Data Scientist arbeitnow Hawk Munich · 10/31/2026 in München

Hawk ist der führende Anbieter von KI-unterstützter Technologie zur Bekämpfung von Geldwäsche und Betrugserkennung. Banken und Zahlungsdienstleister weltweit nutzen Hawks leistungsstarke Kombination aus traditionellen Regeln und erklärbarer KI, um die Effektivität ihrer AML-Compliance und Betrugsprävention zu verbessern, indem sie mehr Verbrechen identifizieren und gleichzeitig die Effizienz durch die Reduzierung von Fehlalarmen maximieren. Mit unserer Lösung spielen wir eine entscheidende Rolle im globalen Kampf gegen Geldwäsche, Betrug oder die Finanzierung von Terrorismus. Wir bieten eine Kultur des gegenseitigen Vertrauens, der Unterstützung und Leidenschaft und geben Einzelpersonen die Möglichkeit, sich beruflich weiterzuentwickeln und einen Unterschied in der Welt zu machen.

Ihre Mission

Als Customer Data Scientist bei Hawk sind Sie die Person, der unsere Kunden vertrauen, um ihre AML- und Betrugserkennungsmodelle tatsächlich für sie zum Laufen zu bringen: abgestimmt auf ihre Transaktionsmuster, verteidigbar gegenüber ihren Regulierungsbehörden und nachweislich effektiv in ihren eigenen Zahlen. Sie arbeiten direkt im regionalen Kunden-Team, Seite an Seite mit den Customer Value Partners an Live-Konten, nicht hinter einer Wand von Tickets aus einer zentralen Datenwissenschaftsfunktion. Ihre Arbeit umfasst das Abstimmen und Optimieren von Modellen und Schwellenwerten, tiefgehende analytische Untersuchungen zur Erkennungsleistung und den Aufbau der kundenorientierten Erzählung, die genau zeigt, was verbessert wurde und warum.

Hauptverantwortlichkeiten

• Abstimmung und Optimierung von Erkennungsmodellen und -schwellenwerten anhand der Live-Transaktionsdaten jedes Kunden, wobei die Effektivität der Erkennung gegen die Belastung durch Fehlalarme abgewogen wird.
• Tiefgehende Untersuchung der Erkennungsleistung: Analyse verpasster Fälle, Alarmqualität und Musterdrift und Umsetzung der Ergebnisse in konkrete Anpassungen oder Konfigurationsänderungen.
• Übersetzung technischer Erkenntnisse in kundenorientierte Einblicke: Erstellung der Analyse, die Produktivitätsgewinne für Ermittler, Kostenreduzierungen durch Fehlalarme und Verbesserungen der Erkennungseffektivität in einer Sprache zeigt, die die Compliance- und Risikoleitung eines Kunden tatsächlich verwendet.
• Direkte Interaktion mit Kunden: Präsentation von Ergebnissen, Verteidigung Ihrer Methodik gegenüber dem eigenen Datenwissenschafts- oder Compliance-Team des Kunden und Beantwortung der schwierigen Fragen „Warum hat das Modell dies getan?“ live.
• Enger Austausch mit Ihren regionalen Customer Value Partners zur Kontostrategie, um zu informieren, wo das Modell geändert werden muss, um die nächste Stufe der Wertrealisierung oder ein Erneuerungsgespräch zu ermöglichen.
• Rückmeldung von Mustern und Erkenntnissen an Hawks breitere Modell- und Produktfunktionen, Unterscheidung zwischen „dieser Kunde benötigt lokale Anpassungen“ und „das ist eine systemische Lücke, die zentral behoben werden sollte“.
• Verantwortung für die regulatorische Verteidigungsfähigkeit der von Ihnen getroffenen Abstimmungsentscheidungen. Dokumentation Ihrer Überlegungen, damit eine Prüfung oder Überprüfung durch den Regulierer des Kunden Bestand hat.
• Strenge Validierung von Modelländerungen, bevor sie live gehen: Backtesting, Stichprobenüberprüfung und Genehmigungsdisziplin, die die Compliance-Position des Kunden schützt.

Ihr Profil

• 5-7 Jahre Erfahrung als Datenwissenschaftler in einer kundenorientierten Rolle, Präsentation von Analysen und Verteidigung von Modellentscheidungen direkt gegenüber Kunden.
• Erfahrung in AML, Betrugserkennung oder Finanzkriminalitätsanalytik ist erforderlich.
• Starke praktische Fähigkeiten im Standard-Datenwissenschafts-Stack (Python, SQL und welche ML-Tools Sie in der Produktion verwendet haben), aber Ihr Vorteil ist das Urteilsvermögen unter Unsicherheit.
• Komfortabel als technische Stimme im Raum mit den Risikomanagement-, Compliance- oder Datenwissenschafts-Stakeholdern eines Kunden und in der Lage, sich bei Fragen zu behaupten.
• Nachweisliche Fähigkeit, die Leistung von Modellen in geschäftlichen Nutzen zu übersetzen, auf den nicht-technische Stakeholder reagieren können.
• Echtes Wohlbefinden mit Unsicherheit und Live-Produktionssystemen.
• Eine Ownership-Mentalität. Sie warten nicht auf ein Ticket; Sie bemerken, wenn die Erkennungsleistung eines Kontos abnimmt, und gehen der Sache nach.

Bonus

• Erfahrung speziell in der Transaktionsüberwachung oder Betrugserkennung im Zahlungsverkehr bei einer Bank, einem Zahlungsanbieter oder einem Dienstleister, der diese bedient.
• Vertrautheit mit erklärbarer KI und regelbasierten hybriden Erkennungsansätzen, da dies grundlegend für die Funktionsweise von Hawks Modellen ist.