Senior Data Scientist / Senior AI Engineer (mwd)

Das Unternehmen ist ein hochspezialisiertes Team mit über 30 Jahren Erfahrung im Bereich Software Analytics. Ziel ist es, datengetriebene Geschäftsmodelle zu entwickeln und Unternehmen bei der Generierung von Mehrwerten aus ihren Daten zu unterstützen. In der Rolle des Senior Data Scientist / Senior AI Engineer (mwd) sind Sie maßgeblich an der Digitalisierung von Geschäftsprozessen und Produktionsanlagen beteiligt. Sie setzen Machine Learning und GenAI ein, um die Herausforderungen der Kunden zu analysieren und in komplexe, analytische Fragestellungen zu übersetzen. Dabei arbeiten Sie eng mit dem Data Engineering und der Informatik zusammen. Ihre Expertise und unternehmerisches Denken sind entscheidend für die Weiterentwicklung strategischer Projekte mit hoher Wirkung. Zudem übernehmen Sie eine Mentorenrolle für Ihre Kollegen und tragen aktiv zum Wissensaustausch im Unternehmen bei. Das Arbeitsumfeld ist geprägt von einer offenen Unternehmenskultur, in der Teamarbeit und gemeinschaftlicher Austausch gefördert werden. Es gibt zahlreiche Möglichkeiten zur fachlichen und persönlichen Weiterentwicklung, sowie zur Übernahme von Verantwortung. Flexible Arbeitszeiten und eine gesunde Work-Life-Balance sind ebenfalls Teil des Angebots.

Der ideale Kandidat verfügt über einen mindestens guten Abschluss in Informatik, Wirtschaftsinformatik oder in einem verwandten Fachbereich wie Mathematik oder Physik. Mehrjährige Praxiserfahrung in Data Science, Business Intelligence oder Software Engineering, insbesondere im Bereich Machine Learning oder GenAI, ist erforderlich. Fundierte Kenntnisse in einer analytischen Programmiersprache wie Python oder R sowie in einer universellen Programmiersprache wie C#, Java, C++ oder Rust sind von Vorteil. Zudem sollten gute Kenntnisse in relationalen Datenbanken und SQL sowie Erfahrungen mit Cloud-Technologien wie Azure oder AWS vorhanden sein. Kenntnisse in Big-Data-Technologien wie Spark oder Kafka sowie in Operationalisierungswerkzeugen wie Docker oder Kubernetes sind wünschenswert. Erfahrung mit DevOps/MLOps-Prinzipien und -Tools ist ebenfalls wichtig. Ausgeprägte Kommunikationsfähigkeiten in Deutsch und Englisch sind erforderlich, ebenso wie Neugier und die Bereitschaft zu gelegentlichen Reisen.