Senior Data Scientist für Anomalieerkennung und Qualitätssicherung

Wir suchen einen erfahrenen Senior Data Scientist (m/w/d) zur Implementierung eines Machine-Learning-Systems für die automatisierte Qualitätssicherung in einem produktionskritischen, regulierten Umfeld. Das Projekt läuft vorwiegend remote und ist auf sechs Monate befristet.

Aufgaben: Sie entwickeln eine lernfähige ML-Erkennungsschicht, die ein bestehendes regelbasiertes Anomalieerkennung-System ablöst. Der Implementierungspfad umfasst Isolation Forest (Phase 1, unsupervised), XGBoost (Phase 2, supervised) und optional neuronale Netze (Phase 3). Ihre Kernaufgaben sind:

• Aufbau der Feature-Pipeline mit Kafka-Streams und Spark-Batch-Jobs • Training, Kalibrierung und Validierung der ML-Modelle mit Fokus auf Precision/Recall-Optimierung und Drift-Detection • Implementierung von Experiment-Tracking und Modellversionierung • Deployment auf Kubernetes-Basis mit automatisiertem Rollback • Aufbau von Retraining-Pipelines (zeitbasiert, drift-basiert, ereignisbasiert)

Ebenso wichtig ist der Wissenstransfer: Sie coachen das Projektteam und den Fachbereich, erstellen Monitoring-Dashboards und dokumentieren Modellentscheidungen verständlich für Nicht-Data-Scientists.

Anforderungen: • Mindestens 5 Jahre produktive Data-Science-Erfahrung mit mindestens 2 produktiv gestellten ML-Modellen • Fundierte Kenntnisse in Anomalieerkennung, Unsupervised Learning und XGBoost • Verständnis für Zeitreihenverarbeitung, Walk-Forward-Validierung und Drift-Detection • Erfahrung mit unbalancierten Datensätzen und SHAP-basierter Erklärbarkeit • Python, Apache Spark und JupyterHub (essentiell) • Kafka, GitLab CI/CD und Kubernetes-Grundkenntnisse (wichtig) • Vorteilhaft: MLflow, PostgreSQL, S3/MinIO, Helm • Erfahrung im Umgang mit sensiblen Daten • Ausgeprägte Kommunikations- und Coaching-Fähigkeiten