Senior Data Scientist - Demand Forecasting (f/m/d)

Wir maximieren die Produktverfügbarkeit mit minimalen Cashflow-Investitionen in 1/10 der Zeit. Wir lösen ein echtes Problem für KMUs mit KI. Das Problem, das wir lösen: Mittelgroße Shopify-Marken verlieren täglich Einnahmen und Kapital durch Lagerengpässe und Ineffizienzen. Sie sehen das Problem, können es aber nicht schnell genug beheben.

Was VOIDS tut: VOIDS ist das KI-Gehirn für mittelgroße Shopify-Marken. Wir prognostizieren die Nachfrage auf Produktebene, erkennen Lagerengpässe und Ineffizienzen, bevor sie auftreten, und sagen den E-Commerce-Teams genau, was zu tun ist – oder führen es automatisch mit einem Klick aus. Das Ergebnis: 98% Lagereffizienz, 20-facher ROI, sechsstellige Beträge freigesetzt. Innerhalb von Wochen.

Traction: Seit dem Start im Juni 2023: 300% Wachstum, über 1 Milliarde verarbeitete Datenpunkte, 2 Millionen Euro ARR, über 50 Marken live – darunter Hyrox, 6pm, Creamyfabrics und NatureHeart. Unser Ziel: 10 Millionen Euro ARR bis 2027.

Wo wir hinwollen: Heute besitzen wir die Nachfrageprognose und das Bestandsmanagement. Morgen: vollautonome, KI-gesteuerte Beschaffung. Wir bauen keine Funktionen – wir rekonstruieren, wie der moderne Handel funktioniert.

Warum jetzt beitreten: Wir sind ein kleines, schnelles Team, in dem jede Einstellung den Kurs des Unternehmens prägt. Sie arbeiten direkt mit Jannik und Tobias, zwei Gründern, die E-Commerce und KI leben und atmen, und übernehmen, wie wir über 1 Milliarde Datenpunkte auf unserer Plattform erfassen, verarbeiten und aktivieren. Dies ist keine Wartungsrolle. Sie werden die Datenbasis für eine vollständig KI-gesteuerte Zukunft aufbauen. Mit hoher Autonomie. In echtem Datenskalierungsmaßstab. Mit echtem Einfluss.

Was Sie tun werden:

• Entwickeln Sie die Prognose-Engine, die die Nachfrageprognosedienste von VOIDS antreibt und direkt die Ergebnisse und die Zufriedenheit der Kunden beeinflusst.
• Entwerfen und implementieren Sie skalierbare Prognosemethoden, die an eine vielfältige Kundenbasis und einzigartige Datensätze anpassbar sind.
• Engagieren Sie sich aktiv mit Kunden, um tiefgehende Einblicke und Feedback zu sammeln, um sicherzustellen, dass unsere Prognoselösungen ihren sich entwickelnden Bedürfnissen entsprechen.
• Arbeiten Sie eng mit dem CTO, CEO, Customer Success und Ingenieuren zusammen.
• Identifizieren und führen Sie strategische Verbesserungen in der Skalierbarkeit, Genauigkeit und Leistung der Prognosesysteme durch.
• Verbessern Sie die Entwicklererfahrung, indem Sie Best Practices fördern und Tools innerhalb der Data Science- und Engineering-Teams aktualisieren.
• Leiten Sie unsere Prognoseoperationen und stellen Sie sicher, dass frische und stabile Modelle und Prognosen zuverlässig an unsere Kunden geliefert werden.
• Entscheiden Sie, worauf Sie sich konzentrieren und bringen Sie Dinge ohne Bürokratie voran.

Fließende Englischkenntnisse; Deutsch ist von Vorteil. Klare, professionelle und asynchrone Kommunikationsfähigkeiten. Über 3 Jahre Erfahrung in der Datenwissenschaft, einschließlich mindestens 2 Jahren speziell in der Zeitreihenprognose (vorzugsweise Konsumgüter). Erfahrung im Aufbau und der Wartung von Pipelines und APIs für Modelltraining/-inferenz, unter Verwendung von Tools wie Airflow, Dagster, AWS SageMaker, MLflow usw. Praktische Erfahrung mit SQL-Datenbanken, idealerweise PostgreSQL. Fähigkeit, Arbeit über KI-Workflows zu delegieren und KI-gestützte Daten-/Modellierungspipelines zu liefern, bei denen Entscheidungen von KI getroffen werden. Starke Produkt- und Kundenintuition sowie eine proaktive, besitzorientierte Denkweise. Komfort mit Unklarheiten und Autonomie bei der Problemlösung. Erfahrung mit E-Commerce und/oder B2B SaaS-Startups. Hintergrund in der Datenengineering für skalierbare Datenpipelines, die den gesamten Datenstapel abdecken. Vertrautheit mit Infrastruktur-Frameworks (Terraform, Kubernetes usw.). Erfahrung mit Technologien zur Verarbeitung größerer Datensätze wie BigQuery, Spark usw. Beiträge zur Entwicklererfahrung und internen Toolverbesserungen. Praktische Erfahrung mit Prognosetools wie Nixtla, Darts, statsmodels, sktime usw. Modellierung: Statistische, ML- und neuronale Zeitreihenmodelle (hauptsächlich Nixtla). ML-Infrastruktur: AWS SageMaker, AWS Lambda, MLflow. Orchestrierung: Airflow auf AWS. Zusammenarbeit & KI-Tools: GitHub Copilot, ChatGPT.

Alle KI-Abonnements mit unbegrenzter Nutzung, die Sie möchten. Neuer MacBook Pro und mindestens zwei Monitore im Büro. Regelmäßige Teamevents und vierteljährliche Off-Sites. Echte Verantwortung und Einfluss. Eine ruhige, fokussierte Arbeitsumgebung, die Initiative belohnt. Wellpass-Mitgliedschaft für unbegrenzte Fitness, Yoga, Schwimmen, Klettern und mehr.

Wir kümmern uns weniger um Titel und mehr um Einfluss, daher freuen wir uns darauf, mit Ihnen zu sprechen und mehr über ein Prognosemodell zu erfahren, das Sie erstellt haben und mit welcher Komplexität Sie es zu tun hatten, wie Sie KI derzeit in Ihrem täglichen Engineering-Workflow verwenden – konkret, nicht theoretisch – und was Sie motiviert und welche Datenprobleme Sie wirklich interessant finden.