Team Lead Data Science (f/m/x)

Team Lead Data Science (f/m/x)

Berlin Vollzeit 55000 - 70000 € / Jahr (geschätzt) Kein Homeoffice möglich
E

Auf einen Blick

  • Aufgaben: Leite ein Team von Data Scientists und entwickle innovative Vorhersagemodelle für den Energiemarkt.
  • Unternehmen: Enpal, ein führendes Greentech-Startup, das die Solarenergie revolutioniert.
  • Vorteile: 29 + 2 Urlaubstage, hybrides Arbeiten, internationale Mobilität und ein modernes Büro.
  • Weitere Informationen: Legendenbildung durch Teamgeist und unvergessliche Teamevents.
  • Warum dieser Job: Gestalte die Zukunft der Energie mit einem dynamischen Team und innovativen Technologien.
  • Qualifikationen: Erfahrung in maschinellem Lernen und Teamführung, sowie Kenntnisse in Python und SQL.

Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.

Bei Enpal sind wir nicht nur ein Unternehmen; wir sind eine Bewegung. Als anerkanntes Greentech-Einhorn und eines der am schnellsten wachsenden Energieunternehmen Europas setzen wir uns dafür ein, Solarenergie für Hausbesitzer auf dem gesamten Kontinent zugänglich und mühelos zu machen. Unser innovatives Geschäftsmodell für Solarpanels, Wärmepumpen, Heimspeichersysteme und EV-Ladestationen definiert den Wohnenergiemarkt neu. Mit unserer Mission, Hausbesitzer zu ermächtigen, saubere Energie zu nutzen, ebnen wir den Weg für eine nachhaltige, dezentrale Energiezukunft.

Als führender Akteur im Bereich der Wohnsolaranlagen erweitert Enpal seine nächste Grenze: Enpal Energy, unsere Plattform zur Verwaltung, Optimierung und Orchestrierung von Millionen dezentraler Energieanlagen. Dazu gehört der Aufbau des größten virtuellen Kraftwerks (VPP) Europas, das Solarsysteme, Batterien, Wärmepumpen und EV-Ladegeräte verbindet, um aktiv das Netz zu stabilisieren und neue Einnahmequellen für unsere Kunden zu erschließen.

Wir suchen einen Team Lead Data Science, um unser Energy Data Science-Team zu leiten, ein fokussiertes Team von drei Datenwissenschaftlern, das die Prognosesysteme entwickelt und betreibt, die im Mittelpunkt von Enpals Energiehandelsoperation stehen. Sie werden für kurzfristige und langfristige Modelle sowie Risikosimulationen verantwortlich sein, und die Ergebnisse Ihres Teams werden direkt Handelsentscheidungen in einer der größten Wohnenergiegemeinschaften Europas beeinflussen.

Dies ist eine praktische Führungsrolle (~65% technisch, ~35% Führung). Sie werden erwartet, tief in die Arbeit einzutauchen — Modellierungsstrategie, Architekturentscheidungen, kritische Code- und Designüberprüfungen — während Sie Ihr Team führen und dessen Ergebnisse verantworten.

Was Sie tun werden:

  • Forschung, Entwicklung und Produktion von Zeitreihenprognosemodellen für Energiemärkte (z.B. Last- und Erzeugungsprognosen), wobei Sie den gesamten Lebenszyklus vom Datenexploration und Feature Engineering über Modelltraining, -bewertung, -bereitstellung, -überwachung bis hin zu -neutrainierung übernehmen.
  • Beitrag zu unserer MLOps-Infrastruktur: Experimentverfolgung, Modellversionierung, automatisierte Neutrainingspipelines und Produktionsbeobachtbarkeit.
  • Kommunikation von Entscheidungen und Leistungen der Prognosemodelle an die Führungsebene und Stakeholder in den Bereichen Handel und Risikomanagement, wobei Sie geschäftliches Verständnis und Auswirkungen mit tiefem technischem Wissen verbinden.
  • Enge Zusammenarbeit mit Händlern/Portfoliomanagern, Dateningenieuren, Softwareingenieuren und Produktteams, um gut konzipierte, zuverlässige Datenwissenschaftsprodukte zu liefern.
  • Verantwortung und Weiterentwicklung der Prognose-Roadmap des Teams, einschließlich zukünftiger Anwendungsfälle wie langfristige Prognosen (1–2 Jahre), Preisprognosen und probabilistische Risikosimulationen.
  • Leitung, Mentoring und Entwicklung eines Teams von Datenwissenschaftlern — einschließlich 1:1-Gesprächen, Leistungsbewertungen, Karriereentwicklung und Einstellungsentscheidungen.
  • Förderung einer Kultur des kontinuierlichen Lernens, der Ingenieursqualität und des technischen Wachstums.

