Wood Defect Product Owner

Wood Defect Product Owner

Hamburg Vollzeit 63000 - 77000 € / Jahr (geschätzt) Kein Homeoffice möglich
N

Auf einen Blick

  • Aufgaben: Leite die Qualitätskontrolle unserer KI-Modelle zur Holzfehlererkennung und verbessere den Feedbackprozess.
  • Unternehmen: Neural Grader, ein innovatives Unternehmen im Bereich KI für die Holzindustrie.
  • Vorteile: Attraktive Vergütung, flexible Arbeitszeiten und die Möglichkeit, an spannenden Projekten zu arbeiten.
  • Weitere Informationen: Dynamisches Team mit hervorragenden Entwicklungsmöglichkeiten in einem zukunftsorientierten Umfeld.
  • Warum dieser Job: Gestalte die Zukunft der Holzverarbeitung mit modernster Technologie und echtem Einfluss.
  • Qualifikationen: Abschluss in Forstwirtschaft, Holztechnik oder verwandten Bereichen sowie Erfahrung in der Holzverarbeitung.

Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.

Neural Grader baut KI für die automatisierte Erkennung und Bewertung von Holzfehlern in realen industriellen Sägewerksumgebungen auf. Wir suchen ein interdisziplinäres Profil: jemanden mit einem starken Hintergrund in Forstwirtschaft / Holzverarbeitung / Holzbewertung und digitalen Kompetenzen, der den Qualitätszyklus unserer KI-Fehlermodelle verantworten kann.

Idealerweise sollte die Person an der TH Rosenheim, Universität Hamburg (Holzwissenschaft), TU Dresden oder einer ähnlichen Hochschule für Holztechnik / Holzwissenschaft / Forstwirtschaft abgeschlossen haben. Dies ist keine klassische Unterstützungsrolle und keine allgemeine Koordinationsrolle.

Die Kernmission besteht darin, den vollständigen Daten → Modell → Kundenfeedback-Zyklus für die Fehlererkennung zu besitzen und zu verbessern:

  • Untersuchung realer Kundenfehlerfälle
  • Verstehen, ob das Problem von Daten, Annotation, Modellbeschränkungen oder Produktionsbedingungen stammt
  • Verbesserung der Evaluierungsdatensätze und Validierungslogik
  • Enges Zusammenarbeiten mit Annotation- und ML-Teams
  • Hilfe bei der Umwandlung von Rohkundenfeedback in klare, umsetzbare Prioritäten
  • Verkürzung des Zyklus von „Modell hat es falsch gemacht“ zu „Fix validiert in Produktion“

Sie sollten sich wohlfühlen, Holzfehler mit Kunden zu besprechen, reale Produktionsfälle zu überprüfen und mit technischen Teams zusammenzuarbeiten, um die Modellqualität im Laufe der Zeit zu verbessern.

Idealer Hintergrund:

  • Forstwirtschaft, Holztechnik, Holzwissenschaft oder Holzverarbeitung
  • Starkes praktisches Verständnis von Holzfehlern und der Realität in Sägewerken
  • Aufmerksamkeit für Details und strukturiertes Denken
  • Fähigkeit, mit Daten, Beispielen, Qualitätsproblemen und technischen Arbeitsabläufen zu arbeiten
  • Gute Kommunikationsfähigkeiten in Kunden- und internen Diskussionen

Diese Rolle befindet sich an der Schnittstelle von Holzexpertise, KI-Modellqualität, Annotationqualität und Kundenrealität.

Bereit zu bewerben? Wir freuen uns darauf, von Ihnen zu hören! Senden Sie uns Ihre Bewerbung und lassen Sie uns das Gespräch über Ihre Zukunft mit uns beginnen.

Wood Defect Product Owner Arbeitgeber: Neural Grader

Neural Grader ist ein hervorragender Arbeitgeber, der eine dynamische und innovative Arbeitsumgebung bietet, in der Mitarbeiter die Möglichkeit haben, an der Spitze der Holzverarbeitungstechnologie zu arbeiten. Mit einem starken Fokus auf interdisziplinäre Zusammenarbeit und persönliches Wachstum fördert das Unternehmen eine Kultur des Lernens und der kontinuierlichen Verbesserung, während es gleichzeitig die einzigartigen Herausforderungen der Holzindustrie angeht. Die Lage in einer Region mit reicher Forstwirtschaftstradition ermöglicht es den Mitarbeitern, direkt mit Kunden und Experten zusammenzuarbeiten, um echte Lösungen für komplexe Probleme zu entwickeln.

N

Kontaktdaten:

Neural Grader Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Wood Defect Product Owner mit Bravour zu bestehen

Holzverarbeitung
Lumber Grading
AI-Modellqualität
Datenanalyse
Aufmerksamkeit für Details
Strukturiertes Denken
Kommunikationsfähigkeiten