Data Scientist & ML Engineer - Predictive Analytics & Agentic AI

Wir möchten, dass Sie mit uns wachsen. Daten erzählen Geschichten, und diese Rolle ist verantwortlich dafür, diese Geschichten in Entscheidungen umzuwandeln. Als unser Data Scientist & ML Engineer entwickeln Sie die prädiktiven, präskriptiven und Optimierungsmodelle, die Intersnack die analytische Voraussicht geben, um selbstbewusst in den Bereichen Beschaffung, Produktion und Vertrieb zu handeln.

Sie werden in das AI-Programm berichten und eng mit AI-Ingenieuren und Dateningenieuren zusammenarbeiten, um Ihre Modelle in die Wissens- und agentischen AI-Frameworks zu integrieren, die im gesamten Unternehmen aufgebaut werden. Intersnack verpflichtet sich, seine Mitarbeiter zu fördern, während es seine Fähigkeiten ausbaut, und diese Rolle bietet eine einzigartige Perspektive, um zu gestalten, wie AI-Argumentation in ein globales Geschäft eingebettet wird.

Was wir Ihnen anbieten können: Sie haben die Möglichkeit, an einer breiten und kommerziell bedeutenden Palette von Modellierungsherausforderungen zu arbeiten, von der Nachfrageprognose und Prozessoptimierung in der Produktion bis hin zu Beschaffungsanalysen und Szenariomodellierung, mit direktem Zugang zu den Geschäftspartnern, deren Entscheidungen Ihre Modelle informieren werden. Dies ist keine Rolle, in der Modelle in Notizbüchern sitzen; Ihre Arbeit wird operationalisiert, überwacht und in Produktionsumgebungen iteriert.

Wie Sie Ihre Zeit als unser nächster Data Scientist & ML Engineer verbringen werden: Sie werden Ihre Zeit zwischen der Entwicklung neuer Modelle und der Verbesserung bestehender Modelle aufteilen, maschinelles Lernen in agentische und analytische Systeme integrieren und aktiv Geschäftspartner dabei unterstützen, zu verstehen und Vertrauen in das zu gewinnen, was diese Modelle produzieren.

Was Sie tun werden:

• Entwickeln, validieren und bereitstellen von prädiktiven, präskriptiven und Optimierungsmodellen für zentrale Geschäftsbereiche, einschließlich Beschaffung, Produktion und Vertrieb, um Daten in umsetzbare Voraussichten und Empfehlungen zu übersetzen.
• Große Sprachmodelle (LLMs) und spezialisierte Sprachmodelle für geschäftsspezifische NLP-Aufgaben aufbauen, verfeinern und anpassen, einschließlich der Analyse unstrukturierter Betriebsdaten.
• Simulationen und Szenariomodellierungsrahmen entwerfen und implementieren, die es den Geschäftsteams ermöglichen, Kompromisse zu erkunden und unter Unsicherheit zu planen.
• Maschinelles Lernen und prädiktive Logik in agentische AI-Workflows integrieren, um Modelloutputs mit Agentenargumentation zu kombinieren und automatisierte oder halbautomatisierte Entscheidungsfindung zu unterstützen.
• Den gesamten ML-Lebenszyklus für Ihre Modelle besitzen, von der Merkmalsentwicklung und dem Training bis hin zur Bereitstellung, Versionierung und fortlaufenden Überwachung, wobei die besten Praktiken von MLOps angewendet werden.
• NLP-Techniken auf unstrukturierte Geschäftsdaten anwenden, um strukturierte Signale aus Dokumenten, Kommunikationen und Betriebsaufzeichnungen zu extrahieren, um Analysen und AI-Anwendungsfälle zu unterstützen.
• Modellausgaben, Einschränkungen, Vertrauensniveaus und zugrunde liegende Annahmen klar an Geschäftspartner kommunizieren, um Verständnis, Vertrauen und angemessene Akzeptanz von AI-generierten Erkenntnissen zu fördern.
• Sicherheits- und Governance-Aspekte in das Modeldesign einbetten, einschließlich Schutzmaßnahmen gegen Eingabeaufforderungsinjektionen, Datenleckagen und adversarielle Eingaben, gemäß den AI-Sicherheitsstandards von Intersnack.
• Kollegen bei der Entwicklung von AI- und Datenkompetenz unterstützen und aktiv zum Kulturwandel beitragen, der Intersnacks breitere AI-Einführungsreise begleitet.

