Process Data Scientist

Holcim ist der führende Partner für nachhaltiges Bauen mit einem Nettoumsatz von CHF 15.7 Milliarden im Jahr 2025 und schafft Werte in der gesamten gebauten Umwelt, von der Infrastruktur und Industrie bis hin zu Gebäuden. Mit Hauptsitz in Zug, Schweiz, hat Holcim mehr als 50 000 Mitarbeiter in 45 Ländern – in Europa, Lateinamerika und Asien, dem Nahen Osten & Afrika – und wurde vom Top Employers Institute als Global Top Employer anerkannt. Holcim bietet hochwertige End-to-End-Baustoffe und Gebäudelösungen an, von Fundamenten und Bodenbelägen bis hin zu Wänden und Dächern – unterstützt durch Premiummarken wie ECOPact, ECOPlanet, ECOCycle und Ytong.

Rollenerläuterung
Da wir ständig nach nachhaltigeren Wegen des Bauens suchen, benötigen wir erstklassige Talente für unser Team. Menschen, die sich für Nachhaltigkeit begeistern, von Neugier getrieben sind und bestrebt sind, in unserer Hochleistungskultur zu wachsen, zu lernen, sich zu entwickeln und erfolgreich zu sein.

Wir suchen einen innovativen Process Data Scientist, der motiviert ist, die größeren betrieblichen und energetischen Herausforderungen unserer Branche zu lösen. Inspiriert davon, wegweisende KI-Anwendungen zu entwickeln und einzusetzen, die eine neue Ära der Ofen- und thermischen Effizienz einläuten, brennt unser Process Data Scientist darauf, digitale Werkzeuge zu nutzen, um die Prozessstabilität zu optimieren, den Brennstoffverbrauch zu senken, die Substitution durch alternative Brennstoffe voranzutreiben und die CO2-Emissionen in unseren Plants of Tomorrow zu begrenzen.

Sie werden an dem Algorithmen-Design, der Entwicklung und dem Einsatz von Machine Learning sowie der Implementierung verschiedener Initiativen zur Optimierung von Herstellungsprozessen arbeiten, einschließlich unserer Flaggschiff-Lösung P-PREDICT.

Sie werden zudem sicherstellen, dass diese Lösungen nahtlos in unsere bestehenden und neuen Plant of Tomorrow-Technologien integriert werden, um unsere Vision einer nachhaltigen Zementherstellung zu verwirklichen.

Hauptverantwortlichkeiten:

• Machine Learning & Physics-AI Hybrid Model Design, Tuning und Validierung:
• Design, Konfiguration und Validierung von hybriden Machine Learning-Algorithmen, die physikalische Erstprinzipien des Prozesses mit adaptiven KI-Schleifen zur Kalzinator- und Ofenoptimierung kombinieren.
• Entwicklung prädiktiver Soft-Sensoren für Echtzeit-Prozessvariablen, wie die Vorhersage des Heizwertes von alternativen Brennstoffen und die Vorhersage der Klinkerqualität.
• Aufbau von Multi-Variablen-Ziel-Empfehlern für die Regelkreise unserer Öfen und anderer Anlagen.
• Einsatz von Deep Learning, Zeitreihenprognosen und probabilistischen Modellen zur Vorhersage betrieblicher Gefahren (wie z. B. Ringbildung, Zyklonblockaden und Druckspitzen).

Model Lifecycle Management:

• Verantwortlich für den End-to-End-Lebenszyklus von Modellen (einschließlich Feature Engineering, Design, Cloud/Edge-Deployment, kontinuierlichem Tuning und automatisierten Retraining-Pipelines).
• Zusammenarbeit mit unseren Lieferanten bei der Bereitstellung und Anpassung ihrer Lösungen sowie bei der Entwicklung proprietärer Holcim-Lösungen.

Explainable AI (XAI) & Operator Interface Integration:

• Design der Betriebslogik, Begründungscodes und Metriken, die auf Operator-Dashboards angezeigt werden, um eine hohe Erklärbarkeit und Benutzervertrauen zu gewährleisten.
• Enge Zusammenarbeit mit Prozessingenieuren und Anlagenbetreibern, um betriebliches Wissen in präzise Modellgrenzen zu übersetzen.

Field Adoption & Knowledge Transfer:

• Förderung der weltweiten Übernahme und Nutzung von P-PREDICT und anderen PoT-Initiativen durch strukturierte Anlagen-Onboardings, Inbetriebnahmeunterstützung und Feedbackschleifen.
• Bereitstellung von Coaching, Know-how-Transfer und technischer Dokumentation für Anlagenprozessingenieure.

Ihr Profil:
Normalerweise erforderliches Bildungsniveau/Qualifikationen:

• MS oder PhD in Informatik, Chemieingenieurwesen, Data Science, Elektrotechnik, Systemtechnik & Regelungstechnik oder gleichwertigen Fachrichtungen.
• C3.ai Zertifizierungen (C3.ai Data Science, C3.ai V8 Data Science/Application Development) oder gleichwertige Zertifizierung für Enterprise-KI-Frameworks (Vorteil).

Erfahrung:

• 3+ Jahre Erfahrung in angewandten Machine Learning- und Data Science-Projekten mit Schwerpunkt auf Prozessoptimierung in der Schwerindustrie (bevorzugt Zement, Chemie, Energie oder Mineralverarbeitung).
• 2+ Jahre Erfahrung in der Produktisierung und Skalierung von ML-Modellen in Produktionsumgebungen (sowohl Cloud als auch EDGE).
• 2+ Jahre Erfahrung in industriellem Change Management, Coaching und technischem Wissenstransfer, um die vollständige Implementierung digitaler Steuerungssysteme in der Anlage zu gewährleisten (Vorteil).

Technische Kompetenzen:

• Expertise in angewandtem Machine Learning: Anomalieerkennung, Zeitreihenprognose, Regressionsanalyse, probabilistische Modellierung, überwachtes Klassifizieren und unüberwachtes Lernen.
• Starker mathematischer & fachlicher Hintergrund: Lineare Algebra, Analysis, Wahrscheinlichkeit/Statistik, Wärme- und Stoffübertragung sowie grundlegende Prozessregelungsdynamik (PID/MPC).
• Programmierungs- & ML-Stack: Hohe Kompetenz in Python (PyTorch, TensorFlow, Scikit-learn, Pandas, NumPy) und R/SQL; Erfahrung mit Prototyp- und Produktions-Datenpipelines.
• Data Warehousing, Data Lakes & Skalierbare Datensysteme: Praktische Erfahrung mit modernen Datenplattformen, einschließlich BigQuery, Cloud Data Warehouses, Data Lakes und Lakehouse-Architekturen auf Plattformen wie GCP oder AWS. Fähigkeit, große Datensätze effizient abzufragen, zu transformieren, zu integrieren und für Analysen und Machine Learning vorzubereiten. Erfahrung mit verteilter Datenverarbeitung und skalierbaren ML-Plattformen ist ein großes Plus.
• Zeitreihen- & Industrielle Datenplattformen: Erfahrung im Umgang mit Zeitreihendatenbanken und industriellen Datenplattformen wie InfluxDB und Seeq. Vertr