Technische Ownership für das Data Warehouse übernehmen und dessen Architektur, Datenmodelle und Qualitätsstandards weiterentwickeln., dbt strategisch einsetzen: Von modularer Modellierung über Tests, Dokumentation und Refactoring bis hin zu wiederverwendbaren Patterns mit Jinja und Etablierung von Best Practices im Team., Performance, Skalierbarkeit und Zuverlässigkeit des Redshift-basierten Warehouses verbessern und zur langfristigen Professionalisierung der Plattform beitragen., Neue Datenpipelines entwickeln und gemeinsam mit dem Team deren saubere Orchestrierung und stabilen Betrieb in Airflow verantworten., Best Practices in Governance und Observability einbringen, Standards für Datenqualität, Ownership, Monitoring und Dokumentation weiterentwickeln und sicherstellen, dass Probleme früh erkannt und verlässlich adressiert werden.

Übernahme der strategischen Führung und Weiterentwicklung des Teams sowie Vorantreiben der Data- & KI-Architektur der Abteilung, inklusive Definition von Zielbildern, Standards und Roadmaps für Datenintegration, Datenmanagement und KI-Anwendungen., Aufbau und Weiterentwicklung datengetriebener Entscheidungsgrundlagen für den Energiehandel, einschließlich der Entwicklung, Implementierung und Nutzung von Advanced Analytics, Predictive Models sowie Backtesting-Funktionalitäten zur Bewertung und Optimierung von Handelsstrategien., Operative Steuerung des Teams für Data-Engineering-, Plattform- und KI-Projekte und Sicherstellung eines effizienten und skalierbaren Betriebs der Plattformen., Sicherstellung von Qualität, Stabilität, Sicherheit und Compliance in der gesamten Daten- und KI-Infrastruktur – inklusive Monitoring, Incident- und Change-Management sowie MLOps-Governance., Identifizierung datengetriebener Anwendungsfälle in enger Zusammenarbeit mit anderen Fachbereichen und Begleitung deren Umsetzung in skalierbare Lösungen – von der Datenerfassung bis zum produktiven Betrieb der Modelle., Förderung von Innovation, Wissenstransfer und Engineering-Exzellenz im Bereich Data & AI, inklusive Coaching der Teams und Einführung moderner Technologien und Methoden.

Build Apheris’ AI-first internal data foundation by creating a unified data layer across meeting transcripts, email and Slack communication, CRM and account context, Confluence, product documentation, and selected external signals., Design pragmatic data pipelines, schemas, and retrieval systems optimized for LLM access, ensuring information is structured, queryable, and reliable for downstream workflows., Build agentic workflows and internal AI systems, designing and deploying agentic workflows and LLM interfaces used daily by teams., Deliver concrete, high-impact use cases such as pre-meeting briefings with account context and recommended actions, automated debriefs and follow-ups, extraction of customer feedback into structured product insights, cross-functional visibility into discussions and decisions, translation of customer signals into product inputs, competitive intelligence and internal knowledge synthesis, high-quality draft generation for internal and external communication, marketing copy, and decision dashboards for senior leadership., Continuously iterate based on real usage and feedback., Drive adoption and workflow transformation by identifying high-value workflows across commercial, product, and leadership teams, replacing manual, fragmented processes with AI-native workflows, and shaping how teams use AI in day-to-day work through tooling, interfaces, and patterns., Turn prototypes into production-ready systems by moving fast from prototype to reliable internal tooling and establishing lightweight standards for data quality and consistency, access control and permissions, and monitoring and maintenance., Build secure, reliable, and non-destructive agent systems by enforcing process isolation and strict permissioning, ensuring predictable, auditable behavior through clear execution boundaries, logging, and reproducibility, and implementing fail-safes, rollback mechanisms, and continuous testing., Contribute to company-wide AI-first transformation by acting as a key driver in making Apheris an AI-native organization, bringing in best practices from agentic AI, LLM tooling, and workflow automation, and selectively contributing to adjacent technical systems where relevant.

