Ihre Aufgaben 

• Analyse, Aufbereitung und Auswertung großer, heterogener Datenbestände im MDOCore Datalake  
• Entwicklung datengetriebener Modelle, Algorithmen und Prototypen für Data Analytics, Machine Learning, Anomaly Detection, Klassifikation, Clustering, Prognosen und Entscheidungsunterstützung  
• Identifikation von Mustern, Anomalien und Qualitätsproblemen in Sensor-, System-, Test- und Simulationsdaten  
• Aufbau wiederverwendbarer Datenprodukte, Datenmodelle und Analysebausteine unter Berücksichtigung von Data-Mesh- und Data-Fabric-Prinzipien  
• Zusammenarbeit mit Data Engineering, Softwareentwicklung, Systemarchitektur, Product Ownern und Fachdomänen zur Definition von Anforderungen an Datenqualität, Datenmodelle und Analysefähigkeit 
• Konzeption und Validierung von Datenpipelines, Feature Engineering, Modelltrainingsprozessen sowie Bewertung von Datenqualität und Repräsentativität  
• Entwicklung von Metriken, Dashboards und analytischen Nachweisen zur Bewertung von Systemverhalten, Plattformleistung und Datenprodukten  
• Operationalisierung von Analysemodellen sowie Unterstützung bei der Integration von Analytics-, AI- und Agentic-AI-Fähigkeiten in die MDOCore-Plattform 
• Dokumentation von Datenanalysen, Modellen und Qualitätsbewertungen sowie Mitwirkung an Data Governance, Datenkatalogisierung und Traceability 
• Unterstützung bei Demonstratoren, Kundenpräsentationen, Angebotsphasen und technischen Bewertungen datengetriebener Lösungen  

Ihr Profil 

• Abgeschlossenes Studium der Informatik, Data Science, Mathematik, Physik, Elektrotechnik, Statistik, Wirtschaftsinformatik oder einer vergleichbaren Fachrichtung
• Mehrjährige praktische Erfahrung in Data Science, Datenanalyse, Machine Learning, Data Analytics oder angewandter Statistik  
• Sehr gute Kenntnisse in Python sowie gängigen Data-Science- und Machine-Learning-Bibliotheken (z. B. pandas, NumPy, scikit-learn, PyTorch oder TensorFlow) 
• Erfahrung mit der Analyse großer, heterogener Datenbestände sowie fundierte Kenntnisse in Datenmodellierung, Feature Engineering, Datenqualität und Modellbewertung  
• Erfahrung mit SQL, NoSQL, Datenbanken, Datalakes und objektbasierten Speicherlösungen 
• Verständnis von Data Mesh, Data Fabric, Datenprodukten, Metadatenmanagement und semantischer Datenintegration  
• Grundverständnis moderner AI-Architekturen wie Retrieval-Augmented Generation, Tool Calling und Agentic AI 
• Fähigkeit, fachliche Anforderungen in analytische Modelle, Datenprodukte und verständlich aufbereitete Ergebnisse zu überführen  
• Strukturierte, eigenverantwortliche Arbeitsweise sowie Freude an interdisziplinärer Zusammenarbeit und explorativer Datenanalyse  
• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift