Senior Data Scientist (m/w/d)

Über uns: HyPlus ist Dein Wegbegleiter im digitalen Wandel. Gemeinsam mit unseren Kund:innen entwickeln wir strukturiert, partnerschaftlich und mit klarem Fokus auf nachhaltigen Mehrwert, deren digitale DNA. Wir begleiten Unternehmen von der Anforderungsanalyse über Architektur, Softwareentwicklung und Implementierung bis hin zum Betrieb.

Mit rund 800 Kolleg:innen in Deutschland, Polen, Litauen, Rumänien und Indien verbinden wir technologische Exzellenz mit Branchenkompetenz in Automotive, Handel, Banken & Versicherungen sowie dem öffentlichen Sektor. Wir begrüßen Bewerberinnen und Bewerber, die sich bereits mit modernen KI-gestützten Entwicklungstools und generativer KI beschäftigen oder Interesse daran haben, diese sinnvoll in ihren Arbeitsalltag zu integrieren.

Den reflektierten Einsatz von KI sehen wir als wertvolle Ergänzung zu technischem Know-how und eigenständigem Denken. Als Senior Data Scientist verantwortest du datenwissenschaftliche Lösungen bei unseren Kund:innen end-to-end: von der Bewertung des Use Cases über Modellentwicklung und Validierung bis zur Produktivsetzung. Du bist die fachliche Ansprechperson für Statistik, Machine Learning und den praxisnahen Einsatz generativer KI, übersetzt Geschäftsfragen in analytische Lösungsansätze, berätst Stakeholder auf Augenhöhe und gibst dein Wissen im Team weiter.

Gestaltung und fachliche Leitung von Data-Science- und KI-Projekten in interdisziplinären Teams – von der Problemdefinition bis zum produktiven Einsatz Identifikation und Bewertung von Use Cases hinsichtlich Machbarkeit, Datenlage und Wirtschaftlichkeit sowie Übersetzung von Geschäftsfragestellungen in analytische und technische Lösungsansätze Explorative Datenanalyse, Feature Engineering und Aufbereitung komplexer, heterogener Datensätze als Grundlage für Modellierung Entwicklung, Training und Optimierung statistischer und Machine-Learning-Modelle – etwa Regressions- und Klassifikationsverfahren, baumbasierte und Bayes'sche Methoden, Clustering, Forecasting oder mathematische Optimierung – in Batch- und Real-Time-Kontexten Konzeption und Durchführung von Experimenten und Validierungen: Metrikdefinition, Kreuzvalidierung, A/B-Tests sowie Prüfung von Robustheit, Bias und Stabilität Konzeption und Umsetzung von Lösungen mit generativer KI und Large Language Models, etwa Retrieval-Augmented Generation, Prompt-Engineering oder Agentic-AI-Ansätze Produktivsetzung von Modellen gemeinsam mit Engineering-Teams sowie Abstimmung zu Datenbereitstellung, Datenqualität und Schnittstellen Konzeption und Umsetzung von Lösungen auf modernen Cloud- und Data-Science-Plattformen (z.