Data Science & AI Specialist (m/f/d) (80-100%)

Diese Rolle bildet das Fundament von Accellerons neuem Advanced Analytics AI Center of Excellence. Diese Rolle erfordert Erfahrung im Coding und im Umgang mit strukturierten und unstrukturierten Datensätzen. Diese Rolle transformiert geschäftliche Herausforderungen in datengesteuerte Lösungen: Identifizierung der richtigen Daten, Aufbau und Validierung von Modellen, Übersetzung von Ergebnissen in Erkenntnisse und messbaren geschäftlichen Wert.

Das Advanced Analytics AI CoE baut prozessagnostische Fähigkeiten auf und agiert als Experte für die Prozessdomänen-Teams und Geschäftseinheiten, die die Lösungen besitzen. Neben der operativen Umsetzung hilft die Rolle dem AI Citizen Programm im gesamten Unternehmen, sicher und effektiv mit KI zu arbeiten. Diese Rollen werden dazu beitragen, die nächste Stufe der KI-Datenreife zu erreichen.

Ihre Verantwortlichkeiten:

Bereitstellung von KI- und Machine-Learning-Anwendungsfällen

• Unterstützung und Bereitstellung datengesteuerter Lösungen: von der Problemformulierung und Machbarkeitsanalyse über die Modellentwicklung, Validierung, Bereitstellung bis hin zum Monitoring nach dem Go-live.
• Erstellung handlungsrelevanter Erkenntnisse mittels Data Science & KI-Methoden: statistische Analyse, Machine Learning, Computer Vision, Large Language Models angewandt auf Geschäftsprobleme.
• Übergabe der Lösung an den nachhaltigen Betrieb: Dokumentation, Retraining- und Monitoring-Ansatz sowie klare Verantwortlichkeiten gemeinsam mit der Prozessdomäne und den Anwendungsteams.

Business Partnership & Wertübersetzung

• Zusammenarbeit mit Geschäftseinheiten, um deren Bedürfnisse zu verstehen: Austausch mit Divisions & Functions, Klärung der zu verbessernden Prozesse und Einbringen von kritischen Fragen, wenn erforderlich.
• Übersetzung analytischer Ergebnisse in geschäftlichen Wert und Maßnahmen: Erläuterung von Erkenntnissen in der Geschäftssprache, Quantifizierung der erwarteten Vorteile und Definition dessen, was sich als Folge ändern sollte.
• End-to-End-Beratung von Business Usern: von Dateneingaben, Feature-Auswahl, Modellierungsansätzen über die Evaluierung von Ergebnissen bis hin zur praktischen Projektumsetzung.
• Beitrag zur Qualifizierung von Anwendungsfällen: Bewertung der Datenverfügbarkeit und -qualität, des Aufwands, des Risikos und des erwarteten Ertrags sowie Unterstützung des Demand-Intake- und Priorisierungsprozesses. Dies muss den geltenden Vorschriften (EU AI Act, GDPR) und internen Prozessen (Security) entsprechen.

Datengewinnung & Zusammenarbeit mit der Plattform

• Identifizierung und Beschaffung relevanter Daten: Lokalisierung der richtigen internen und externen Daten, Bewertung von Qualität, Ownership und Eignung sowie Vorbereitung für die analytische Nutzung.
• Arbeit über den Enterprise Data Layer und den Data Product Catalogue: Nutzung von verwalteten (governed) Datenprodukten, sofern vorhanden; Rückmeldung von Lücken an den Enterprise Data Architect und die Data-Product-Owner, anstatt einmalige Extrakte zu erstellen (Create once, deploy multiple times).
• Identifizierung und Beschaffung relevanter Daten: Lokalisierung der richtigen internen und externen Daten, Bewertung von Qualität, Ownership und Eignung sowie Vorbereitung für die analytische Nutzung.
• Arbeit über den Enterprise Data Layer und den Data Product Catalogue: Nutzung von verwalteten (governed) Datenprodukten, sofern vorhanden; Rückmeldung von Lücken an den Enterprise Data Architect und die Data-Product-Owner, anstatt einmalige Extrakte zu erstellen (Create once, deploy multiple times).

Tooling, Engineering & Standards

• Integration von Tools wie Python und R in die Analytics-Landschaft inkl. Notebooks, Bibliotheken und deren Nutzung innerhalb von Microsoft Fabric und der Enterprise Data Platform.
• Anwendung solider Data-Engineering-Praktiken: Versionskontrolle, Code-Review, Environment Management, Testing und wiederholbare Pipelines für die Datenaufbereitung und das Modelltraining.
• Mithilfe bei der Definition der Methoden und Standards des CoE: Referenzansätze, Templates, Model-Dokumentation, Evaluationskriterien und der Weg vom Prototyp zur Produktion.
• Evaluierung neuer Methoden und Tools: Bewertung ihrer Eignung für Accelleron und Abgabe pragmatischer Empfehlungen zur Einführung.

Befähigung von Citizen Data Scientists & Wissensaustausch

• Befähigung von AI Citizens: Bereitstellung von Leitplanken, Templates, Training und Coaching, damit Business User Advanced Analytics sicher und effektiv anwenden können.
• Beratung der Citizen Community bei der Methodenwahl: wann Self-Service Analytics angemessen ist, wann eine vom CoE bereitgestellte Lösung die bessere Antwort ist und wo die Risiken liegen.
• Austausch von Best Practices und Zusammenarbeit über Digital- und IS-Teams hinweg (MS Copilot Studio CoE, Prozessingenieure, Application Owner und das Digital AI Team), um Assets wiederzuverwenden, anstatt Fähigkeiten zu duplizieren.
• Beitrag zu Communities of Practice, um die KI- und Datenkompetenz in der gesamten Organisation zu steigern.

Messung des Erfolgs:

• Data Science & AI Anwendungsfälle, die in die Produktion überführt wurden und einen nachweisbaren geschäftlichen Wert bieten.
• Modelle, die dokumentiert, überwacht und über ihren ursprünglichen Autor hinaus wartbar sind.
• Analytische Lösungen, die auf verwalteten Datenprodukten basieren statt auf maßgeschneiderten Einzelanfertigungen.
• Eine wachsende, kompetente und gut verwaltete AI Citizen j4id10417656a j4it0940a j4iy26a