Senior Data Scientist – Python, ML Signal-Processing

Senior Data Scientist – Python, ML Signal-Processing

Vollzeit 70000 - 90000 € / Jahr (geschätzt) Kein Homeoffice möglich
D

Auf einen Blick

  • Aufgaben: Trainiere ML-Modelle für Anomalieerkennung und Predictive Maintenance in realen Produktionsdaten.
  • Unternehmen: DATATRONiQ, ein innovatives Deep-Tech-Startup im Bereich Industrial IoT und Edge AI.
  • Vorteile: Echte End-to-End-Verantwortung, flexible Arbeitsmodelle und ein kreatives Teamumfeld.
  • Weitere Informationen: Arbeite in einem dynamischen Team und bringe deine Ideen aktiv ein.
  • Warum dieser Job: Gestalte die Zukunft der Industrie mit deinen Modellen und mache echten Einfluss.
  • Qualifikationen: Mindestens 3 Jahre Erfahrung in Python und ML-Frameworks, sowie Kenntnisse in Zeitreihenanalyse.

Das prognostizierte Gehalt liegt zwischen 70000 - 90000 € pro Jahr.

DATATRONiQ ist ein Deep-Tech-Startup aus Deutschland für Industrial IoT und Edge AI. Als Senior Data Scientist bei uns trainierst Du Machine-Learning-Modelle auf Basis von realen Maschinen- und Sensordaten – weltweit, vom mittelständischen Fertiger bis zum DAX-Konzern. Anomalieerkennung, Predictive Maintenance und Qualitätsüberwachung in Echtzeit.

Über die Stelle

Du verantwortest den gesamten Data-Science-Lifecycle – von Exploration über Feature Engineering und Modelltraining bis zu Deployment und Validierung, je nach Kundensituation auf Edge-Gateway, on-prem Server oder in der Cloud. Die Zeitreihen kommen aus realen Industriesteuerungen über OPC-UA und MQTT; Feature Engineering heißt hier Signalverarbeitung auf verrauschten Sensordaten, nicht das Umschaufeln aufbereiteter Tabellenspalten. Deine Modelle werden quantisiert, zu ONNX exportiert und laufen direkt dort, wo die Produktion sie braucht – mit allen Konsequenzen, die das für Modellwahl, Latenz und Speicherverbrauch hat.

Dein Stack: Python, PyTorch oder scikit-learn, ONNX für das Edge-Deployment und die gängigen MLOps-Werkzeuge für Versionierung und Reproduzierbarkeit. Wir arbeiten in einem kleinen, eng abgestimmten Team. Code Reviews und Pair Programming gehören fest zum Alltag. Freitags zeigen wir uns interessante Funde im Web und neue Tools in unseren Show-and-Tell-Sessions. Als Data Scientist arbeitest Du eng mit Data Engineers und Backend-Entwicklern zusammen: Du baust die Modelle, sie bauen die Pipelines, und gemeinsam bringen wir beides in die Produktion.

Was sind Deine Aufgaben?

  • Du trainierst ML-Modelle zur Anomalieerkennung, Predictive Maintenance und Qualitätsüberwachung und validierst sie auf realen Produktionsdaten und Zeitreihen aus Industriesteuerungen.
  • Du machst Feature Engineering auf verrauschten Sensor- und Maschinensignalen (OPC-UA, MQTT, MES-Exporte), inklusive Signalverarbeitung und Filterung.
  • Du deployst Modelle dorthin, wo der Kunde sie braucht – Edge-Gateway, on-prem Server oder Cloud: Quantisierung, ONNX-Export, teilweise mit begrenzten CPU- und RAM-Ressourcen, Tuning und Monitoring im Feld.
  • Du arbeitest eng mit Data Engineers und Backend-Entwicklern zusammen, damit Modelle zuverlässig in unseren Produktions-Pipelines laufen – nicht als Prototyp in Notebooks.
  • Du misst Modelle nicht nur an deren F1- oder AUC-Scores, sondern daran, was sie im Produktivbetrieb wirklich leisten: weniger ungeplante Stillstände, höhere Ausbringung, weniger Fehler.
  • Du wirkst aktiv an Produkt-Roadmap und technischen Entscheidungen mit – wir erwarten Meinungen, nicht nur Abarbeitung von Tickets.

