Werkstudent KI & Datenanalyse

eigens.net; Berlin; Hybrid; Vertraulich; Teilzeit

Zusammenfassung

Ein innovatives Unternehmen im Gesundheitsbereich in Berlin sucht einen Werkstudenten für KI und Datenanalyse. Du wirst an einem praxisrelevanten Projekt arbeiten, das maschinelles Lernen einsetzt, um die Arzneimittelverfügbarkeit zu verbessern. Der Fokus liegt auf der Analyse großer Datensätze und der Entwicklung von ML-Modellen. Flexible Arbeitszeiten und die Möglichkeit zur Verlängerung des Projekts werden angeboten.

Leistungen

Moderne Ausstattung

Flexible Arbeitszeiten

Home-Office-Möglichkeiten

Mentoring durch erfahrene Kollegen

Knockout-Bounty von 10.000 €

Qualifikationen

• Studierende mit hohem Interesse an komplexen Analyse- und Prognoseaufgaben.
• Erfahrung oder starkes Interesse an Machine Learning.
• Hohe Motivation und Begeisterung für komplexe Daten- und Analyseaufgaben.

Aufgaben

• Arbeiten mit großen Datensätzen zur Datenanalyse.
• Entwicklung und Vergleich von ML-Modellen.
• Integration externer Einflussfaktoren in die Analyse.

Kenntnisse

Interesse an Machine Learning

Gute Kenntnisse in Python

Analytische Denkweise

Team- und Kommunikationsfähigkeit

Ausbildung

Studium in Informatik, Data Science, Statistik, Mathematik

Tools

scikit-learn

TensorFlow

PyTorch

Jobbeschreibung

Ausschreibung: Studentische Mitarbeit / WerkstudentKI & Datenanalyse (ML-Team / Einzelperson)

eigens net GmbH — Apotheken-Kooperation & Gesundheitsinnovation
Ort: Berlin, Franklinstraße (Nähe Universität)

Aufgaben

Deine Mission

Lieferengpässe, saisonale Nachfragespitzen und externe Einflussfaktoren erschweren eine zuverlässig planbare Arzneimittelversorgung. Mit diesem Projekt wollen wir herausfinden, wiemaschinelles Lernen & KI-Modellekonkret dazu beitragen können,die Arzneimittelverfügbarkeit sicherer und bedarfsgerechterzu machen — um Menschen Wartezeiten zu ersparen.

Das erwartet dich

• Arbeiten mit großen Datensätzen (ca. 10 Jahre, mehrere Millionen Datenpunkte)
• Identifikation, Integration und Korrelation externer Einflussfaktoren (Wettereinflüsse, Feiertage, Infektionsverläufe, Lieferengpässe etc.)
• Entwicklung, Training und Vergleich verschiedener ML-Modelle (Forecasting, Zeitreihen, Regressions- oder Klassifikationsansätze)
• Prozessdesign für Modellaktualisierung, Monitoring und Deployment bei vollständiger DSGVO-Konformität
• Möglichkeit, dass dein Prototyp später produktiv eingesetzt und weiterentwickelt wird

Zweistufiges Auswahlverfahren

Runde 1: Fachliche Eignung (diese Bewerbungsrunde) Bewirb dich mit deinen Unterlagen. Wir prüfen deine fachliche Qualifikation und Motivation.

Runde 2: Konzeptpitch (nur für qualifizierte Kandidaten) Qualifizierte Bewerber:innen erhalten zusätzliche Projektinformationen und werden eingeladen, einen 10-15-minütigen Konzeptpitch zu erarbeiten und zu präsentieren.

Qualifikation

Wer gesucht wird

• EinzelpersonenoderTeams (2–3 Personen), die sich als High Potentials verstehen
• Studierende (z. B. Informatik, Data Science, Statistik, Mathematik, Wirtschaftsinformatik oder ähnlich) mit hohem Interesse an komplexen Analyse- und Prognoseaufgaben
• Interesse an Python oder ähnlichen Tools & ML-Bibliotheken, idealerweise erste relevante Projekte/Erfahrungen
• Hohe Motivation, analytische Denkweise, Lust auf Gestaltung und Impact

Anforderungen

• Studium in Informatik, Data Science, Statistik, Mathematik, KI, Wirtschaftsinformatik oder verwandtem Bereich
• Sehr hohe Motivation, Lernbereitschaft und Begeisterung für komplexe Daten- und Analyseaufgaben
• Erfahrung oder starkes Interesse an Machine Learning, Forecasting / Zeitreihenanalyse
• Gute Kenntnisse in Python (oder einer anderen geeigneten Sprache) und einschlägigen ML-Bibliotheken (z. B. scikit-learn, TensorFlow, PyTorch o. Ä.)
• Bewusstsein und Verantwortung für Datenschutz, Datensicherheit und Compliance
• Team- und Kommunikationsfähigkeit, selbständige Arbeitsweise

Benefits

Wir bieten

• Reales, kritisch relevantes Praxisprojekt mit gesellschaftlichem Nutzen und echtem Impact
• Moderne Ausstattung, flexible Arbeitszeiten, Home-Office-Möglichkeiten
• Betreuung, Feedback, Mentoring durch erfahrene Kolleg:innen
• Laufzeit: 3 Monate, mit Option auf Verlängerung oder Anschlussprojekte bei erfolgreicher Zusammenarbeit
• Arbeitszeit: ca. 15-30 Stunden/Woche (je nach Semesterlage und Absprache)
• Knockout-Bounty: 10.000 €bei Erreichen der definierten Qualitäts- und Leistungsziele

Bewerbung

• Kurzes Motivationsschreiben (max. 1 Seite) – warum interessiert dich dieses Projekt?
• Lebenslauf
• Bisherige relevante Projekte / Referenzen (z. B. GitHub-Profile, Projektbeschreibungen, Studienarbeiten)
• Deine Verfügbarkeit (ab wann, wie viele Stunden/Woche)
• Betreff bitte: „ML-Projekt / Team“