Du arbeitest aktiv an der Analyse und Aufbereitung von Unternehmensdaten, z. B. aus ERP-, CRM- oder DMS-Systemen, Datenmodelle und Auswertungen entwickelst und optimierst du zur Unterstützung von Geschäftsentscheidungen, Bei der Erstellung von Dashboards und Reports, z. B. mit Qlik oder ähnlichen Tools, wirkst du mit, Du unterstützt dabei, Prozesse durch datengetriebene Ansätze zu automatisieren und zu verbessern, Moderne Technologien wie Python, SQL oder Cloud-Integrationsplattformen setzt du im Arbeitsalltag ein, Du bist Teil von Digitalisierungsprojekten und bringst eigene Ideen zur Nutzung von Daten im Unternehmen ein, Schritt für Schritt übernimmst du eigene Teilprojekte im Bereich Datenanalyse und Softwareentwicklung

Design and develop autonomous agent systems specifically tailored to the requirements of the insurance industry that independently analyze, plan and execute complex tasks – from architecture to production-ready deployment, Develop and implement scalable AI products for the German and international market – from multi-agent systems to RAG and LLM pipelines to computer vision solutions – to optimize existing products or create completely new AI-powered solutions, Research and test the latest AI processes, develop your own foundation models for the insurance industry and bring the most promising approaches into production

Unterstützung der Weiterentwicklung und des Betriebs von Data-Leakage-Prevention-Fähigkeiten., Analyse sicherheitsrelevanter DLP-Ereignisse und Ableitung von Maßnahmen zur Risikominimierung., Mitarbeit an der Umsetzung und Verbesserung von DLP-Regeln, Richtlinien und Use Cases., Unterstützung der Fachbereiche bei der Nutzung und Einhaltung von DLP-Vorgaben., Enge Zusammenarbeit mit Architektur, Betrieb und externen Providern., Mitwirkung bei der Weiterentwicklung von Prozessen, Dokumentationen und Reports., Unterstützung bei Schulungen und Sensibilisierungsmaßnahmen.

Develop, produce, and improve computer vision models for image classification, segmentation, and image analysis using deep learning and classical image analysis techniques., Plan, design, and implement machine learning systems and integrate them into software products or projects based on TensorFlow, Keras, Python, etc., Conduct feasibility analyses of problems regarding artificial intelligence and machine learning and develop suitable solution strategies., Conduct and evaluate experiments and clinical evaluations in the field of medical imaging., Support in the selection and integration of suitable tools, frameworks, and technologies to improve ML development and deployment processes according to regulatory compliance and requirements., Further develop and optimize products and monitoring/maintenance systems., Analyze and solve complex development tasks in teamwork., Independently study state-of-the-art knowledge.

Research, develop, and productize algorithms and models that optimize financial returns in trading the flexibility of our customers’ assets, Shape the technical vision for how we trade the flexibility of assets across markets, breaking that vision into a roadmap the team can deliver against, Take ownership of our data science roadmap, driving alignment across teams on methodology choices, success metrics, and system design, Own the delivery of complex, ambiguous, large-scale projects from research to production deployment and monitoring. Anticipate dependencies and resolve them earl, Foster technical excellence across the team, mentoring data scientists through design review, code review, and structured feedback, Champion engineering rigor in testing, code quality, observability, and reproducibility for analytical code running in production

Play a key role in advancing core areas of our platform, developing intelligent, data-driven solutions that meaningfully impact how millions of people find jobs and how employers connect with talent., Bridge gaps between stakeholders, data scientists, engineers, and analysts to drive fairer, more effective, and commercially efficient successes for jobseekers and recruiters., Build and optimize in-house algorithms., Work with the latest NLP and generative AI techniques., Develop intelligent conversational agents., Ensure seamless integration of AI solutions into business processes and enterprise systems in collaboration with engineering., Partner with Marketing as a strategic partner and advocate for data-driven decision-making by effectively communicating AI strategy and its alignment with business objectives., Ensure stakeholders understand the value of AI-driven insights and leverage this knowledge to prioritize initiatives strategically., Lead the development lifecycle of machine learning and AI solutions in Marketing, from problem formulation and data exploration to model development, evaluation, and deployment., Collaborate with data engineers and developers to integrate developed solutions into production environments., Keep abreast of advancements in AI/ML technologies and apply cutting-edge techniques where appropriate., Collaborate with Data Science teams across the organization to design intuitive interfaces and workflows for AI-driven recommendations and automation., Contribute to hackathons, training, and peer-to-peer knowledge exchange within the global data science community.