Was solltest Du mitbringen?

  • Abgeschlossenes Studium in Data Science, Informatik, Mathematik, Physik oder einem verwandten Fach.
  • Mindestens drei Jahre sehr praxisnahe Erfahrung mit Python, gängigen ML-Frameworks (PyTorch, scikit-learn, usw.) und Modell-Deployment in Produktionsumgebungen.
  • Erfahrung mit Zeitreihenanalyse und Signalverarbeitung – wir erwarten kein PhD-Niveau, aber Du weißt, warum ein naiver MLP auf verrauschten Industriesignalen scheitert.
  • Grundkenntnisse in MLOps: Versionierung von Modellen und Daten, reproduzierbare Pipelines, Tests für ML-Code.
  • Sehr gute Englischkenntnisse in Wort und Schrift.
  • Du kannst technische Entscheidungen begründen und im Team vertreten – auch gegen eine Mehrheit, wenn Du starke Argumente hast.
  • Bonus: Erfahrung mit Edge-Deployment (ONNX, TensorRT, Quantisierung), industriellen Protokollen (OPC-UA, MQTT) oder LLMs für Chat und agentische Aufgaben.

Was erwartet Dich?

  • Echte End-to-End-Verantwortung: von der Konzeption der Datenerfassung in der Produktion über die Pipeline bis zur Modellinferenz – auf Edge-Gateway, on-prem Server oder in der Cloud.
  • Das Team entscheidet über Architektur, Tooling und Testabdeckung selbst.
  • Agentische Werkzeuge im Alltag: Codex, Claude Code und neue Entwicklungspraktiken – wir probieren früh aus und nutzen, was funktioniert.
  • Überwiegend vor Ort in Stuttgart, Ulm oder Berlin – Industrial-IoT-Projekte für Kunden weltweit, vom mittelständischen Fertiger bis zum DAX-Konzern.

Haben wir Dein Interesse geweckt? Bei DATATRONiQ bist Du kein kleines Rädchen im Getriebe, Du gestaltest mit und bringst Deine Ideen ein. Du wirst die einzigartige Möglichkeit haben, an einem Produkt zu arbeiten, das das Potenzial hat, einen signifikanten Einfluss im industriellen Fertigungssektor zu haben. Wenn Du Deine Fähigkeiten einsetzen möchtest, um anspruchsvolle Probleme zu lösen und Du Dich aktiv bei uns einbringen willst, dann würden wir sehr gerne mit Dir sprechen! Nimm unter work@datatroniq.com Kontakt zu uns auf. Wir freuen uns auf Deine Bewerbung!

Wir bitten Personalvermittlungsagenturen und Headhunter, von einer Kontaktaufnahme abzusehen.

Senior Data Scientist – Python, ML Signal-Processing Arbeitgeber: DATATRONiQ

DATATRONiQ ist ein hervorragender Arbeitgeber, der Dir die Möglichkeit bietet, in einem dynamischen Deep-Tech-Startup zu arbeiten, das an der Spitze von Industrial IoT und Edge AI steht. Unsere offene und kollaborative Arbeitskultur fördert den Austausch von Ideen und Innovationen, während Du in einem kleinen, engagierten Team echte Verantwortung übernimmst und Deine Fähigkeiten in spannenden Projekten weltweit einbringst. Zudem bieten wir Dir zahlreiche Möglichkeiten zur persönlichen und beruflichen Weiterentwicklung, um Deine Karriere voranzutreiben.

D

Kontaktdaten:

DATATRONiQ Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Senior Data Scientist – Python, ML Signal-Processing erhalten könnten

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 DATATRONiQ zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Data Scientist – Python, ML Signal-Processing mit Bravour zu bestehen

Python
Machine Learning
Signalverarbeitung
Feature Engineering
Modell-Deployment
Zeitreihenanalyse
MLOps

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 Senior Data Scientist – Python, ML Signal-Processing bei DATATRONiQ gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei DATATRONiQ 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 DATATRONiQ entscheidend sein!