Senior Data Scientist

Über uns

Was wäre, wenn Ihre Arbeit Veränderungen in einer global etablierten Branche vorantreiben könnte, die Prozesse gestaltet, die jede Ecke der Welt berühren? Bei Forto stehen wir an der Spitze des Wandels und nutzen die Kraft von KI, um die Logistik zu revolutionieren. Wir möchten digitale Lieferketten neu gestalten, um sie transparent, reibungslos und nachhaltig zu machen. Seit dem ersten Tag ist es unsere Mission, den globalen Handel zu vereinfachen – einen nahtlosen und effizienten Logistikprozess zu schaffen.

Ihre Rolle & Mission

Als Data Scientist im Data Science-Team bei Forto übernehmen Sie die Verantwortung für Produktions-ML-Systeme, die strukturierte Intelligenz aus unstrukturierten Logistikdaten extrahieren. Sie werden als Data Scientist Engineer eng mit dem Engineering Manager und dem Product Manager in drei Kernarbeitsbereichen zusammenarbeiten: Dokumentendatenextraktion (FlashDoc), Vokabularzuordnung und Ratenblattanalyse, während Sie eine Kombination aus LLMs, benutzerdefinierten Modellen und regelbasiertem Post-Processing verwenden. Ihre unmittelbare Priorität besteht darin, die Kontinuität bestehender Produktionssysteme sicherzustellen, aber ebenso wichtig ist es, durch disruptive Methoden und neue Technologien Verbesserungen in der Genauigkeit voranzutreiben, wenn sich die Gelegenheit bietet. Über die Dokumentenautomatisierung hinaus erstreckt sich die Roadmap des Teams in das traditionelle Gebiet der Datenwissenschaft, einschließlich Nachfrageprognose, Abwanderungsvorhersage, Routenoptimierung und prädiktive Analytik für Logistikoperationen.

Was werden Sie tun

• Entwerfen, bauen und warten Sie End-to-End-ML-Pipelines für Dokumentenextraktion, Klassifizierung und Datenanreicherung in der Produktion.
• Entwickeln und verbessern Sie LLM-basierte Extraktionssysteme für komplexe Logistikdokumente (Packlisten, Buchungsbestätigungen, Rechnungen, Ratenblätter).
• Bauen Sie Bewertungsrahmen für Eingaben und feedbackbasierte Optimierungsschleifen, um die Extraktionsgenauigkeit systematisch zu verbessern.
• Trainieren Sie benutzerdefinierte interne Modelle mit Human-in-the-Loop (HITL)-Daten, um von unterstützter zu vollständig automatisierter Extraktion überzugehen.
• Bauen und pflegen Sie semantische Ähnlichkeitsmodelle für Freitext zu standardisiertem TMS-Vokabular über Häfen, Terminals, Containertypen, juristische Personen und Positionen.
• Tragen Sie zur Ratenblatt-Extraktion bei: Aufbau von carrier-spezifischer Parsing-Logik, Post-Processing und Multi-File-Kombinationslogik.
• Verbessern Sie die Zuverlässigkeit der Pipeline durch Neugestaltung, Testen, Überwachung und Alarmierung für nicht deterministische ML-Systeme.
• Bewerten und führen Sie disruptive Ansätze ein (neue Modellarchitekturen, Feinabstimmungsstrategien, neuartige Bewertungsmethoden), um signifikante Genauigkeitsverbesserungen zu erzielen, wenn die inkrementelle Optimierung stagniert.
• Umfassen und entwickeln Sie die nächsten Generationen von DS-Arbeitsabläufen über die Dokumentenautomatisierung hinaus: Nachfrageprognose, Abwanderungsvorhersage, Routenoptimierung und andere prädiktive Analytikanwendungen für kommerzielle und logistische Teams.
• Arbeiten Sie eng mit Produktmanagern zusammen, um zu identifizieren, wo DS echte Benutzerprobleme lösen kann, Chancen proaktiv aus den Daten zu erkennen und Produkt-Roadmaps mit einer datengestützten Perspektive zu gestalten.
• Kooperieren Sie eng mit Engineering-Teams bei Integration, Infrastruktur und API-Design, um sicherzustellen, dass DS-Ausgaben zuverlässig von nachgelagerten Systemen konsumiert werden.
• Verwalten Sie die Erwartungen der Stakeholder: Kommunizieren Sie, was angesichts der Kapazität machbar ist, setzen Sie realistische Zeitpläne, kennzeichnen Sie frühzeitig Risiken und verhandeln Sie Priorisierungsabgleiche zwischen den Teams.

Erforderliche Fähigkeiten und Erfahrungen

• 3+ Jahre Berufserfahrung in Datenwissenschaft oder Maschinenlernen Engineering.
• Fähigkeit, ML-Systeme in der Produktion zu entwerfen, bereitzustellen und zu warten, einschließlich Pipeline-Architektur, Überwachung, Zuverlässigkeit und Handhabung nicht deterministischer Ausgaben in großem Maßstab.
• Fähigkeit, sich schnell mit neuen Tools, Technologien und Problembereichen vertraut zu machen.
• Starke Nutzung von agentischen Tools für das Programmieren.
• Starke Kenntnisse in Python.
• Praktische Erfahrung mit LLMs (Prompting, Feinabstimmung, Bewertung) und Verständnis ihrer Einschränkungen in Produktionsumgebungen.
• Starke Grundlagen in klassischer Datenwissenschaft und Statistik: Regression, Klassifikation, Zeitreihenanalyse, Datenleckage, Versuchsdesign und Hypothesentests.
• Starke analytische und problemlösende Fähigkeiten.
• Starke Fähigkeiten im Stakeholder-Management.

Bevorzugte Fähigkeiten und Erfahrungen

• Erfahrung in den Bereichen Logistik, Lieferkette oder Frachtvermittlung.
• Erfahrung in der direkten Zusammenarbeit mit Produktmanagern und Engineering-Teams.
• Vertrautheit mit Techniken zur semantischen Ähnlichkeit und Entitätsauflösung.
• Erfahrung mit HITL-Workflows und dem Entwerfen von Feedbackschleifen zur Modellverbesserung.
• Erfahrung mit Nachfrageprognosen, Zeitreihenmodellierung oder Abwanderungsvorhersage im Geschäftskontext.
• Erfahrung mit Niedrigvolumendaten.
• Erfahrung mit Routen- oder Netzwerkoptimierung (Kosten-, Risiko- oder Rentabilitätsmodellierung).

Warum mit uns arbeiten

Unser Team arbeitet hart, strebt ständig danach, die Auswirkungen seiner Arbeit zu maximieren, aber wir stellen immer unsere Mitarbeiter an erste Stelle. Wir schätzen effiziente Systeme und schnelle, direkte Kommunikation. Wir möchten, dass jeder die Möglichkeit hat, zu sprechen, damit wir unterschiedliche Perspektiven annehmen können, um Lösungen voranzutreiben.