Senior-Wissenschaftler für maschinelles Lernen

Arbeitszeit: Die Zusammenarbeit unterstützt asynchrones Arbeiten und orientiert sich an einer EU-Zeitzone.
Erfahrung: Erforderlich sind mindestens fünf Jahre angewandte ML-Erfahrung mit produktiv eingesetzten Modellen und nachweislicher Umsetzung messbar wirksamer Funktionen.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet ML-Vorhaben von der Problemdefinition über Forschung und Produktivsetzung bis zur Messung ihrer Wirkung auf den Marktplatz. Sie berichtet an die KI-Leitung und arbeitet mit Entwicklung, Produktmanagement, Wachstumsteam und Datenanalyse zusammen.

Deine Aufgaben

Die Rolle übersetzt offene Produktfragen in ML-Probleme und wählt zwischen Ranking, Retrieval, Klassifikation, Sequenzmodellen, LLM-Agenten und klassischer Statistik. Sie verbindet geeignete neue Verfahren mit pragmatischen Lösungen.
Sie übernimmt Datenexploration, Offline-Evaluation, Prototypen, Online-Experimente und Iterationen. Dabei verknüpft sie NDCG, AUC und Kalibrierung mit Buchungszuwachs, Kundenbindung und Bruttowarenvolumen und bewertet die Marktplatzwirkung über die Klickrate hinaus.
Sie entwickelt personalisierte Veranstaltungsrankings und Empfehlungen, untersucht die frühzeitige Vorhersage von Abwanderung und optimiert Kurs- oder Mitgliedschaftspreise, um das Bruttowarenvolumen der Anbieter zu maximieren, ohne Buchungen zu beeinträchtigen.
Sie bringt Modelle gemeinsam mit der Entwicklung in den Produktivbetrieb, erstellt Evaluationssysteme und Monitoring zur Erkennung von Modelldrift und hält Latenzbudgets ein. Zum technischen Umfeld gehören FastAPI, PostgreSQL, BigQuery, AWS App Runner, FAISS, sentence-transformers und verwaltete LLM-APIs.
Sie entwickelt zuverlässige LLM-Funktionen für gestaffelte Marketingkampagnen, Impulse zur Kundenbindung sowie Preis- und Inhaltsvorschläge. Hinzu kommen digitale Assistenz, semantische Suche, Empfehlungen und Antworten auf Fragen am Empfang.
Sie baut Agentensysteme mit Werkzeugnutzung, RAG, strukturierten Ausgaben und Evaluationsschleifen sowie bei Bedarf menschlicher Einbindung. Sie entscheidet zwischen Prompt-Engineering, Fine-Tuning und klassischen Modellen.
Sie bewertet mit dem Produktmanagement Potenziale und überführt Erkenntnisse in Entscheidungen zur Produktplanung. Gemeinsam mit Wachstumsteam und Datenanalyse misst sie die Wirkung auf den Marktplatz.
Sie setzt fachliche Standards für Offline-Evaluation, Versuchsplanung und schriftliche Ausarbeitungen im KI-Team.

Das solltest du mitbringen

Erforderlich

Erforderlich sind mindestens fünf Jahre Erfahrung in angewandtem maschinellem Lernen mit der Überführung von Modellen in den Produktivbetrieb.
Erforderlich sind nachweisliche Erfolge darin, eine zunächst unklare Anfrage aus dem Produktmanagement in eine ausgelieferte Funktion mit messbarer Wirkung zu überführen.
Erwartet wird Sicherheit im gesamten ML-Lebenszyklus von Problemdefinition und Daten über Modellierung und Evaluation bis zu Bereitstellung und Monitoring.
Erforderlich sind sehr gute Python- und SQL-Kenntnisse sowie die Fähigkeit, produktionsreifen Code über Notebooks hinaus zu schreiben.
Erforderlich sind solide Grundlagen in mindestens einem der folgenden Bereiche: Ranking und Empfehlungssysteme, NLP und Embeddings, klassisches maschinelles Lernen, LLMs und Agenten oder kausale Inferenz.
Erwartet wird sicherer Umgang mit modernen LLM-Werkzeugen für Prompting, RAG, Evaluation, Werkzeugnutzung und strukturierte Ausgaben.
Erforderlich sind praktische Statistikkenntnisse zur Versuchsplanung, zum Umgang mit Störfaktoren und zum Erkennen fehlerhafter A/B-Tests.
Erwartet wird eine produktorientierte Arbeitsweise, die den Nutzen für Anwender höher gewichtet als die Neuartigkeit eines Verfahrens.
Erwartet wird die tägliche Nutzung von KI-Werkzeugen zur schnelleren Umsetzung, beispielsweise Claude Code oder Cursor.
Erwartet wird die schriftliche Dokumentation durch Memos, Versuchsergebnisse und Entwurfsdokumente.
Erwartet wird die Bereitschaft, als zweite ausschließlich für ML zuständige Person zu arbeiten und das fachliche Niveau weiter anzuheben.
Erwartet werden Qualitätsbewusstsein, konsequente Umsetzung und Verantwortung auch nach der Auslieferung.

Von Vorteil

Erfahrung mit Marktplätzen, Suche oder Empfehlungen innerhalb dieser ML-Tätigkeit ist von Vorteil.
Vertrautheit mit dem technischen Umfeld aus FastAPI, PostgreSQL, BigQuery, FAISS, sentence-transformers, AWS und Amplitude ist von Vorteil.
Eine Promotion oder ein Forschungshintergrund ist besonders von Vorteil.

Weitere Angaben

Ein weiterführender Hochschulabschluss in maschinellem Lernen, Informatik, Statistik oder einem verwandten Fach ist ein typischer Hintergrund.
Zum Werteverständnis gehört Offenheit für unterschiedliche Hintergründe, Meinungen und Denkweisen sowie für sachlichen Widerspruch.
Zum Werteverständnis gehören Eigeninitiative, das Einbringen eigener Positionen und das Vorantreiben von Aufgaben unabhängig von der Funktion sowie die Bereitschaft, auch kleine Aufgaben zu übernehmen.
Zum Werteverständnis gehören Neugier, das Erproben von Grenzen und der Umgang mit Herausforderungen als Chancen sowie hohe Qualitätsansprüche und konsequente Umsetzung.
Die Rolle richtet sich an Personen, die Herausforderungen, eigenständiges Arbeiten und den Aufbau wirksamer Lösungen schätzen.

So ist Remote hier geregelt

Die Arbeit ist vorrangig remote organisiert, unterstützt asynchrone Zusammenarbeit und orientiert sich an einer EU-Zeitzone.

Das wird angeboten

Die Vergütung umfasst ein Gehalt und eine Unternehmensbeteiligung in einer frühen Unternehmensphase.
Die Rolle bietet eigenständigen Gestaltungsspielraum für die weitere Entwicklung des ML-Bereichs.

So läuft die Bewerbung

Zur Bewerbung gehören ein Lebenslauf oder ein berufliches Profil sowie eine kurze Erläuterung eines vollständig bis zum Produktivbetrieb umgesetzten ML-Systems und seiner tatsächlichen Wirkung.
Die kurze Erläuterung soll außerdem eine fehlerhafte Modellierungsentscheidung und die daraus gewonnenen Erkenntnisse beschreiben. Optional kann eine wiederholt genutzte wissenschaftliche Veröffentlichung, ein Blogbeitrag oder ein Repository genannt werden.

Veröffentlicht: 29.05.2026 · Quelle geprüft: 18.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.