09.11.2026 aktualisiert
VC
100 % verfügbar
Data Scientist | Applied AI Engineer
Würzburg, Deutschland
Nur Remote
Doctor rer. nat. in Astrophysics, Technische Universität DortmundSkills
Künstliche IntelligenzMachine LearningFeature-EngineeringData ScienceDeep LearningGenerative AIModel Predictive Control
Generative AI und Agentic Systems
Umfangreiche Kenntnisse in der Entwicklung von cloud- und on-premise-basierten Agentensystemen, einschließlich MCP, Agenten-Infrastruktur und -Architektur sowie Prompt Engineering. Einsatz von Frameworks wie LangGraph, LangChain und Langfuse sowie Tools wie Claude, Claude Code, Codex, Cursor und GitHub Copilot.
Data Science und Machine Learning
Mehr als 20 Jahre Erfahrung in Data Science, einschließlich Reinforcement Learning, Deep Learning, Systemidentifikation, ANN, PINNs, Monte Carlo Simulation sowie hybrider und gemischter Modelle. Kenntnisse in Klassifikation, Clustering, Forecasting und Modellevaluierung.
Model Predictive Control
Mehr als 9 Jahre Erfahrung in Model Predictive Control, inklusive linearer dynamischer Systemmodelle, Convex Optimization, Sensor-Korrelation und -Kausalität sowie on-premise Pipelines zur automatischen Optimierung industrieller Produktionsprozesse.
Cloud und MLOps
Kenntnisse in Azure ML Studio, Azure Functions, Data Factory, Data Lake Storage, AWS und minIO zur Umsetzung von MLOps-Workflows und automatisierten Modell-Retraining-Pipelines.
Programmierung
Fundierte Kenntnisse in Python, R, Matlab und Mathematica zur Entwicklung und Umsetzung von Data-Science- und KI-Lösungen.
Datenbanken und Datenspeicher
Erfahrung mit SQL, PostgreSQL, Redis, RabbitMQ, Qdrant und SQL Server für die Datenhaltung und -verarbeitung in verschiedenen Projektkontexten.
Forecasting und Zeitreihenanalyse
Kenntnisse in Transformers, LSTM, ARIMA, Kalman Filter, Gaussian Process, GARCH, Exponential Smoothing und Regression zur Vorhersage und Analyse von Zeitreihendaten.
Mathematik und Modellierung
Kenntnisse in ODE, AODE, PDE, Lie-Gruppen für ODE, Finite-Elemente-Analyse, NODEs und PINNs als mathematische Grundlage für komplexe Modellierungsaufgaben.
Plattformen und Tools
Erfahrung mit Linux, Windows, Docker, Power BI, Qlik Sense, GIMP, MS Office, LaTeX und draw.io für Entwicklung, Visualisierung und Dokumentation.
Datenqualität und Feature Engineering
Kenntnisse in Data Quality, ETL, Umgang mit fehlenden Daten, Ausreißern, Imputation, Feature Engineering, Encoding und Variablenauswahl zur Vorbereitung hochwertiger Datensätze.
Umfangreiche Kenntnisse in der Entwicklung von cloud- und on-premise-basierten Agentensystemen, einschließlich MCP, Agenten-Infrastruktur und -Architektur sowie Prompt Engineering. Einsatz von Frameworks wie LangGraph, LangChain und Langfuse sowie Tools wie Claude, Claude Code, Codex, Cursor und GitHub Copilot.
Data Science und Machine Learning
Mehr als 20 Jahre Erfahrung in Data Science, einschließlich Reinforcement Learning, Deep Learning, Systemidentifikation, ANN, PINNs, Monte Carlo Simulation sowie hybrider und gemischter Modelle. Kenntnisse in Klassifikation, Clustering, Forecasting und Modellevaluierung.
Model Predictive Control
Mehr als 9 Jahre Erfahrung in Model Predictive Control, inklusive linearer dynamischer Systemmodelle, Convex Optimization, Sensor-Korrelation und -Kausalität sowie on-premise Pipelines zur automatischen Optimierung industrieller Produktionsprozesse.
Cloud und MLOps
Kenntnisse in Azure ML Studio, Azure Functions, Data Factory, Data Lake Storage, AWS und minIO zur Umsetzung von MLOps-Workflows und automatisierten Modell-Retraining-Pipelines.
Programmierung
Fundierte Kenntnisse in Python, R, Matlab und Mathematica zur Entwicklung und Umsetzung von Data-Science- und KI-Lösungen.
Datenbanken und Datenspeicher
Erfahrung mit SQL, PostgreSQL, Redis, RabbitMQ, Qdrant und SQL Server für die Datenhaltung und -verarbeitung in verschiedenen Projektkontexten.
Forecasting und Zeitreihenanalyse
Kenntnisse in Transformers, LSTM, ARIMA, Kalman Filter, Gaussian Process, GARCH, Exponential Smoothing und Regression zur Vorhersage und Analyse von Zeitreihendaten.
Mathematik und Modellierung
Kenntnisse in ODE, AODE, PDE, Lie-Gruppen für ODE, Finite-Elemente-Analyse, NODEs und PINNs als mathematische Grundlage für komplexe Modellierungsaufgaben.
Plattformen und Tools
Erfahrung mit Linux, Windows, Docker, Power BI, Qlik Sense, GIMP, MS Office, LaTeX und draw.io für Entwicklung, Visualisierung und Dokumentation.
Datenqualität und Feature Engineering
Kenntnisse in Data Quality, ETL, Umgang mit fehlenden Daten, Ausreißern, Imputation, Feature Engineering, Encoding und Variablenauswahl zur Vorbereitung hochwertiger Datensätze.
Sprachen
DeutschverhandlungssicherEnglischverhandlungssicherRumänischMuttersprache
Projekthistorie
Aufbau eines agentischen Systems für ein ERP-Produkt (Syspro). Verantwortlichkeiten: Research, Konzeptualisierung und Lösungsplanung, Implementierung mit Claude Code und Skills, LLM-Token-Optimierung und -Sicherheit, LLM-Observability, LLM-as-a-Judge Evaluierungsframework, Custom Skill Authoring, Voice-Pipelines (Text-to-Voice, Voice-to-Voice, Voice-to-Text). Technologien: LangGraph, LangChain, Multi-Provider LLMs, MCP, Langfuse, SQL, PostgreSQL, Redis, RabbitMQ, Qdrant, Docker, Azure, Claude.
Bestimmung optimaler Regler zur automatischen Optimierung der Ziegelsteinproduktion für Jakoby GmbH. Presales für neue Features, technisches Konzept, Datenqualität und ETL, Smart Alerting, lineares dynamisches Systemmodell, Modell-Testing und -Validierung, Controller-Optimierung, Kundenpräsentation und Dokumentation. Technologien: Time Series, Sensor Correlation and Causation, Model Identification, Convex Optimization, On-Premise Pipeline.
Aufbau eines intelligenten Planungssystems für ein virtuelles Kraftwerk zur Optimierung des Energieplans der kommenden Tage. Datenqualität und ETL, Lösungskonzept, Datenanalyse und Kommunikation der Ergebnisse, Anomalieerkennung, Ausreißer, Vorhersage, Datenqualität und -konsistenz, Testing, Validierung und Dokumentation. Technologien: Time Series, Anomaly Detection, Prediction.