Senior Data Scientist

Über Workato

Workato liefert Unternehmensinfrastruktur für das agentische Zeitalter, definiert iPaaS neu und hilft Unternehmen, Daten, Anwendungen, Prozesse und KI in einer einzigen, verwalteten Plattform zu vereinen. Als führendes Unternehmen im Bereich Enterprise MCP und vertrauenswürdig von 50 % der Fortune 500, verbindet die cloud-native Architektur von Workato jede Anwendung, Datenquelle und jeden Prozess, um eine Echtzeit-Orchestrierung in großem Maßstab zu ermöglichen. Mit unternehmensgerechter Sicherheit und kontinuierlicher Innovation im Kern bietet Workato die vertrauenswürdige Grundlage für Organisationen, um mit Zuversicht zu automatisieren und KI im gesamten Unternehmen zu operationalisieren.

Warum uns beitreten?

Workato glaubt an die Förderung einer flexiblen, vertrauensbasierten Kultur, die es jedem ermöglicht, die volle Verantwortung für seine Rolle zu übernehmen. Wir sind von Innovation getrieben und suchen Teamplayer, die aktiv unser Unternehmen mitgestalten möchten. Gleichzeitig glauben wir an die Balance zwischen Produktivität und Selbstfürsorge. Deshalb bieten wir all unseren Mitarbeitern ein lebendiges und dynamisches Arbeitsumfeld sowie eine Vielzahl von Vorteilen, die sie sowohl im als auch außerhalb ihres Arbeitslebens genießen können. Wenn sich das gut anhört, freuen wir uns auf Ihre Bewerbung!

Verantwortlichkeiten

Wir suchen einen außergewöhnlichen Middle / Senior Machine Learning Engineer / Data Scientist, der unserem wachsenden KI-Team beitritt. In dieser Rolle werden Sie ML/LLM-gestützte Dienste und Funktionen entwerfen, erstellen, bereitstellen und verbessern, die intelligente Automatisierung und KI-gesteuerte Produkterlebnisse auf der Workato-Plattform ermöglichen. Sie arbeiten eng mit unseren Engineering-, Produkt- und Designteams zusammen, um Produktmetriken und Evaluierungsstrategien zu definieren und zu verfolgen, kundenorientierte Experimente zu entwerfen und tiefgehende Analysen durchzuführen, um umsetzbare Erkenntnisse zu gewinnen.

• AI-Dienste mit LLMs und benutzerdefinierten Machine Learning-Modellen für Produktionsanwendungen aufbauen und verbessern.
• ML/LLM-Systeme end-to-end entwerfen, entwickeln und betreiben, von der Prototypenerstellung bis zur Bereitstellung und Überwachung.
• Hochwertigen Python-Code schreiben, der testbar, wartbar und effizient ist.
• Validierung, Beobachtbarkeit und Leistungsüberwachung für ML-Dienste verbessern (Qualität, Latenz, Zuverlässigkeit, Kosten).
• Cross-funktional mit Produktmanagern, Plattformingenieuren und anderen Stakeholdern zusammenarbeiten, um KI-gestützte Produktfähigkeiten bereitzustellen.
• Bestehende Implementierungen bewerten und verbessern, indem Engpässe, Fehler und Optimierungsmöglichkeiten identifiziert werden.
• Kontrollierte Experimente entwerfen, um die Funktionen unserer KI-basierten Produkte zu testen und tiefgehende Analysen aus den Ergebnissen durchzuführen, um umsetzbare Erkenntnisse zu finden.
• Zu technischen Entwurfs- und Code-Reviews beitragen, um die Ingenieursqualität im Team zu erhöhen.
• Mit Modellverhalten, Aufforderungen, Abruf, Werkzeugnutzung oder Orchestrierungsstrategien experimentieren und iterieren, um die Benutzerergebnisse zu verbessern.

Qualifikationen / Erfahrungen / Technische Fähigkeiten

• Bachelor- oder Masterabschluss in Informatik, Ingenieurwesen, Mathematik, Statistik oder gleichwertiger praktischer Erfahrung.
• 3+ Jahre Erfahrung in Machine Learning Engineering, Data Science oder einer ähnlichen Rolle.
• Starke Python-Programmierkenntnisse.
• Praktische Erfahrung mit NLP- und/oder LLM-basierten Systemen.
• Starkes Verständnis der Grundlagen der Softwareentwicklung (Testen, Codequalität, Debugging, Versionskontrolle).
• Fähigkeit, in einem schnelllebigen Umfeld kollaborativ zu arbeiten und Projekte mit Verantwortung voranzutreiben.

Nice to Haves

• Erfahrung mit Tool-Use-Agenten oder workflow-bewussten KI-Systemen.
• Erfahrung im Aufbau von KI-Produkten in Unternehmens-SaaS-Umgebungen.
• Erfahrung mit A/B-Tests und Techniken zur statistischen Signifikanz.
• Erfahrung mit LLMOps/MLOps-Tools und -Praktiken (Überwachung, Evaluierungs-Pipelines, Modellbereitstellung, CI/CD).
• Erfahrung mit modernen Data Warehouses wie Amazon Redshift Snowflake.