.

Wege in den Beruf: Studium oder Selbststudium – und dann mehr

Auf die Frage, welche Ausbildung es braucht, bleibt Hackl pragmatisch. Für Data Engineering hilft die technische Ausbildung; in Österreich ist das Uni-Studium traditionell stark angesehen. Es gibt aber ebenso die Möglichkeit, sich das Handwerk über Kurse selbst beizubringen. Beides kann funktionieren.

Für die Rolle als Lead braucht es allerdings deutlich mehr als nur Technik. Hier nennt sie ausdrücklich Organisations-Skills und People-Skills. Es geht darum, Verantwortung nicht zu scheuen, sondern sie zu suchen: bei Gelegenheiten mitarbeiten, Teilbereiche übernehmen, Projekte in kleinen Schritten führen und sich dabei langsam in die Rolle hineinwachsen. Mit jeder Stufe wächst der Verantwortungsumfang, bis man irgendwann Tech Lead ist.

Diese Empfehlung klingt unspektakulär, ist aber ein präziser Kompass. Karriere wird nicht ernannt, sie wird übernommen – durch Initiative und Verlässlichkeit.

Konkrete Anwendungsfälle: Von HR- und Budgetzahlen bis zur Kraftwerks-Maintenance

Ohne tiefer in vertrauliche Details zu gehen, skizziert Hackl mehrere wiederkehrende Nutzungsszenarien:

• Führungskräfte benötigen Einblick in Personalzahlen.
• Jahresbudgets müssen nachvollziehbar und aktuell sichtbar sein.
• Bei Wiener Energie geht es um Kraftwerksdaten und die Maintenance-Situation über Anlagen hinweg.

Was diese Beispiele verbindet, ist der Entscheidungskontext. Datenberichte sind keine Charts um der Charts willen, sondern operative und strategische Navigationshilfen. Wenn die Pipeline funktioniert, befeuert sie Rhythmus, Transparenz und Steuerung.

Was wir aus der Session gelernt haben: Fünf Leitsätze für Data Engineers

Aus Hackls Schilderungen lassen sich Leitlinien ableiten, die wir als Redaktion für Data Engineers – und alle, die es werden wollen – pointiert zusammenfassen:

1) Folge der Energie. Der Spaß am Programmieren, der vor der Matura aufflammte, war für Hackl Antrieb genug, den Studienweg zu drehen. Energie schlägt Timing.

2) Denke Ende-zu-Ende. Daten holen, verarbeiten, speichern, zeigen – die Kette ist nur so stark wie ihr schwächstes Glied.

3) Baue für Nutzung, nicht für Eleganz. Daten sind nur etwas wert, wenn sie eingesetzt werden.

4) Verantwortung ist eine Übung. Nimm kleine Teile eines Projekts in die Hand, wachse daran und erweitere deinen Radius.

5) People-Skills sind Kernkompetenz. Nur 30 Prozent Technik bedeutet: 70 Prozent sind Koordination, Kommunikation und Dokumentation.

Praktisches Vorgehen: Von der Contributor-Rolle zur Lead-Verantwortung

Wer den nächsten Schritt anpeilt, kann anhand der von Hackl betonten Punkte sehr konkret ansetzen:

• Verantwortung sichtbar übernehmen: Einzelschritte zusagen, sauber liefern, Ergebnisse dokumentieren und die Lessons Learned teilen.
• Schnittstellen aktiv gestalten: Früh mit Kunden und angrenzenden Teams sprechen, Erwartungen abholen, offene Fragen sammeln und ausräumen.
• Reporting auf Fragen trimmen: Vor jedem Dashboard klären, welche Entscheidung es unterstützen soll.
• Architektur an Datenfluss ausrichten: Stack nicht aus Gewohnheit wählen, sondern am Input, der Transformationslogik und dem Reporting-Bedarf orientieren.
• Dokumentation als Teamservice sehen: Arbeitsweisen nachvollziehbar machen, damit Projekterfolg reproduzierbar wird.
• Kleine Leuchttürme liefern: Frühe Versionen von Reports oder Datenmodellen teilen, um Feedback zu ermöglichen und Vertrauen aufzubauen.

