Senior Data Scientist – Python, ML & Signal-Processing

DATATRONiQ; Berlin; Hybrid; EUR 65.000 - 85.000; Vollzeit

Benefits dieser Stelle

Echte End-to-End-Verantwortung

Flexible Architektur- und Toolauswahl

Moderne Arbeitsmethoden

Zusammenfassung

DATATRONiQ in Berlin sucht einen erfahrenen Senior Data Scientist, der ML-Modelle auf Basis realer Produktionsdaten trainiert. Du verwaltest den gesamten Data-Science-Lifecycle, von der Datenexploration bis zum Deployment auf unterschiedlichen Plattformen wie Edge-Gateway oder in der Cloud.

Der ideale Kandidat bringt mindestens drei Jahre praktische Erfahrung mit Python und ML-Frameworks mit, hat Erfahrung mit Zeitreihenanalyse und zeigt gute Englischkenntnisse. Wir bieten ein dynamisches Arbeitsumfeld mit echten End-to-End-Anwendungen im Bereich Industrial IoT.

Qualifikationen

• Abgeschlossenes Studium in Data Science oder verwandtem Fach.
• Mindestens drei Jahre Erfahrung mit Python und ML-Frameworks.
• Erfahrung mit Zeitreihenanalyse.

Aufgaben

• Trainiere ML-Modelle zur Anomalieerkennung und Predictive Maintenance.
• Feature Engineering auf verrauschten Sensor- und Maschinensignalen.
• Deployst Modelle an verschiedenen Standorten wie Edge-Gateway oder Cloud.

Kenntnisse

Python

ML-Frameworks (PyTorch, scikit-learn)

Zeitreihenanalyse

Signalverarbeitung

MLOps

Englischkenntnisse

Ausbildung

Studium in Data Science, Informatik, Mathematik, Physik oder verwandtem Fach

Tools

ONNX

TensorRT

Jobbeschreibung

DATATRONiQ ist ein Deep-Tech-Startup aus Deutschland für Industrial IoT und Edge AI. Als Senior Data Scientist bei uns trainierst Du Machine-Learning-Modelle auf Basis von realen Maschinen- und Sensordaten – weltweit, vom mittelständischen Fertiger bis zum DAX-Konzern. Anomalieerkennung, Predictive Maintenance und Qualitätsüberwachung in Echtzeit. Die Daten sind echt, die Maschinen stehen in laufenden Produktionen, und Deine Modelle entscheiden mit darüber, ob eine Anlage planmäßig läuft oder ungeplant stillsteht. Wenn Du Modelle lieber im produktiven Einsatz siehst als in Notebooks optimierst, dann melde Dich gerne bei uns.

Über die Stelle

Du verantwortest den gesamten Data-Science-Lifecycle – von Exploration über Feature Engineering und Modelltraining bis zu Deployment und Validierung, je nach Kundensituation auf Edge-Gateway, on-prem Server oder in der Cloud. Die Zeitreihen kommen aus realen Industriesteuerungen über OPC-UA und MQTT; Feature Engineering heißt hier Signalverarbeitung auf verrauschten Sensordaten, nicht das Umschaufeln aufbereiteter Tabellenspalten. Deine Modelle werden quantisiert, zu ONNX exportiert und laufen direkt dort, wo die Produktion sie braucht – mit allen Konsequenzen, die das für Modellwahl, Latenz und Speicherverbrauch hat.

Dein Stack:

Python, PyTorch oder scikit-learn, ONNX für das Edge-Deployment und die gängigen MLOps-Werkzeuge für Versionierung und Reproduzierbarkeit.

Wir arbeiten in einem kleinen, eng abgestimmten Team. Code Reviews und Pair Programming gehören fest zum Alltag. Freitags zeigen wir uns interessante Funde im Web und neue Tools in unseren Show-and-Tell-Sessions. Als Data Scientist arbeitest Du eng mit Data Engineers und Backend-Entwicklern zusammen: Du baust die Modelle, sie bauen die Pipelines, und gemeinsam bringen wir beides in die Produktion.

