Software Engineer Data Science

• Data Engineering & Datenpipelines: Anbindung und Integration unterschiedlicher Datenquellen (z.B. SQL/NoSQL, APIs, Files, IoT). Entwicklung robuster Datenpipelines für Datenextraktion, -bereinigung, -transformation und -validierung. Umsetzung von Feature Engineering und Sicherstellung hoher Datenqualität und Nachvollziehbarkeit.
• Machine Learning & Modellierung: Konzeption, Training, Evaluation und Optimierung von Machine-Learning-Modellen mit unterschiedlichen Ansätzen (z.B. XGBoost, Deep Learning, Reinforcement Learning). Entwicklung von Modellen für verschiedene Datentypen: strukturiert und unstrukturiert, von multidimensionalen Zeitreihen bis zu Bildern.
• Reproduzierbares & rückverfolgbares ML-Training: Ausbau nachvollziehbarer Trainings- und Experimentierumgebungen (Experiment Tracking, Versionierung von Daten und Modellen, Model Registry). Sicherstellung von Transparenz, Reproduzierbarkeit und Governance im gesamten ML-Lifecycle.
• Einsatz von KI in Lösungen und Entwicklungsprozess: Mitarbeit bei Konzeption, Design, Prototyping und Umsetzung moderner Lösungen mit integrierten KI-Komponenten (LLMs, RAG, Tool-Integration), sowie breiter Einsatz moderner KI-Tools im Entwicklungsprozess.
• Architektur und Entwicklung datengetriebener Softwarelösungen: Konzeption, Design, Prototyping und Umsetzung moderner Software-Anwendungen mit integrierten ML- und KI-Komponenten sowie benutzerzentrierten Oberflächen. Integration von Modellen in produktive Systeme (APIs, Microservices, Edge/Cloud).
• MLOps, DataOps & DevOps: Einsatz moderner Werkzeuge und Methoden zur Automatisierung von Daten- und ML-Workflows. Aufbau von CI/CD-Pipelines für ML-Systeme, Monitoring von Modellen im Betrieb (Performance, Drift) und strukturierte Qualitätssicherung.
• Zusammenarbeit & Enablement: Enge Zusammenarbeit mit Softwareentwicklern, Architekten und Fachverantwortlichen unserer Kunden. Weiterentwicklung interner Standards, Best Practices sowie unseres Data- und AI-Toolings., Sie begleiten Ihre Projekte von der ersten Datenanalyse über die Modellierung bis zur produktiven Integration und dem Betrieb. Sie arbeiten an technologisch anspruchsvollen Vorhaben mit hoher fachlicher Tiefe, von intelligenten Analyseplattformen über Predictive- und Optimierungsmodelle bis hin zu strategischen Daten- und KI-Initiativen in unterschiedlichsten Industrien.

Wir bieten Ihnen dabei Gestaltungsraum, moderne Technologien und ein Umfeld, das technologische Exzellenz mit unternehmerischem Denken verbindet - interdisziplinär, praxisnah und mit echter Wirkung beim Kunden.

• Ausbildung: Sehr guter Abschluss eines Studiums (FH, ETH, Uni) in Informatik, Data Science, Mathematik, Physik oder einer vergleichbaren Fachrichtung.
• Data Engineering: Fundierte Erfahrung im Umgang mit Datenquellen (SQL, NoSQL, unstrukturierte Daten), im Aufbau von Datenpipelines sowie im Feature Engineering. Verständnis für Datenmodellierung, Datenqualität und Performance-Optimierung. Erfahrungen mit Visualisierungs- und BI-Tools sind ein Plus.
• Machine Learning: Mehrjährige Erfahrung im Design, Training und Deployment von ML-Modellen (z.B. CNN, YOLO, XGBoost). Vertrautheit mit gängigen Frameworks (z.B. scikit-learn, PyTorch, TensorFlow) sowie mit Evaluationsmethoden, Hyperparameter-Tuning und Modellvalidierung. Erfahrung mit Zeitreihenanalyse oder Reinforcement Learning ist ein Plus.
• Softwareengineering: Sehr gute Programmierkenntnisse (insbesondere Python), sowie Erfahrung mit modernen Software-Architekturen, API-Design, Testing, Code Reviews und kollaborativer Entwicklung. Sehr gute Erfahrungen beim Einsatz von KI-Tools im Entwicklungsprozess (z.B. GitHub Copilot, Claude Code). Kenntnisse in UI- oder Web-Technologien, C# oder Java von Vorteil.
• MLOps & Betrieb: Erfahrung mit Experiment-Tracking, Modellversionierung und Deployment-Strategien (z.B. MLflow).
• DevOps & Qualitätssicherung: Erste Erfahrung mit CI/CD, automatisiertem Testing, Monitoring und Observability. Strukturierter Umgang mit Performance-, Stabilitäts- und Skalierungsanforderungen produktiver Systeme.
• Persönliche Kompetenzen: Analytische Stärke, hoher Qualitätsanspruch sowie Freude an datengetriebenen Fragestellungen, enger Zusammenarbeit mit dem Kunden und interdisziplinären Projekten. Strukturierte Arbeitsweise, technisches Urteilsvermögen und Begeisterung für innovative Lösungen in anspruchsvollen industriellen Umfeldern.
• Sprachen: Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift.

• Ein dynamisches und interdisziplinäres Arbeitsumfeld mit flachen Hierarchien und kurzen Entscheidungswegen
• Die Möglichkeit mit Ihrem Engagement massgeblich zum Projekterfolg beizutragen
• Abwechslungsreiche Projekte, in denen Sie Ihre technischen und sozialen Fähigkeiten anwenden und weiterentwickeln können
• Kompetente Kolleginnen und Kollegen sowie eine offene und wertschätzende Firmenkultur
• Eine moderne Infrastruktur und attraktive Arbeitsbedingungen