Diese Schritte sind nicht spektakulär, aber sie akkumulieren Wirkung. Sie machen die eigene Arbeitsweise sichtbar und belastbar – zwei Eigenschaften, die Leads prägen.

Der Impact-Faktor: Warum sich Verantwortung lohnt

Hackl beschreibt den Reiz an ihrer Rolle ausdrücklich: Viel Arbeit, viel Verantwortung – und hoch zufriedenstellend, wenn es gelingt. Ein Grund dafür ist der spürbare Impact. Die Wiener Stadtwerke bieten essenzielle Services; wer die Datenlage verbessert, beeinflusst die Qualität dieser Leistungen mittelbar mit.

In datengetriebenen Organisationen ist das die größte Belohnung: zu erleben, dass strukturierte Information Entscheidungen verbessert. Der Blick auf die Maintenance-Situation eines Kraftwerks ist dafür ein exemplarischer Anwendungsfall. Transparenz beschleunigt Reaktion, Priorisierung und Ressourcenallokation – sie macht Systeme robuster.

Leitfaden für Einsteigerinnen und Einsteiger ins Data Engineering

Aus Hackls Werdegang lässt sich ein realistischer Startpfad ableiten:

• Einstiegsmoment finden: Ein kurzer Workshop, ein Kurs, oder der erste Blick auf die Kommandozeile – Hauptsache, du kommst in Kontakt mit echten Aufgaben.
• Dranbleiben und iterieren: Regelmäßiges Coden, kleine Projekte, erste ETL-Flows. Spaß entsteht auch durch Kompetenzzuwachs.
• Fundament wählen: Data Science oder ein technischer Studiengang können helfen; alternativ strukturiertes Selbststudium mit Kursen.
• E2E-Denken trainieren: Nicht nur Skripte bauen, sondern verstehen, wie Daten ins Reporting fließen.
• Reporting früh lernen: Power BI oder ein anderes Tool einsetzen, um die Endnutzung zu verinnerlichen.
• Kommunikation üben: Anforderungen klären, Ergebnisse zusammenfassen, Entscheidungen dokumentieren.
• Verantwortung anziehen: Kleine Teilprojekte leiten, Abhängigkeiten managen, Risiken früh adressieren.

Dieser Fahrplan ist nicht exklusiv. Er spiegelt aber die Grundbewegung wider, die Hackl beschreibt: von Technik zur Wirkung, von Aufgaben zur Verantwortung.

Zitatmomente, die hängen bleiben

Einige ihrer Aussagen fassen den Kern der Rolle prägnant zusammen:

Diese Sätze wirken wie Module einer Jobbeschreibung, die zugleich Anspruch und Orientierung bietet.

Was Azure und Power BI in diesem Bild leisten

Ohne sich in Tooldetails zu verlieren, wird klar: Die Kombination aus Cloud-Storage und DWH auf Azure sowie Reporting mit Power BI deckt die Anforderungen vieler Business-Fragen sauber ab. Sie erlaubt es, Datenflüsse zu zentralisieren, Modelle konsistent aufzubauen und Ergebnisse in einem vertrauten Frontend bereitzustellen. Für Führungskräfte, die Personal- und Budgetentscheidungen treffen müssen, ist Verlässlichkeit hier wichtiger als technische Exotik.

Für Engineers ist die Botschaft: Kenne die Werkzeuge, aber denke in Ergebnissen. Ein guter Stack ist ein Mittel, kein Ziel. Entscheidend ist, ob er die Fragen trägt, die das Business stellt.

Vom Wunsch zur Wirklichkeit: Die Kunst, sich nicht zu scheuen

Hackl formuliert es deutlich: Um in diese Position zu kommen, muss man gewillt sein, viel Verantwortung zu übernehmen. Sich nicht zu scheuen ist dabei mehr als eine Charakterfrage. Es ist eine Praxis. Klein anfangen, stetig ausdehnen, transparent arbeiten, Feedback einholen und die nächste Stufe zügig anpeilen – so beschreibt sie den Weg in die Lead-Rolle.

