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 sicher in den Bereichen Beschaffung, Produktion und Vertrieb zu handeln. Sie berichten an das AI-Programm und arbeiten eng mit AI-Ingenieuren und Dateningenieuren zusammen, um Ihre Modelle in die Wissens- und agentischen AI-Frameworks zu integrieren, die im gesamten Unternehmen aufgebaut werden, und kombinieren dabei klassische maschinelle Lernmethoden mit den aufkommenden Fähigkeiten großer Sprachmodelle und intelligenter Agenten.

Intersnack verpflichtet sich, seine Mitarbeiter zu fördern, während es seine Fähigkeiten ausbaut, und diese Rolle bietet einen einzigartigen Aussichtspunkt, von dem aus Sie gestalten können, wie AI-Argumentation in ein globales Geschäft eingebettet wird.

Was wir 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. Sie werden mit AI-Architekten und Ingenieuren zusammenarbeiten, um prädiktive Logik in agentische Workflows zu integrieren, wodurch Ihre Modelle eine Reichweite und Wirkung erzielen, die über einzelne Anwendungsfälle hinausgeht. Düsseldorf ist Ihr Standort, mit Flexibilität für Remote-Arbeit, und Intersnacks internationale Präsenz stellt sicher, dass Ihre Modelle in echtem Maßstab operieren.

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 befähigen, zu verstehen und Vertrauen in das zu haben, was diese Modelle produzieren. Ihre Arbeit verbindet die technische Strenge der statistischen Modellierung und ML-Engineering mit der kommerziellen Absicht eines Unternehmens, das möchte, dass AI echten, messbaren Wert schafft.

Was Sie tun werden:

• Entwickeln, validieren und implementieren Sie prädiktive, präskriptive und Optimierungsmodelle für zentrale Geschäftsbereiche, einschließlich Beschaffung, Produktion und Vertrieb, und übersetzen Sie Daten in umsetzbare Voraussichten und Empfehlungen.
• Bauen, verfeinern und passen Sie große Sprachmodelle (LLMs) und spezialisierte Sprachmodelle für geschäftsspezifische NLP-Aufgaben an, einschließlich der Analyse unstrukturierter Betriebsdaten.
• Entwerfen und implementieren Sie Simulations- und Szenariomodellierungsrahmen, die es den Geschäftsteams ermöglichen, Kompromisse zu erkunden und unter Unsicherheit zu planen.
• Integrieren Sie maschinelles Lernen und prädiktive Logik in agentische AI-Workflows, indem Sie Modellausgaben mit Agentenargumentation kombinieren, um automatisierte und halbautomatisierte Entscheidungsfindung zu unterstützen.
• Besitzen Sie den gesamten ML-Lebenszyklus für Ihre Modelle, von der Merkmalsentwicklung und dem Training bis hin zur Bereitstellung, Versionierung und laufenden Überwachung, und wenden Sie MLOps-Best-Practices an.
• Wenden Sie NLP-Techniken auf unstrukturierte Geschäftsdaten an, um strukturierte Signale aus Dokumenten, Kommunikationen und Betriebsaufzeichnungen zu extrahieren, um Analysen und AI-Anwendungsfälle zu unterstützen.
• Kommunizieren Sie Modellausgaben, Einschränkungen, Vertrauensniveaus und zugrunde liegende Annahmen klar an Geschäftspartner, um Verständnis, Vertrauen und angemessene Akzeptanz von AI-generierten Erkenntnissen zu fördern.
• Integrieren Sie Sicherheits- und Governance-Überlegungen in das Modeldesign, einschließlich Schutzmaßnahmen gegen Eingabeaufforderungsinjektionen, Datenleckagen und adversarielle Eingaben, gemäß den AI-Sicherheitsstandards von Intersnack.
• Unterstützen Sie Kollegen bei der Entwicklung von AI- und Datenkompetenz und tragen Sie aktiv zum Kulturwandelprogramm bei, das Intersnacks breitere AI-Einführungsreise begleitet.

Wesentliche Fähigkeiten & 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 Klassifikation, 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 Datenvorbereitungs-Pipelines für das Modelltraining und -serving.
• 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 Modellen mit Agentenorchestrierungsrahmen 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 Modellverhaltens, der Einschränkungen und Ergebnisse 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 gültiges Arbeits- und Aufenthaltsvisum erforderlich ist.