Senior Scientist - Data Science & AI, Industrial Process Analytics

Standort: Delft (NL) oder Genf (CH)

Sind Sie begeistert davon, moderne Datenwissenschaft auf reale Produktionsanlagen anzuwenden, um Prozessingenieuren zu helfen, schneller und intelligenter zu handeln und messbare Auswirkungen auf die Nachhaltigkeit zu erzielen? Schließen Sie sich unserem Team für industrielle Prozessanalytik an, um fortschrittliche Analysen zu entwickeln, die die chemische und biochemische Herstellung in großem Maßstab optimieren.

• Entwerfen, bauen und bereitstellen skalierbarer Datenanwendungen für die Fertigung – von der ersten Idee bis zum validierten, implementierten Produkt.
• Implementieren von modell- und datengestützten Ansätzen, die den Ingenieuren und Betreibern im Werk bei täglichen Entscheidungen unterstützen.
• Zusammenarbeit in multidisziplinären Teams (Datenwissenschaftler, Prozess-/Chemieingenieure, Cloud-Dateningenieure, Zuverlässigkeits- und Produktionsexperten), um Ertrag, Durchsatz, Qualität, Zuverlässigkeit und Nachhaltigkeit zu verbessern.
• Generierung von Erkenntnissen und deren Umwandlung in messbare Auswirkungen.
• Förderung einer datengestützten Denkweise an verschiedenen Standorten; klare Kommunikation der Ergebnisse an technische und nicht-technische Stakeholder.
• Beitrag zu Best Practices für Datenanalyse, Codierung und MLOps.
• Aktualität mit modernen Methoden, Erkundung und Implementierung neuer Technologien im Unternehmen.

• Direkten Einfluss auf Fertigungsoperationen und Nachhaltigkeits-KPIs.
• Ein globales Team für fortschrittliche Analytik, das sich auf die Optimierung biotechnologischer und chemischer Prozesse konzentriert – vollständig abgestimmt auf die Fertigungsexzellenzstrategie von dsm-firmenich.
• Reale Herausforderungen und Einblicke in alle Geschäftsbereiche, die einen starken Beitrag sowohl zu Fertigungsoperationen als auch zu SR-Up- und Downscaling leisten.
• Eine erfahrene, unterstützende Gemeinschaft, die weltweit Anlagen optimiert hat – und Raum, um Ihre Expertise in ML und Fertigung auszubauen.

• PhD oder ähnliche Erfahrung in (Bio)Chemieingenieurwesen oder einem verwandten Bereich, oder Datenwissenschaft/Statistik/Informatik.
• 3–7 Jahre zusätzliche akademische oder industrielle Berufserfahrung in der Fertigungsdatenwissenschaft, idealerweise für (bio)chemische Prozesse.
• Starke praktische Erfahrung in maschinellem Lernen und rigoroser, realer Validierung.
• Modellierung für industrielle Umgebungen: Sie können in Methoden und Details eintauchen, aber pragmatische Entscheidungen in einer ergebnisorientierten Umgebung treffen.
• Exzellente Kommunikations- und „Domänenübersetzungs“-Fähigkeiten – Partnerschaft mit Ingenieuren, Betreibern und Führungskräften; Navigation durch komplexe Stakeholder-Landschaften.
• Exzellente Problemlösungsfähigkeiten und nachgewiesene Fähigkeit, sowohl unabhängig als auch kollaborativ zu arbeiten.
• Fähigkeit zur Erstellung von End-to-End-Rechenworkflows, von der Datenerfassung bis zur Bereitstellung und Überwachung.
• Verständnis von (bio)chemischen Prozessen und Prozesskontrolle, idealerweise einschließlich:
• Erfahrung in der Verarbeitung und Modellierung von Zeitreihen-, tabellarischen und Panel-/longitudinalen/multi-dimensionalen Daten; Erfahrung mit multivariater Prozessanalytik/Chemometrie; Erfahrung mit MPC oder Systemidentifikation ist ein großer Vorteil.
• Physikbasierte und hybride Modellierung (z. B. Gray-Box, Surrogatmodelle, PINNs, digitale Zwillinge) ist ein großer Pluspunkt.
• Vertrautheit mit visionären und textbasierten GenAI (für Betreiberanleitungen, Dokumentationsmining, Inspektion usw.) ist ein Plus.

• Python und der Kern-Data-Science-Stack für Datenmanipulation, Visualisierung, Statistik, ML/DL und Zeitreihen/Vorhersage.
• Multivariate Modellierung / Chemometrie für Prozessüberwachung und Ursachenanalyse.
• Modellinterpretierbarkeit und Unsicherheit.

• Best Practices im Softwareengineering: Git, Code-Review, Linting/Formatierung, Unit-/Integrationstests (pytest), Packaging (uv), Container (Docker), Erfahrung mit CI/CD.
• Vertrautheit mit Datenengineering und Modellmanagement (DBT, Datenbanken, MLFlow).

• Prozessanalytik mit Seeq oder TrendMiner.
• Kausale robuste Modellierung: DoE/Experimentdesign, Bayessche Methoden, kausale Inferenz, Drift-Erkennung.
• Hybride, steuerungsbewusste Modellierung: physikbasierte/Gray-Box-Modelle, Surrogate für Optimierung, MPC-Integration.
• GenAI, LLMOps, agentische KI, Vision Language Models.
• Cloud-Plattformen (AWS, Azure, Databricks).
• Online-Lernen, IoT- und Edge-Szenarien, Streaming und Echtzeit.
• Workflows: Nextflow/CWL oder Alternativen für reproduzierbare Pipelines, Cora-Cloud-Pipeline.
• API- und Webanwendungsentwicklung (FastAPI, Flask, Django, Streamlit, JavaScript).

Bei dsm-firmenich glauben wir, dass es gut ist, mit der Art und Weise zu beginnen, wie wir uns gegenseitig behandeln. Wenn Menschen sich unterstützt, einbezogen und frei fühlen, sie selbst zu sein, leisten sie die beste Arbeit – und genau diese Art von Kultur bauen wir auf. Ein Ort, an dem Chancen wirklich gleich sind, Authentizität gefeiert wird und jeder die Möglichkeit hat, zu wachsen, beizutragen und sich zugehörig zu fühlen. Wir sind stolz darauf, ein Arbeitgeber mit Chancengleichheit zu sein, und wir nehmen es ernst, unseren Einstellungsprozess so fair und inklusiv wie möglich zu gestalten. Wir heißen Kandidaten aus allen Hintergründen willkommen – unabhängig von Geschlecht, Ethnie, sexueller Orientierung oder allem anderen, was Sie ausmacht, wer Sie sind. Und wenn Sie eine Behinderung haben oder Unterstützung im Bewerbungsprozess benötigen, sind wir hier, um zu helfen – lassen Sie uns einfach wissen, was Sie benötigen, und wir werden alles tun, um es möglich zu machen.