Auf einen Blick
- Aufgaben: Leite die Architektur und Entwicklung von KI-gestützten Validierungsworkflows.
- Unternehmen: Führendes Unternehmen im Bereich KI mit einem starken Fokus auf Compliance.
- Vorteile: Wettbewerbsfähiges Gehalt, umfassende Gesundheitsversorgung und vollständig remote Arbeitsmodell.
- Weitere Informationen: Langfristiger B2B-Vertrag mit stabilen Projekten und großem Einfluss auf die Unternehmensarchitektur.
- Warum dieser Job: Gestalte innovative KI-Systeme und beeinflusse technische Entscheidungen in einem dynamischen Umfeld.
- Qualifikationen: Erfahrung in Data Science und Produktion von KI-Systemen erforderlich.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
This position is listed on behalf of a partner company, who manages all applications and next steps. Our partner is looking for a Data Science Lead based in Germany.
This is a strategic technical leadership opportunity within a high-impact AI program operating in a highly regulated environment.
You will lead the architecture and evolution of machine learning and Gen AI capabilities supporting automated regulatory validation workflows.
The role combines hands-on expertise in LLM systems with architectural ownership, evaluation, and productionisation.
You will design sophisticated RAG pipelines and retrieval strategies while ensuring AI workflows are reliable, reproducible, explainable, and traceable.
Working across data science, engineering, product, and compliance teams, you will influence key technical decisions and drive the platform toward enterprise scale.
The position offers the opportunity to shape production-grade AI systems where quality, governance, and measurable performance are critical.
It is well suited to an experienced data science leader who enjoys solving complex problems and turning advanced AI capabilities into robust business solutions.
- Accountabilities
- Design, evolve, and oversee AI and machine learning architecture supporting automated compliance validation workflows.
- Design and optimize LLM-powered retrieval and validation pipelines, including Retrieval Augmented Generation (RAG) architectures.
- Establish evaluation frameworks, benchmarking approaches, and continuous improvement processes to measure and enhance AI system performance.
- Develop explainability, traceability, and validation mechanisms that support regulatory and compliance requirements.
- Collaborate closely with ML Engineers and Backend Engineers to productionize AI components and integrate them into reliable enterprise systems.
- Drive technical decisions around embeddings, vector databases, retrieval strategies, and related AI infrastructure.
- Ensure AI workflows are reproducible, testable, maintainable, and aligned with high-quality engineering standards.
- Support the scaling of AI capabilities from individual workflows into a robust, enterprise-grade platform.
- Lead technical discussions and align architectural decisions across product, engineering, data science, and compliance stakeholders.
- Identify opportunities to improve system reliability, model performance, scalability, and operational effectiveness.
Requirements
- Strong hands-on experience in Data Science, applied Machine Learning, and production AI systems.
- Proven experience designing and deploying LLM-based solutions in production environments.
- Practical experience with Retrieval Augmented Generation architectures and LLM-driven retrieval workflows.
- Experience working with vector databases, embeddings, and embedding-generation pipelines.
- Strong Python programming skills and familiarity with modern machine learning and AI frameworks.
- Demonstrated experience designing model evaluation, benchmarking, and validation frameworks.
- Understanding of production-grade AI architecture, with an ability to move beyond proof-of-concept implementations.
- Experience operating in regulated, compliance-heavy, or otherwise highly governed environments.
- Strong ownership mindset, architectural judgment, and confidence making and influencing technical decisions.
- Excellent communication and collaboration skills, with the ability to work effectively across technical and non-technical teams.
- Experience with pharmaceutical, healthcare, or other regulated industries is a strong advantage.
- Familiarity with explainable AI methodologies, document intelligence, or NLP-heavy pipelines is beneficial.
- Experience building enterprise-scale AI platforms is highly desirable.
Benefits
- Competitive salary package.
- Opportunity to work on international, high-impact AI initiatives within a regulated enterprise environment.
- Comprehensive healthcare coverage.
- Long-term B2B contract with a stable project pipeline.
- Fully remote working model.
- Opportunity to work with modern LLM, RAG, machine learning, and AI platform technologies.
- Significant technical ownership and influence over enterprise AI architecture and delivery.
How Jobgether works
We use an
AI-powered matching process to ensure your application is reviewed quickly, objectively, and fairly against the role's core requirements.
Our system identifies the top-fitting candidates, and this shortlist is then shared directly with the hiring company.
The final decision and next steps (interviews, assessments) are managed by their internal team.
We appreciate your interest and wish you the best!
Why Apply Through Jobgether?
Data Privacy Notice
By submitting your application, you acknowledge that Jobgether will process your personal data to evaluate your candidacy and share relevant information with the hiring employer.
This processing is based on legitimate interest and pre-contractual measures under applicable data protection laws (including GDPR).
You may exercise your rights (access, rectification, erasure, objection) at any time.
#LI-CL1
We may use artificial intelligence (AI) tools to support parts of the hiring process, such as reviewing applications, analyzing resumes, or assessing responses and identifying potential inconsistencies or verification signals in application materials based on available information.
These tools assist our recruitment team but do not replace human judgment.
Final hiring decisions are ultimately made by humans.
If you would like more information about how your data is processed, please contact us.
Data Science Lead Arbeitgeber: Jobgether
Jobgether ist ein hervorragender Arbeitgeber, der kreative Talente in der Schweiz anzieht. Mit flexiblen Arbeitsbedingungen, 20 Urlaubstagen und umfassender medizinischer Versicherung bietet das Unternehmen nicht nur ein unterstützendes und innovatives Arbeitsumfeld, sondern auch zahlreiche Möglichkeiten zur beruflichen Weiterentwicklung. Hier haben Sie die Chance, in einem dynamischen Team zu arbeiten und Ihre kreativen Ideen in die Tat umzusetzen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Science Lead erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Jobgether zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Data Science Lead mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Science Lead bei Jobgether gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Jobgether vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Jobgether entscheidend sein!