Was Sie mitbringen:

  • Universitätsabschluss in Informatik, Ingenieurwesen, Mathematik, Statistik oder einem verwandten quantitativen Bereich.
  • 5+ Jahre Berufserfahrung im Bereich maschinelles Lernen, mit starkem Fokus auf Zeitreihenprognosen oder Datenwissenschaft im Energiesektor.
  • 2+ Jahre Erfahrung in der Leitung eines Datenwissenschaftsteams oder eines mehrpersonalen Projekts, einschließlich formeller Personalmanagementverantwortung (Leistungsbewertungen, Mentoring, Einstellung).
  • Beherrschung von Python und SQL, mit starken Grundlagen in der Softwareentwicklung: Testing, Codequalität, Versionskontrolle und CI/CD.
  • Nachweisliche Erfahrung in der Bereitstellung, Überwachung und Wartung von Modellen des maschinellen Lernens in Produktionsumgebungen.
  • Praktische Erfahrung mit MLOps-Praktiken und -Tools: Experimentverfolgung, Modellregister, automatisierte Neutrainings-Workflows und CI/CD für ML.
  • Praktische Erfahrung mit datenengineering Aufgaben: Pipeline-Entwicklung, Datenqualitätsmanagement und Feature Engineering in großem Maßstab.
  • Erfahrung mit Cloud-Infrastrukturen (Azure, AWS oder GCP) und Cloud-Datenlagern (Snowflake oder ähnlich).
  • Erfahrung mit verteilten Datenverarbeitungsframeworks (PySpark, Dask oder ähnlich).
  • End-to-End-Eigentumsmindset: nachgewiesene Fähigkeit, Projekte von der Forschung bis zur Produktion zu treiben und Ergebnisse durch ein Team zu liefern.
  • Fließend in Englisch.

Nice to have:

  • Erfahrung mit langfristigen Prognosen (saisonale, mehrjährige Horizonte) oder Szenariomodellierung.
  • Erfahrung mit probabilistischen Prognosen oder Unsicherheitsquantifizierung (z.B. konforme Vorhersage, Quantilregression, Monte-Carlo-Simulation).
  • Erfahrung mit Wetterdaten oder numerischen Wettervorhersagemodellen.
  • Erfahrung in der Skalierung von ML-Systemen: Verwaltung vieler Modelle parallel, Hochdurchsatzinferenz oder Modellflottenmanagement.
  • Erfahrung mit Preisprognosen oder Preisforwardkurven in Energiemärkten.

Was wir bieten:

  • Arbeiten beim ersten grünen Einhorn Deutschlands - Spielen Sie eine aktive Rolle bei der Gestaltung des Solarenergiemarktes.
  • Die Sonne scheint überall auf der Welt - Bei Enpal arbeiten Sie mit einem hochmotivierten, vielfältigen Team von über 65 Nationalitäten.
  • Das ideale Setup für Ihren Fokus - Wir sind überzeugt, dass hervorragende Ergebnisse erzielt werden, wenn die Bedingungen stimmen. Deshalb setzen wir auf ein hybrides Arbeitskonzept, das Ihnen die Freiheit gibt, immer so zu arbeiten, wie es am besten zu Ihren Aufgaben passt.
  • Wachsendes Unternehmen & Startup-Geist - In unserem modernen Büro in Berlin-Friedrichshain finden Sie alles, was Ihr Herz begehrt, von höhenverstellbaren Schreibtischen und Tischtennis bis hin zu gefüllten Getränkekühlschränken und Barista-Kaffee.
  • Ihr Kickstart bei Enpal - Onboarding-Tag mit Willkommenspaket, Buddy-Programm und einem Team, das Sie wirklich unterstützt.
  • Bleiben Sie auf dem Laufenden & helfen Sie, die Zukunft zu gestalten - Transparente All-Hands-Meetings, kurze Entscheidungsprozesse und eine offene Feedbackkultur - ohne Fehler gibt es keinen Fortschritt.
  • Die Energiewende kann nur gemeinsam erreicht werden - Bei Enpal können Sie legendären Teamgeist und unvergessliche Teamevents erwarten.
  • Ihr zusätzlicher Boost - 29 + 2 Urlaubstage, vergünstigte Mitgliedschaft bei Wellhub und Unternehmensvorteile. Alles, was Sie benötigen, um eine gute Work-Life-Balance zu erreichen.

Bei Enpal sind wir stolz auf die Vielfalt unseres Teams. Es werden keine Entscheidungen aufgrund von Hautfarbe, Religion oder Glaubensrichtung, ethnischer oder nationaler Herkunft, Nationalität, Geschlechtsidentität, sexueller Orientierung, Behinderung oder Alter getroffen, weder während der Rekrutierung noch während der Beschäftigung. Enpal steht für einen sicheren Arbeitsplatz und setzt sich gegen Diskriminierung und Belästigung jeglicher Art ein.

E

Kontaktdaten:

Enpal Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Team Lead Data Science (f/m/x) mit Bravour zu bestehen

Zeitreihenprognose
Maschinelles Lernen
Datenwissenschaft
MLOps
Python
SQL
Datenengineering