product manager for a Machine Learning platform in Berlin

N26 ist eine digitale Bank, die ein elegantes digitales Bankerlebnis ohne physische Filialen, Papierkram oder versteckte Gebühren bietet. Ihre Plattform hilft den Menschen, ihr Banking und ihre Ersparnisse digital zu verwalten.

Aufgaben:

• Definieren und Ausführen der mehrjährigen Roadmap für die zentrale Machine Learning-Plattform, abgestimmt auf die Ingenieure Architektur und die geschäftlichen Ziele der Führungsebene.
• Überwachung der prädiktiven ML-Funktionen für die Echtzeit-Transaktionsüberwachung, automatisierte Kreditrisikobewertung und Entscheidungsfindung in operativen Workflows.
• Verantwortung für Plattformwerkzeuge und Standards über den gesamten ML-Lebenszyklus, einschließlich Feature-Stores, Echtzeit-Feature-Extraktionspipelines, Modellregistrierungen, automatisierte Retraining-Trigger und CI/CD für ML.
• Definition von Offline- und Online-Modellbewertungsrahmen, Schattenbereitstellungsmechanismen, Champion- und Challenger-Tests sowie Echtzeitüberwachung für Modellabweichungen, Inferenzlatenz und Datenqualitätsverschlechterung.
• Zusammenarbeit mit Principal Data Scientists, ML Engineers, Sicherheits- und Rechtsvertretern, um sicherzustellen, dass Modelle den europäischen Bankvorschriften, Erklärbarkeit und Prüfstandards entsprechen.
• Festlegung von Produktbest Practices, PRD-Standards und Selbstbedienungs-ML-Integrationsblaupausen sowie Mentoring von Produktmanagern.

Anforderungen:

• Über 7 Jahre Erfahrung im Produktmanagement in einer technologiegetriebenen Umgebung, einschließlich mindestens 4 Jahren, die sich auf den Aufbau, die Skalierung und das Management von Kernfähigkeiten der Machine Learning-Plattform oder Dateninfrastruktur konzentrieren.
• Nachweisliche Erfolge beim Versand von ML-Produkten in hochfrequentierten, latenzarmen Umgebungen wie FinTech, Zahlungsabwicklern oder hochskalierbaren Verbrauchertechnologieplattformen.
• Erfahrung in der Leitung von Multi-Squad-Initiativen, Gestaltung der Plattformstrategie über funktionsübergreifende Ingenieurtriaden hinweg und Präsentation vor Führungskräften und Regulierungsbehörden.
• Praktisches Verständnis prädiktiver ML-Methoden, einschließlich Klassifikation, Regression, Clustering, Anomalieerkennung und Ranking.
• Architektonische Meisterschaft moderner MLOps-Pipelines, einschließlich Kafka-Ereignisströme, Feature-Stores, Vektordatenbanken und automatisiertes Retraining.
• Kompetenz in der Definition von Leistungskennzahlen für Modelle wie Präzision, Rückruf, ROC-AUC und F1-Score und deren Übersetzung in geschäftlichen ROI.
• Fähigkeit, Abwägungen zwischen Echtzeitinferenz und Batch-Scoring, Komplexität der Feature-Berechnung und Latenz-SLAs sowie Modellgenauigkeit und Erklärbarkeit zu bewerten.
• Tiefes Verständnis der Vorschriften für automatisierte finanzielle Entscheidungen, Modelltransparenz, GDPR-Datenschutz und Prüfpfade in regulierten Umgebungen.
• Fähigkeit, domänenspezifische Anforderungen in wiederverwendbare horizontale ML-Dienste für mehrere Ingenieurteams umzuwandeln.
• Fähigkeit, mit Unklarheiten umzugehen, Entscheidungen über technische Abwägungen mit hohen Einsätzen zu treffen und grundlegende Infrastruktur neben der Bereitstellung von Funktionen zu priorisieren.
• Hohe Standards für Systemresilienz, Überwachung und Fail-Safe-Mechanismen; Verständnis dafür, dass Kernbankengines 99,99% Zuverlässigkeit erfordern.

Bedingungen:

• Wettbewerbsfähiges persönliches Entwicklungsbudget, Homeoffice-Budget, Rabatte für Fitness und Wellness sowie Zuschüsse für öffentliche Verkehrsmittel.
• Premium N26 Bankkonto-Abonnement für den Mitarbeiter sowie Abonnements für Freunde und Familie.
• Ein zusätzlicher Urlaubstag pro Jahr der Betriebszugehörigkeit.
• Umzugspaket mit Visumsunterstützung für diejenigen, die es benötigen.