Auf einen Blick
- Aufgaben: Entwickle und baue Wissensgraphen für innovative AI-Lösungen und Kundenimplementierungen.
- Unternehmen: Mendix, ein Siemens-Unternehmen mit einer dynamischen und kollaborativen Kultur.
- Vorteile: Wettbewerbsfähiges Gehalt, Gesundheitsleistungen, flexible Arbeitszeiten und berufliche Entwicklung.
- Weitere Informationen: Wachstumsorientierte Umgebung mit spannenden Karrierechancen.
- Warum dieser Job: Gestalte die Zukunft der AI mit strukturierten Daten und erlebe echten Einfluss.
- Qualifikationen: Erfahrung im Design von Wissensgraphen und starke Kommunikationsfähigkeiten.
Das prognostizierte Gehalt liegt zwischen 60000 - 84000 € pro Jahr.
Über die Rolle
Mendix, ein Unternehmen von Siemens, ermöglicht hybriden agentischen Arbeitskräften, indem es Organisationen befähigt, Agenten und Anwendungen schneller zu erstellen, zu skalieren und zu orchestrieren, indem es Low-Code, KI, Daten und Integrationen in einer einheitlichen Plattform kombiniert. Das Technical Solutions Marketing-Team schafft technische Glaubwürdigkeit für Mendix durch validierte Architekturen, wiederverwendbare Beweisführungen und reale Implementierungen. In dieser Rolle arbeiten Sie direkt mit Kunden und dem Vertrieb zusammen, um hochgradig wertvolle Anwendungsfälle durch Leuchtturmimplementierungen zu beweisen und das, was funktioniert, in wiederverwendbare Muster, Komponenten und technische Narrative zu verpacken, die über GTM- und Lieferökosysteme skalieren.
Verantwortlichkeiten
- Entwerfen und Erstellen von Wissensgraphen und Ontologien, die Mendix' KI-Lösungen, technische Demos und Kundenimplementierungen zugrunde liegen.
- Leiten des Daten- und Grapharchitektur-Arbeitsstroms innerhalb integrierter Teamlösungen, in Zusammenarbeit mit Solutions Engineers, die die Anwendungs- und KI-Schichten abdecken.
- Validierte Kundenarbeiten in wiederverwendbare Assets umwandeln: Referenzarchitekturen, Blaupausen, Beschleuniger und wiederholbare Muster.
- Zu Kundenengagements, Veranstaltungen und Analystenbriefings als Experte des Teams für Daten und Graphen beitragen.
- GTM-Positionierung und Storytelling auf validierten technischen Beweisführungen basieren, um hochwirksame Momente wie Executive-Demos und Analystenbriefings zu unterstützen.
Anforderungen
- Nachweisbare praktische Erfahrung im Entwerfen und Erstellen von Wissensgraphen und Ontologien.
- Starkes Verständnis von Graphdatenmodellierung, semantischer Modellierung und Ontologiedesign.
- Erfahrung mit Graphdatenbankplattformen und Abfragesprachen (z.B. SPARQL, Cypher oder gleichwertig).
- Datenengineering-Grundlagen: Pipelines, Datenvorbereitung und Integration mit Unternehmenssystemen (ERP, CRM, operationale Systeme).
- Fähigkeit, Daten- und Grapharchitekturen in wiederverwendbare Muster und klare technische Narrative zu übersetzen.
- Starke Kommunikations- und Kollaborationsfähigkeiten über Produkt-, GTM-, Ingenieur- und Kundeninteressengruppen hinweg.
Hinweis: Dies ist keine Rolle für Datenanalysten oder Business Intelligence. Der Fokus liegt auf Graphdaten, Wissensmodellierung und wie diese Schicht KI und agentische Anwendungen unterstützt.
Was Erfolg aussieht
- Wissensgraph-Demos und Referenzarchitekturen, die in Kunden- und Analystensitzungen bestehen und bereit sind, im Team wiederverwendet zu werden.
- Anerkannt als der Ansprechpartner des Teams für Daten und Graphen in Kundenengagements.
- Verpackte Architekturen, die vom Team übernommen und über Go-to-Market und Lieferung wiederverwendet werden.
- Implementierungslernen, die die Produktdirection und Positionierung konsistent beeinflussen.
Warum diese Rolle
Diese Rolle sitzt an der Grundlage agentischer Unternehmenslösungen, die auf realen Daten basieren, und spielt eine zentrale Rolle dabei, wie Wissensgrapharchitekturen bewiesen, verpackt und skaliert werden. Sie werden die Graphschicht entwerfen, die KI-Agenten strukturierten Kontext und Gedächtnis in Unternehmensmaßstab gibt, zusammen mit den Anwendungs- und KI-Solutions Engineers arbeiten, um diese Implementierungen vor Kunden und Analysten zu bringen und das, was Sie lernen, zurück in die Produkt- und Go-to-Market-Teams zu speisen.
Solutions Engineer -Data/Graph Arbeitgeber: Mendix
Mendix, ein Unternehmen von Siemens, bietet eine dynamische Arbeitsumgebung, die Innovation und Zusammenarbeit fördert. Als Solutions Engineer im Bereich Data/Graph profitieren Sie von einem unterstützenden Team, das Ihnen die Möglichkeit gibt, Ihre Fähigkeiten in der Entwicklung von Wissensgraphen und Ontologien weiterzuentwickeln. Zudem genießen Sie flexible Arbeitszeiten und Zugang zu umfangreichen Weiterbildungsprogrammen, die Ihre berufliche Entwicklung vorantreiben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Solutions Engineer -Data/Graph erhalten könnten
✨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 Mendix 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 Solutions Engineer -Data/Graph 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 Solutions Engineer -Data/Graph bei Mendix gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Mendix 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 Mendix entscheidend sein!