Wesentliche Fähigkeiten und Erfahrungen:

• Nachgewiesene Erfahrung in der Entwicklung und Bereitstellung prädiktiver und präskriptiver maschineller Lernmodelle in großangelegten Produktionsumgebungen, mit einem starken Fundament in statistischer Modellierung und Modellevaluation.
• Praktische Erfahrung mit großen Sprachmodellen (LLMs), einschließlich Prompt Engineering, Feinabstimmung und Domänenanpassung für geschäftliche NLP- und unstrukturierte Datenaufgaben wie Klassifizierung, Entitätsextraktion, Zusammenfassung und einbettungsbasierte Abfrage.
• Beherrschung von Python und relevanten ML-Frameworks (z.B. scikit-learn, PyTorch, TensorFlow oder gleichwertig), einschließlich Erfahrung mit Experimentverfolgung und Modellversionierungstools.
• Erfahrung mit Merkmalsentwicklung, Feature Stores oder Datenvorbereitungspipelines für das Modelltraining und -bereitstellung.
• Solides Verständnis von MLOps-Praktiken, einschließlich Modellbereitstellung, Überwachung und Lebenszyklusmanagement in Cloud-Umgebungen (Microsoft Azure ML, AWS SageMaker oder gleichwertig).
• Praktische Erfahrung in der Integration von maschinellen Lernoutputs in agentische AI-Workflows, die Modellargumentation mit Agentenorchestrierungsframeworks für automatisierte oder halbautomatisierte Entscheidungsfindung kombinieren.
• Vertrautheit mit Simulations- und Szenariomodellierungstechniken, die es den Geschäftsteams ermöglichen, Kompromisse zu erkunden und unter Unsicherheit zu planen.
• Klare und selbstbewusste Kommunikation des Verhaltens, der Einschränkungen und Ergebnisse von Modellen an nicht-technische Geschäftspartner, um Verständnis und angemessene Akzeptanz von AI-generierten Erkenntnissen zu fördern.
• Bewusstsein für AI-Sicherheitsrisiken, einschließlich Eingabeaufforderungsinjektionen, Datenleckagen und adversarielle Angriffe, mit Erfahrung in der Anwendung von Minderung in der Modell- oder Systemgestaltung.
• Verständnis der DSGVO, des EU AI-Gesetzes und der Prinzipien verantwortungsvoller AI, mit der Fähigkeit, diese auf die Modellauswahl, die Datenverwaltung und die Bereitstellungsentscheidungen anzuwenden.
• Ein starkes Beherrschen der gesprochenen und geschriebenen englischen Sprache ist erforderlich; Kenntnisse der deutschen Sprache werden als Vorteil angesehen.

Wertvolle Erfahrungen:

• Erfahrung in FMCG, Produktion, Lieferkette oder Beschaffungsanalysen, mit Vertrautheit mit den Datenmustern und Modellierungsherausforderungen, die in diesen Bereichen üblich sind.
• Exposition gegenüber agentischen AI-Frameworks und Integration von ML-Modellausgaben in Multi-Agenten-Orchestrierungssysteme.
• Erfahrung mit Optimierungstechniken (z.B. lineare Programmierung, Einschränkungsoptimierung, Simulation), die auf die Lieferkette oder operative Planung anwendbar sind.
• Vertrautheit mit Microsoft Azure ML, Azure AI Foundry oder AWS SageMaker für die End-to-End-Modellentwicklung und -bereitstellung.

Wichtig: Bitte beachten Sie, dass für Nicht-EU-Bewerber für diese Position ein gültiger Arbeits- und Aufenthaltstitel erforderlich ist.