Combining a part-time Master's degree with exciting projects and state-of-the-art technologies, Deep diving into data analysis and artificial intelligence, especially GenAI, Supporting customers in conceptualizing complex solutions, developing customized implementations, and achieving better business results for GenAI-based use cases, Being an active part of your team from the start and applying your theoretical knowledge in practice

Du baust Kundenbeziehungen auf und berätst deine Kunden in den Bereichen Data & AI, Du analysierst die spezifischen Anforderungen der Kunden, um maßgeschneiderte Lösungen für sie zu entwickeln, Du führst Präsentationen und Demos durch, Du beobachtest Markttrend und Wettbewerber, um strategische Entscheidungen zu unterstützen

Create the high-level optimization frameworks (MILP, NLP, or Stochastic Programming) to manage residential energy flows across heat pumps, thermal storage, EVs, and batteries., Design and tune closed-loop control strategies to ensure system stability, robustness against model/reality mismatch, and seamless integration of high-level optimization with devices constraints., Utilize Stochastic & Learning-Based Control (e.g. Markov Decision Processes (MDPs), Reinforcement Learning, or Model Predictive Control (MPC)) to handle the uncertainty of weather, prices, and human behavior., Develop ML models that respect real-world constraints. You ensure our algorithms "understand" the thermal inertia of a building or the degradation curves of a lithium-ion battery., Build high-fidelity simulations to validate algorithm performance against historical data before deploying code to edge devices and cloud environments., You don’t just write formulas; you architect and implement complex models from scratch in Python, ensuring they are robust enough to run in a cloud-to-edge environment., Act as a senior voice in technical sessions. You will mentor junior team members and help navigate complex problem-solving and define the algorithmic requirements that guide our product roadmap., Work closely with Energy Engineers and Backend Developers to translate math into reliable, production-grade services that save customers money and CO2.

Own and deliver timely, high-quality deployments of the Predium Platform by leading end-to-end data onboarding (feasibility, completeness, risk assessment, issue resolution) to meet customer requirements, accelerate time-to-first-value, and generate measurable business impact., Support in training, kickoff sessions and customer meetings to ensure that the product is meeting customer needs and having concrete impact on their operations., Build scalable onboarding frameworks supported by internal tooling and automation to ensure consistency, increase efficiency, and reduce manual workload across deployments., Collaborate with our Product, Data and Engineering teams to tackle workflow problems, resolve product issues and inform product improvements., Partner with Sales as the technical expert on Predium’s platform, joining prospect conversations to explain capabilities, answer technical questions and assess implementation feasibility and risks., Mentor team members and elevate analytical and operational standards across the function.

Lead the design and implementation of tracking strategies that cover the entire lifecycle: from initial requirements gathering to Generation, and finally to automated Validation., Architect and deploy automated pipelines that use AI agents to generate tracking Blueprints and validation scripts, significantly reducing manual engineering dependency., Establish a "Live Truth" monitoring framework that provides real-time visibility into tracking health across Web and App, ensuring < 5-minute latency between deployment and validation., Act as an internal consultant for developers, providing AI-assisted tools and self-service platforms that allow engineering teams to implement and verify tracking with minimal friction., Implement "Anti-Corruption" release gates to prevent data drift, ensuring high-quality, audit-ready data for downstream business intelligence and reporting.

Als KI-Expert:in entwickelst und optimierst du Machine Learning- und Deep Learning-Modelle für verschiedene Anwendungsfälle und setzt sie produktiv ein, Du analysierst komplexe Datenstrukturen, leitest passende statistische und mathematische Verfahren ab und bringst dein Wissen in innovative KI-Lösungen ein, Du arbeitest mit gängigen ML-Frameworks wie scikit-learn, PyTorch oder TensorFlow und nutzt Tools wie Jupyter Notebooks, Huggingface oder Llama Index für deine Projekte, Du entwickelst gut strukturierten, wartbaren Code (bevorzugt in Python) und orientierst dich dabei an Best Practices, Du bringst dich aktiv in den gesamten Entwicklungszyklus ein – von der Konzeption über die Modellvalidierung bis hin zur Implementierung und Wartung der KI-Lösungen

Teach cloud data architecture fundamentals, including service models (IaaS, PaaS, SaaS), OLTP vs. OLAP systems, and batch vs. streaming data processing, Deliver courses on modern data architectures such as Data Warehouses, Data Lakes, Lambda and Kappa architectures, and real-time data design, Instruct students in distributed data processing with Apache Spark (architecture, RDDs, DataFrames, performance optimization) and event-driven streaming with Apache Kafka, Guide practical implementation of scalable data pipelines using Docker and Kubernetes, Supervise applied end-to-end cloud data engineering projects on Google Cloud Platform, integrating services such as BigQuery, Dataflow, Pub/Sub, Dataproc, and IAM