Dieser Zugang eröffnet Spielräume für alle, die den Tech-Lead-Pfad anstreben, unabhängig davon, ob sie über ein klassisches Studium oder über Kurse in den Beruf einsteigen.

Für Teams und Organisationen: Was ein Tech Lead ermöglicht

Jenseits der persönlichen Perspektive macht die Session deutlich, welchen Wert Tech Leads für Organisationen haben:

• Konsistenz über Projekte hinweg: Ein zentraler Blick auf Datenquellen, Stack-Entscheidungen und Reporting sichert Anschlussfähigkeit.
• Klare Verantwortung: Wenn wichtige Entscheidungen über eine erfahrene technische Leitung laufen, sinkt die Wahrscheinlichkeit von Bruchstellen.
• Kommunikationsbrücke: Ein Lead übersetzt zwischen Business-Anforderungen, Engineering-Realität und Betrieb.
• Dokumentierte Arbeitsweisen: Wissen wird strukturiert und wiederverwendbar.

Gerade in Umgebungen mit vielen Datenquellen und heterogenen Stakeholdern ist diese Rolle entscheidend, um aus Datensilos verlässliche Informationsprodukte zu machen.

Ein realistisches Vorbild für den Karrierepfad

Hackls Weg ist zugleich untypisch und lehrbuchhaft. Ungewöhnlich, weil ihr Startpunkt nicht Informatik, sondern Psychologie war. Lehrbuchhaft, weil die anschließende Bewegung sehr klar ist: Begeisterung entdecken, in Studium oder Kursen systematisieren, End-to-End-Verantwortung übernehmen und Schritt für Schritt in die Lead-Rolle hineinwachsen.

Dass sie diesen Pfad mit Witz und spürbarer Freude beschreibt, ist kein Beiwerk. Es ist der Treibstoff, der die Anstrengung trägt. Wer Verantwortung übernimmt, arbeitet viel. Wer dabei Sinn und Wirkung erlebt, bleibt langfristig motiviert.

Fazit: Eine Blaupause, die Mut macht

Die Session Michelle Hackl, Lead Data Engineer bei WienIT, mit Speaker Michelle Hackl von WienIT zeigt, wie technische Exzellenz und organisatorische Souveränität zusammenkommen. Die Eckpfeiler sind klar:

• Daten sind nur wertvoll, wenn sie genutzt werden.
• Ein Lead Data Engineer denkt in Ende-zu-Ende-Flüssen.
• Der Stack ist Mittel zum Zweck; Azure und Power BI leisten hier verlässlich ihren Beitrag.
• Verantwortung ist der Pfad zur Lead-Rolle – schrittweise, sichtbar, reproduzierbar.
• 30 Prozent Technik reichen nicht; People- und Organisations-Skills machen den Unterschied.

Für uns bei DevJobs.at ist diese Geschichte ein ermutigendes Narrativ für alle, die später gestartet sind, umgeschwenkt sind oder gerade erste Verantwortung übernehmen. Hackl zeigt, dass Timing zweitrangig ist, wenn die Richtung stimmt. Wer sich auf die Kommandozeile einlässt, den Spaß am Programmieren pflegt und den Mut zur Verantwortung entwickelt, kann die Datenwirklichkeit einer Organisation prägen – und die Services, die Menschen täglich nutzen, ein Stück besser machen.

• 

  

  Florence Adegeye, Service Owner bei WienIT

  Service Owner bei WienIT Florence Adegeye gibt im Interview Einblicke in den Aufbau der Teams, worauf beim Recruiting der Fokus liegt und welche Technologien im Unternehmen Einsatz finden.

  Jetzt ansehen

• 

  

  Paula Gludovatz, Scrummie bei WienIT

  Paula Gludovatz von WienIT erzählt im Interview über ihren Werdegang bis hin zur aktuellen Arbeit mit Scrum und was hier für Neueinsteiger wesentlich ist.

  Jetzt ansehen
• 

  

  Max Ehlmaier, Full Stack Developer bei WienIT

  Max Ehlmaier von WienIT beschreibt im Interview wie er zum Full Stack Development gekommen ist, mit welchen Aufgaben er in seiner Arbeit zu tun hat und gibt Tipps für Einsteiger.

  Jetzt ansehen