Was sind Deine Aufgaben?

• Du trainierst ML-Modelle zur Anomalieerkennung, Predictive Maintenance und Qualitätsüberwachung und validierst sie auf realen Produktionsdaten und Zeitreihen aus Industriesteuerungen.
• Du machst Feature Engineering auf verrauschten Sensor- und Maschinensignalen (OPC-UA, MQTT, MES-Exporte), inklusive Signalverarbeitung und Filterung.
• Du deployst Modelle dorthin, wo der Kunde sie braucht – Edge-Gateway, on-prem Server oder Cloud: Quantisierung, ONNX-Export, teilweise mit begrenzten CPU- und RAM-Ressourcen, Tuning und Monitoring im Feld.
• Du arbeitest eng mit Data Engineers und Backend-Entwicklern zusammen, damit Modelle zuverlässig in unseren Produktions-Pipelines laufen – nicht als Prototyp in Notebooks.
• Du misst Modelle nicht nur an deren F1- oder AUC-Scores, sondern daran, was sie im Produktivbetrieb wirklich leisten: weniger ungeplante Stillstände, höhere Ausbringung, weniger Fehler.
• Du wirkst aktiv an Produkt-Roadmap und technischen Entscheidungen mit – wir erwarten Meinungen, nicht nur Abarbeitung von Tickets.

Was solltest Du mitbringen?

• Abgeschlossenes Studium in Data Science, Informatik, Mathematik, Physik oder einem verwandten Fach.
• Mindestens drei Jahre sehr praxisnahe Erfahrung mit Python, gängigen ML-Frameworks (PyTorch, scikit-learn, usw.) und Modell-Deployment in Produktionsumgebungen.
• Erfahrung mit Zeitreihenanalyse und Signalverarbeitung – wir erwarten kein PhD-Niveau, aber Du weißt, warum ein naiver MLP auf verrauschten Industriesignalen scheitert.
• Grundkenntnisse in MLOps: Versionierung von Modellen und Daten, reproduzierbare Pipelines, Tests für ML-Code.
• Sehr gute Englischkenntnisse in Wort und Schrift.
• Du kannst technische Entscheidungen begründen und im Team vertreten – auch gegen eine Mehrheit, wenn Du starke Argumente hast.
• Bonus: Erfahrung mit Edge-Deployment (ONNX, TensorRT, Quantisierung), industriellen Protokollen (OPC-UA, MQTT) oder LLMs für Chat und agentische Aufgaben.

Was erwartet Dich?

• Echte End-to-End-Verantwortung: von der Konzeption der Datenerfassung in der Produktion über die Pipeline bis zur Modellinferenz – auf Edge-Gateway, on-prem Server oder in der Cloud.
• Das Team entscheidet über Architektur, Tooling und Testabdeckung selbst.
• Agentische Werkzeuge im Alltag: Codex, Claude Code und neue Entwicklungspraktiken – wir probieren früh aus und nutzen, was funktioniert.
• Überwiegend vor Ort in Stuttgart, Ulm oder Berlin – Industrial-IoT-Projekte für Kunden weltweit, vom mittelständischen Fertiger bis zum DAX-Konzern.

Haben wir Dein Interesse geweckt?

Bei DATATRONiQ bist Du kein kleines Rädchen im Getriebe, Du gestaltest mit und bringst Deine Ideen ein. Du wirst die einzigartige Möglichkeit haben, an einem Produkt zu arbeiten, das das Potenzial hat, einen signifikaten Einfluss im industriellen Fertigungssektor zu haben. Wenn Du Deine Fähigkeiten einsetzen möchtest, um anspruchsvolle Probleme zu lösen und Du Dich aktiv bei uns einbringen willst, dann würden wir sehr gerne mit Dir sprechen!

Nimm unter [e-mail] Kontakt zu uns auf. Wir freuen uns auf Deine Bewerbung!

Wir bitten Personalvermittlungsagenturen und Headhunter, von einer Kontaktaufnahme abzusehen.