Data Science Expert (Domain Models) - Data Labs (m/f/d)

Wir helfen der Welt, besser zu funktionieren. Bei SAP halten wir es einfach: Sie bringen Ihr Bestes zu uns, und wir bringen das Beste in Ihnen zum Vorschein. Die Arbeit ist herausfordernd – aber sie zählt. Sie finden einen Ort, an dem Sie Sie selbst sein können, Ihr Wohlbefinden priorisieren und wirklich dazugehören können.

Was ist für Sie drin? Ständiges Lernen, Wachstum von Fähigkeiten, großartige Vorteile und ein Team, das möchte, dass Sie wachsen und erfolgreich sind.

Als Data and Applied Scientist bei SAP werden Sie die Kontext-Engine aufbauen, die auf SAPs Business-Ontologie basiert: die semantische Infrastruktur, die rohe Geschäftsdaten in die Wissensschicht transformiert, die SAPs KI-Agenten und -Assistenten antreibt. Sie werden die Schicht entwerfen und skalieren, die dies ermöglicht.

• Entwerfen und Pflegen von Unternehmensontologien und semantischen Modellen, die den KI-Agenten ein genaues, fundiertes Verständnis von SAP und verbundenen Geschäftswelten vermitteln.
• Aufbau von KI-Fähigkeiten einschließlich RAG-Pipelines, Embeddings, Vektordatenbanken und Unternehmenswissen, die SAPs Agenten genau und zuverlässig in der Produktion machen.
• Entwicklung von KI-Fähigkeiten einschließlich generativer KI und LLM-basierten Lösungen unter Verwendung von Unternehmensgeschäftsdaten, Wissensgraphen, Geschäftsprozessintelligenz und anderen strukturierten und unstrukturierten Daten.
• Zusammenarbeit mit Cloud- und Datenplattformen wie Databricks, SAP Datasphere, SAP HANA Cloud, AWS, Azure und GCP zur Unterstützung zuverlässiger, skalierbarer KI-Workflows.
• Partnerschaft mit Produkt-, Ingenieur-, Geschäfts- und kundenorientierten Teams zur Übersetzung unklarer geschäftlicher Herausforderungen in konkrete KI-Lösungen von der Konzeptphase bis zur Bereitstellung und kontinuierlichen Verbesserung.
• Anwendung von maschinellem Lernen, tiefem Lernen und statistischer Modellierung zur Entwicklung und Bewertung von KI-Lösungen unter Verwendung realer Unternehmensdatensätze.

Erforderliche Qualifikationen:

• 8+ Jahre Erfahrung in Wissensengineering, semantischen Datensystemen, angewandter KI oder Datenwissenschaft in der Industrie, Forschungslabors oder fortgeschrittenen akademischen Umgebungen.
• Master oder PhD in Informatik, Angewandter Mathematik, Statistik, Ingenieurwesen oder einem verwandten quantitativen Bereich.
• Praktische Erfahrung im Entwerfen von Unternehmensontologien und semantischen Modellen; Beherrschung mindestens einer Graphabfragesprache (SPARQL, Cypher oder GQL).
• Starke Python- und SQL-Kenntnisse mit produktionsgerechten Entwicklungspraktiken; Erfahrung mit ML-Bibliotheken wie PyTorch, TensorFlow oder scikit-learn.
• Nachweisliche Erfolge bei der Bereitstellung und dem Betrieb von KI/ML-Lösungen in der Produktion.
• Erfahrung mit Big-Data-Infrastrukturen und Cloud-Umgebungen wie Databricks oder Ähnlichem sowie mindestens einer großen Cloud (AWS, Azure oder GCP).
• Ausgezeichnete Kommunikations- und Stakeholder-Management-Fähigkeiten, mit der Fähigkeit, funktionsübergreifend in agilen Umgebungen zu arbeiten.

Bevorzugte Qualifikationen:

• Tiefgehendes Wissen über SAP-Datenmodelle, Metadatenstrukturen und Kern-Geschäftsprozesse von Ende zu Ende.
• Praktische Erfahrung mit dem SAP-Daten- und KI-Plattform-Stack.
• Tiefgehende Expertise im Bereich maschinelles Lernen und tiefes Lernen, mit Erfahrung in der Entwicklung, Bewertung und Verbesserung von Modellen auf realen Datensätzen.
• Fähigkeit, obere und mittlere Ontologien zu entwerfen, die mit Branchenstandards übereinstimmen.

Wo Sie hingehören: Das Application AI-Team sitzt auf der Fundamentalschicht - Wir bauen die LLM-Systeme und intelligente Infrastruktur, die über SAPs globale Plattformen laufen. Dies ist ein Team, das Ingenieure schätzt, die wie Eigentümer denken: Menschen, die die Architektur definieren möchten, nicht nur eine Spezifikation umsetzen.

Bei SAP können Sie Ihr Bestes geben. Wir gewinnen mit Inklusion. SAPs Kultur der Inklusion, der Fokus auf Gesundheit und Wohlbefinden sowie flexible Arbeitsmodelle helfen sicherzustellen, dass jeder – unabhängig von seinem Hintergrund – sich einbezogen fühlt und sein Bestes geben kann.