Project Duration: Initially February 1, 2026 – April 30, 2026, extension planned
Working Time: 60% on-site at the Frankfurt-Höchst plant required
Languages: English and German
Project Objectives:
Expansion of the assembly and packaging lines to implement the global concept of Automatic Reason Code Assignment (ARCA) and integration of the data into an eOEE system
Creation of a consistent data model, ensuring the streamability of production data, and implementation of ARCA for the automated and standardized recording of downtime and alarm causes
Creating transparency (alarm ↔ error) through translation matrices
Implementation of the data pipeline: Alarm data → Streaming engine → Server
Integration into the data landscape (Snowflake, OPC-Kepware, Power BI)
Pilot solution for one manufacturer cell with subsequent adaptation to other manufacturers.
Job Description:
Data analysis and preparation: Familiarization with the existing data from the production facilities and development of a comprehensive understanding of the current data structures
Inventory of the data structure (>700 alarms per plant; high alarm and stop frequencies)
Assignment of alarms to units in the OEE tool (Power BI) via translation matrices (alarm → unit → ARC code)
Data migration planning: Preparation and structuring of plant data for transfer to a standardized data infrastructure
Development of a linking tool between OPC and Data Lake interfaces
Programming in the Plant Connectivity (PCo) agent
Export of raw data (CSV, PDF) → server → streaming to Snowflake; Direct query/import to Power BI
Test runs, error analysis, and optimization of the mapping logic
Performance optimization: Identification of potential improvements in plant performance through data-driven analyses
Problem solving: Development of creative solutions for complex data challenges, especially when conventional methods fail, e.g. B.: Reverse engineering of the existing solution for a Mikron assembly machine and evaluation of its transferability to AL5
Stakeholder communication: Proactive communication with plant manufacturers and internal departments to gather information
Project management: Independent planning, prioritization, and execution of work steps
Visualization and presentation of results (Power BI, management updates)
Qualifications and requirements
Experience:
Sound knowledge of industrial and technical systems
Experience with data migration projects and data harmonization
Proven experience in the performance optimization of production plants
Experience with assembly and packaging systems for autoinjectors and injection pens is an advantage
Prior experience with systems from Körber, Krones, Schubert, Mikron, Harro Höfliger (advantageous/desirable)
Prior experience in the pharmaceutical/medtech sector (advantageous/desirable)
Technical skills:
Expertise in data analysis and preparation
Understanding of industrial Automation systems and plant engineering
Experience with data standards and norms
Knowledge of performance monitoring and analysis of production plants
OPC UA, Kepware, OSIsoft PI, streaming engines (e.g., Kafka/MQTT), Snowflake, Power BI
SAP MII/PCo, data lake architectures, eOEE interfaces
Network/OT security, middleware integration, audit trails, hash codes
Programming languages:
XML (configuration files for PCo/MII)
SQL (Snowflake/databases)
Python or C# (data integration, parsing machine-readable alarms)
Structured Text (IEC 61131-3) and ladder logic (PLC)
Methodological Skills:
Strong problem-solving skills and analytical thinking
Ability to work independently
Structured approach to complex tasks
Six Sigma
Methodical approach to identifying performance bottlenecks
#J-18808-Ljbffr
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Specialist erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei ASAP Staffing Ltd zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Specialist bei ASAP Staffing Ltd gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei ASAP Staffing Ltd vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für ASAP Staffing Ltd entscheidend sein!
