Data Scientist (m/w/d) - Anomalieerkennung für Recyclinganlagen in Aachen, Deutschland

Digitalisierung ist deine Leidenschaft und du brennst für Nachhaltigkeit?

Dann gestalte mit uns die digitale Transformation der Recyclingbranche!

Die Eggersmann Gruppe ist ein international tätiger Verbund von Unternehmen mit über 50 Jahren Erfahrung in Umwelttechnologien und mehr als 1.300 Mitarbeitenden weltweit. Als führender Anbieter von Recyclinganlagen und -maschinen treiben wir zukunftsorientierte Lösungen für eine funktionierende Kreislaufwirtschaft voran. Um die Potenziale der Digitalisierung und Automatisierung in der Recyclingbranche voll auszuschöpfen, haben wir in Aachen unseren digitalen Innovations-Hub als Corporate Start-up gegründet. Mit der ESA app, unserer modularen IIoT-Software, optimieren wir den Betrieb von Recyclinganlagen und -maschinen durch Datenanalyse und Machine Learning.

Deine Mission:

Du machst Maschinendaten nutzbar: Mit Machine-Learning-Modellen erkennst du ungewöhnliche Muster und Abweichungen in den Zeitreihen unserer Recyclinganlagen. So hilfst du dabei, Abweichungen frühzeitig zu erkennen und die Ursachenanalyse sowie die Optimierung von Prozessen zu unterstützen. Von der Datenanalyse über die Entwicklung und Validierung deiner Modelle bis zu deren Einsatz im Produkt begleitest du den gesamten Weg – eng abgestimmt mit unseren Fachleuten aus der Praxis.

Deine Aufgaben:

• Du entwickelst, trainierst und validierst Machine-Learning-Modelle mit Schwerpunkt auf der Anomalieerkennung in Zeitreihen in wartbarem Python-Code inklusive der Nutzung von Coding Assistants.

• Du analysierst und visualisierst komplexe Zeitreihendaten, um Muster, Ursachen und Optimierungspotenziale aufzudecken.

• Du deployst Modelle in den produktiven Betrieb und richtest das initiale Monitoring ein.

• Du entwickelst Datenmodelle und schreibst effiziente SQL-Abfragen für relationale Datenbanken.

• Du arbeitest eng mit unseren Fachexpert:innen zusammen und übersetzt betriebliche Herausforderungen in datenbasierte Lösungen inklusive der Nutzung von Coding Assistants.

Dein Profil:

• Du hast ein Studium der Informatik, Data Science, Ingenieurwissenschaften, Physik, Mathematik oder eines verwandten Fachs abgeschlossen

• Du bringst mindestens zwei Jahre Berufserfahrung im Bereich Industrial Data Science oder in einer vergleichbaren Position mit.

• Du verfügst über fundierte Kenntnisse in Machine Learning und Statistik, idealerweise mit Erfahrung in der Analyse von Zeitreihen oder der Anomalieerkennung.

• Du hast sehr gute Python-Kenntnisse, insbesondere mit objektorientierter Programmierung sowie scikit-learn, pandas und NumPy.

• Du bist erfahren im Umgang mit SQL und im Entwurf relationaler Datenbanken, beispielsweise mit PostgreSQL.

• Gute Softwareentwicklungspraktiken wie Git und Code Reviews sind für dich selbstverständlich.

• Du denkst analytisch und gehst strukturiert an komplexe Problemstellungen heran.

• Du bist bereit, regelmäßig vor Ort in Aachen zu arbeiten; an den übrigen Tagen ist mobiles Arbeiten möglich.

• Du verfügst über gute Englischkenntnisse in Wort und Schrift.

Das ist ein Plus

• Praktische Erfahrung mit Cloud-Anbietern wie AWS und Daten- oder Machine-Learning-Anwendungen in der Cloud

• Erfahrung im Umgang mit industriellen Echtzeit-Maschinendaten

• Erste Erfahrung mit KI-gestützten Programmierwerkzeugen wie Claude oder GitHub Copilot.

Benefits:

• Attraktive Vergütung, unbefristeter Vertrag und 30 Tage Urlaub.

• Verantwortung ab Tag eins mit sehr viel Raum für Gestaltung und Wirkung.

• Moderne Büros in Aachen mit direkter Anbindung an das Ökosystem des digitalHUB – inklusive Zugang zu Workshops und Networking-Events

• Flexible Arbeitszeiten und ortsunabhängiges Arbeiten (z. B. im Homeoffice).

• Eine gelebte Start-up-Kultur unter dem Dach einer erfolgreichen, inhabergeführten Unternehmensgruppe

• Nachhaltigkeitsbewusstsein, Teamgeist und eine familiäre Kultur gibt es on top.

Klingt spannend? Bitte sende uns deinen Lebenslauf und deine Zeugnisse in einem PDF-Dokument. Ein Anschreiben ist nicht erforderlich.