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

Accelleron beschleunigt die Nachhaltigkeit in der Marine- und Energiebranche als weltweit führender Technologieanbieter für Turboladung, Kraftstoffeinspritzung und digitale Lösungen für Schwerlastanwendungen. Aufbauend auf einem Erbe von über 100 Jahren als vertrauenswürdiger Industriepartner bedient das Unternehmen Kunden an mehr als 100 Standorten in über 50 Ländern. Die 3,000 Mitarbeitenden von Accelleron innovieren kontinuierlich, um erstklassige Produkte, Dienstleistungen und Lösungen zu liefern, die für die Energiewende missionskritisch sind. Sie werden Teil eines Expertenteams in einem spannenden internationalen Umfeld, das sich Exzellenz und Innovation verschrieben hat. Gemeinsam unterstützen wir unsere Kunden dabei, den Übergang zu nachhaltigen Industrien mit modernster Technologie, tiefem Fachwissen und intelligenten Lösungen voranzutreiben. Bei Accelleron fördern wir Vielfalt und Inklusion und begrüßen sowie feiern individuelle Unterschiede als Quelle der Stärke.

Diese Rolle bildet das Fundament von Accellerons neuem Advanced Analytics AI Center of Excellence. Diese Rolle erfordert Programmiererfahrung und den 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 Geschäftswert.

Das Advanced Analytics AI CoE baut prozessagnostische Fähigkeiten auf und agiert als Expertenpartner für die Prozessdomänen-Teams und Geschäftseinheiten, die die Lösungen besitzen. Neben der praktischen 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:

KI- und Machine-Learning-Anwendungsfall-Bereitstellung (Use Case Delivery)

Unterstützung und Bereitstellung datengesteuerter Lösungen: von der Problemformulierung und Machbarkeitsbewertung bis hin zur Modellentwicklung, Validierung, Bereitstellung und Post-Go-Live-Überwachung.
Erstellung von handlungsrelevanten Erkenntnissen mithilfe von Data Science & AI-Methoden: statistische Analyse, maschinelles Lernen, Computer Vision, Large Language Models angewendet auf geschäftliche Probleme.
Übergabe der Lösung an den nachhaltigen Betrieb: Dokumentation, Retraining- und Monitoring-Ansatz sowie klare Verantwortlichkeiten zusammen mit der Prozessdomäne und den Anwendungsteams.

Geschäftspartnerschaft & Wertübersetzung

Zusammenarbeit mit Geschäftseinheiten, um deren Bedürfnisse zu verstehen: Austausch mit Divisionen & Funktionen, Klärung der zu verbessernden tatsächlichen Prozesse und Einfordern von Korrekturen, wenn erforderlich.
Übersetzung analytischer Ergebnisse in Geschäftswert und Maßnahmen: Erläuterung von Erkenntnissen in Geschäftssprache, Quantifizierung des erwarteten Nutzens und Definition dessen, was sich infolgedessen ändern sollte.
End-to-End-Beratung von Business-Anwendern: von Dateneingaben, Merkmalsauswahl (Feature Selection), Modellierungsansätzen, Evaluierung von Ergebnissen bis hin zur praktischen Projektimplementierung.
Beitrag zur Qualifizierung von Anwendungsfällen: Bewertung der Datenverfügbarkeit und -qualität, des Aufwands, des Risikos und der erwarteten Rendite sowie Unterstützung des Anforderungsaufnahme- und Priorisierungsprozesses. Dies sollte den geltenden Vorschriften (z. B. EU AI Act, DSGVO) und internen Prozessen (z. B. Security) folgen.

Datenbeschaffung & Plattform-Zusammenarbeit

Identifizierung und Beschaffung relevanter Daten: Lokalisierung der richtigen internen und externen Daten, Bewertung von Qualität, Eigentümerschaft und Eignung sowie Vorbereitung für die analytische Nutzung.
Arbeit über den Enterprise Data Layer und den Data Product Catalogue: Nutzung verwalteter Datenprodukte, sofern vorhanden, und Meldung von Lücken an den Enterprise Data Architect und die Data-Product-Owner, anstatt einmalige Extrakte zu erstellen (Einmal erstellen, mehrfach einsetzen).
Identifizierung und Beschaffung relevanter Daten: Lokalisierung der richtigen internen und externen Daten, Bewertung von Qualität, Eigentümerschaft und Eignung sowie Vorbereitung für die analytische Nutzung.
Arbeit über den Enterprise Data Layer und den Data Product Catalogue: Nutzung verwalteter Datenprodukte, sofern vorhanden, und Meldung von Lücken an den Enterprise Data Architect und die Data-Product-Owner, anstatt einmalige Extrakte zu erstellen (Einmal erstellen, mehrfach einsetzen).

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 Plattform.
Anwendung solider Data-Engineering-Praktiken: Versionskontrolle, Code-Review, Umgebungsmanagement, Testen und wiederholbare Pipelines für die Datenaufbereitung und das Modelltraining.
Unterstützung bei der Definition der Methoden und Standards des CoE: Referenzansätze, Templates, Modelldokumentation, 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, Schulungen und Coaching, damit Business-Anwender 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, inkl. des MS Copilot Studio CoE, Prozessingenieuren, Anwendungseigentümern und des Digital AI Teams, um Assets wiederzuverwenden, anstatt Fähigkeiten zu duplizieren.
Beitrag zu Communiti