Machine Learning Engineer (Optimization & Prediction)

Wir sind ein schnell wachsendes B2B SaaS-Unternehmen, das eine KI-gesteuerte Plattform entwickelt, um die Nachverkaufsoperationen in der Automobilbranche zu transformieren. Unser Produkt hilft Werkstätten, Händlergruppen und Multi-Site-Betreibern, Arbeitsabläufe zu optimieren, die Effizienz zu verbessern und bessere Entscheidungen auf Basis von Daten zu treffen. Mit Hilfe von Digital-Twin-Technologie und Echtzeit-Optimierung decken wir operationale Verbesserungen auf, die oft in den täglichen Prozessen verborgen sind.

Zu den Aufgaben gehören:

• Entwurf und Bereitstellung von Machine-Learning-Modellen für Vorhersagen und Entscheidungsfindung auf domänenspezifischen Betriebsdaten
• Fortschritt und Erweiterung der Planung und Ressourcenoptimierung, einschließlich multi-objektiver Optimierung, Einschränkungsmanagement und stabilem Re-Planning
• Aufbau von End-to-End-Modellen, die aus realen Betriebsdaten lernen und die Planungsgenauigkeit im Laufe der Zeit verbessern
• Übernahme des gesamten ML-Lebenszyklus: Datenanalyse, Merkmalsengineering, Modellentwicklung, Evaluierung und Überwachung
• Übersetzung von Geschäftsproblemen in formale Modelle und messbare Ergebnisse

Beispiele für das, was Sie erstellen werden:

• Kapazitätsplanungsalgorithmen, die Fähigkeiten, Zeitpuffer, Abkühlzeiten und Platzbeschränkungen berücksichtigen
• Intelligente Zuordnung von Aufgaben zu Talenten mit dynamischer Gewichtung für laufende vs. neue Projekte
• Automatisierte Projekterstellung aus strukturierten und unstrukturierten Betriebsdaten (z.B. PDFs, Freitext)

Voraussetzungen:

• Master oder PhD in Informatik, Mathematik, Physik oder einem verwandten Bereich
• Mehrjährige Erfahrung im Bereich Machine Learning, insbesondere mit tabellarischen Daten und Zeitreihen
• Starkes Wissen über mindestens ein Deep-Learning-Framework (PyTorch wird bevorzugt)
• Erfahrung mit mathematischer Optimierung und/oder Constraint-Programmierung (z.B. OR-Tools, CP-SAT, Gurobi)
• Versiert in Python und dem Data-Science-Ökosystem (z.B. pandas, scikit-learn)
• Erfahrung mit ML-Experimentverfolgung und Modellbereitstellung (z.B. MLflow, Docker, Kubernetes)
• Eine selbstmotivierte, lösungsorientierte Denkweise: Sie bauen nicht nur Modelle, sondern verstehen das zugrunde liegende Geschäftsproblem
• Fließend in Englisch

Wünschenswert:

• Erfahrung mit LLMs oder agentenbasierten Systemen (z.B. RAG, Informationsgewinnung aus unstrukturierten Daten, API-basierte Workflows)

Vorteile:

• Kreative Freiheit in einem jungen, technisch ambitionierten Team
• Direkter Einfluss Ihrer Arbeit auf das Produkt und unsere Kunden
• Ein moderner Tech-Stack und eine Kultur, die Experimente fördert
• Ein reales, domänenreiches Problemfeld, kein weiteres generisches SaaS
• End-to-End-Verantwortung für KI-Funktionen, von der Datenexploration bis zur Produktionsbereitstellung

Wenn Sie an bedeutenden Machine-Learning-Problemen arbeiten, Verantwortung übernehmen und sehen möchten, wie Ihre Arbeit in der realen Welt genutzt wird, würden wir uns freuen, von Ihnen zu hören.