Entwicklung von numerischen Verfahren im Flussbau und im Bereich der strukturnahen Modellierung (CFD), Verfahrens- und Messtechnik-Betreuung, Consulting in den Bereichen Modellbildung, Qualitätssicherung, Einsatz von Messsystemen, HPC-Nutzung, Datenmanagement und Datenbanken, Anwendung von Methoden der künstlichen Intelligenz (Machine Learning) im Wasserbau, Entwicklung eines Vorgehens zur automatischen Optimierung von flussbaulichen Maßnahmen in numerischen Strömungsmodellen unter Berücksichtigung eines Kriterienkatalogs und automatischem Erstellen/Anpassen von Varianten im numerischen Modell., Möglichkeit zur Promotion in Zusammenarbeit mit einer Universität, Publikation der wissenschaftlichen Erkenntnisse in wissenschaftlichen Papers, Teilnahme an internationalen Fachkonferenzen

development of novel machine models based on supervised, unsupervised and reinforcement learning that can be combined with, enhance or replace methods from computational engineering and computer simulation, data modeling and assimilation towards experimental measurements under consideration of uncertainties, utilization of Explainable AI techniques to enable novel scientific discoveries, explore and evaluate usability of system architectures such as Retrieval-Augmented Generation (RAG) for data retrieval and knowledge inference, implementation of your machine learning pipeline in Python (using e.g. PyTorch), validation of your results in collaboration with colleagues from various application areas (cross-disciplinary), publication and presentation of your scientific results in international scientific journals and at international conferences and workshops

Weiterentwicklung und Betreuung der BI-Lösungen auf Basis von Microsoft Power BI und Microsoft Fabric/Azure oder vergleichbaren Produkten anderer Anbieter – von der fachlichen Konzeption über das Datenmodell bis zur technischen Umsetzung., Design, Aufbau und Pflege von Datenmodellen (z.B. Sternschema), Lakehouse-/ Warehouse-Strukturen, Notebooks und Data Pipelines., Enge Zusammenarbeit mit internen Fachbereichen und externen Dienstleistern zur Erhebung von Anforderungen und zur Umsetzung von Reporting- und Analysevorhaben., Integration, Bereinigung und Aufbereitung von Daten aus unterschiedlichen Systemen und Datenquellen (inkl. Schnittstellen-Integration, beispielsweise über REST-APIs)., Modellierung, Transformation und Visualisierung von Daten zur Erstellung aussagekräftiger Analysen sowie Ableitung konkreter Handlungsempfehlungen., Analyse und Optimierung von Datenflüssen und Reports im Hinblick auf Performance, Datenqualität, Sicherheit und Skalierbarkeit., Unterstützung der Fachbereiche bei der Erstellung, Weiterentwicklung und Pflege von Reports und Dashboards., Aufbau, Dokumentation und Etablierung einheitlicher BI-Standards, Governance-Richtlinien und Best Practices in der Stiftung., Strukturierte und nachvollziehbare Dokumentation von Datenmodellen, ETL-Strecken und Dashboards zur Sicherstellung skalierbarer Lösungen., Mitgestaltung der strategischen Weiterentwicklung unserer BI-Landschaft und der Automatisierung von Datenprozessen in der Cloud., Beratung und Schulung interner Anwender zur optimalen Nutzung von Business-Intelligence-Lösungen., Einführung geeigneter KI-Technologien und Anwendungen im KENFO-Umfeld inklusive Schulung zur Entwicklung der KI-Kompetenzen im KENFO, Weiterentwicklung und Implementierung der stiftungsweiten KI-Strategie zur optimalen Nutzung von KI-Technologien, Überwachung der neuesten Entwicklungen im Bereich KI, Bewertung deren Relevanz und Integration in interne Prozesse, Umsetzung von Usecases in Form von KI-Agenten, Bewertung und Minimierung von Risiken bei KI-Projekten, Beratung verschiedener Abteilungen zu KI-bezogenen Fragestellungen und Einsatzmöglichkeiten

Unterstützung des Aufbaus und Betriebs einer souveränen, internen Cloud-Infrastruktur auf Basis von Proxmox, Docker und Ansible., Administration und Weiterentwicklung des Data Lakes (MinIO S3, Apache Iceberg, Parquet)., Deployment und Betrieb von KI-Services wie Vektordatenbanken, lokalen LLM-Inferenz und Embedding-Pipelines auf GPU-ausgestatteten Servern., Umsetzung von Backup-Strategien, Betreuung des Monitorings und Unterstützung bei der NIS2 Konformität.