Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (m/f/d)

Du verantwortest die Data-Science-Arbeit hinter unserem System zur Cashflow-Prognose und Risikoschätzung für Künstler-Royalty-Portfolios. Das umfasst den vollständigen Aufbau, die Evaluierung und kontinuierliche Verbesserung von ML-Modellen – von Rohdaten bis hin zu investorentauglichen Berichten und produktionsreifen APIs – in enger Zusammenarbeit mit internen Stakeholdern und Investoren.

• Modellierung & Forschung
  • Entwurf, Training und Evaluierung von Modellen zur Prognose von Cashflow-Verteilungen über mehrjährige Horizonte
  • Entwicklung und Verbesserung von Methoden zur Risikoschätzung
  • Durchführung einer fundierten Modellbewertung
  • Recherche und Einbindung zusätzlicher öffentlicher, frei verfügbarer oder käuflicher Datenquellen zur Verbesserung der Modellleistung
• Stakeholder-Kommunikation
  • Erhebung, Hinterfragung und Präzisierung von Analytics- und ML-Anforderungen gemeinsam mit den Fachbereichen
  • Erstellung und Pflege investorentauglicher Evaluierungsunterlagen: KPI-Definitionen, Methodenbeschreibungen und Ergebnisdarstellungen mit Diagrammen
  • Übersetzung komplexer probabilistischer Modelloutputs in verständliche Geschäftskennzahlen
• Produktivsetzung
  • Überführung von Prognose- und Risikomodellen in REST-APIs und Integration in eigene Frontends
  • Pflege reproduzierbarer ML-Pipelines inklusive Feature Engineering, Modell-Serialisierung und Versionierung
  • Anbindung an Cloud-Dateninfrastrukturen
• Agentische KI & Datenharmonisierung
  • Entwicklung LLM-basierter agentischer Workflows zur automatisierten Datenerfassung, -harmonisierung und -anreicherung
  • Integration dieser Workflows in produktionsreife APIs innerhalb des bestehenden Prognose-Stacks

• Python-Data-Science-Stack: pandas, Polars, scikit-learn, XGBoost (oder vergleichbar)
• Vollständige ML-Umsetzung: von explorativer Datenanalyse und Feature Engineering bis hin zum Deployment eines Modells, das reale Nutzer oder Entscheidungen bedient – unter Anwendung von MLOps-Best-Practices
• Probabilistische Modellierung & Quantilregression: Quantile Regression, Kalibrierungsverfahren oder Unsicherheitsquantifizierung in Vorhersagen
• Evaluierungsqualität: Design von Kreuzvalidierungen, Kalibrierungsanalyse und Übertragung von Modellkennzahlen in Geschäfts-KPIs
• Cloud-Infrastruktur: praktische Erfahrung mit AWS, Azure oder GCP; sicherer Umgang mit verwalteten Datenbanken und dem Deployment von ML-Diensten
• Kommunikationsstärke: Fähigkeit, klare Methodendokumentationen zu verfassen und Ergebnisse für nicht-technische Zielgruppen – einschließlich Investoren und Geschäftsführung – aufzubereiten

• Bayesianische Modellierung: PyMC, Stan oder vergleichbare Frameworks; hierarchische Modelle, Posterior Predictive Checks
• Zeitreihen- & Cashflow-Prognose: Mehr-Horizont-Forecasts, Rolling Feature Engineering, Decay-Modellierung
• Finanzielle Risikomodellierung: Shortfall-Analysen, Kreditrisiko oder Portfolio-Verlustschätzung
• NGBoost / Distributionsregression: Erfahrung mit Natural Gradient Boosting oder ähnlichen Methoden zur Ausgabe von Verteilungen
• Agentische KI / LLM-Workflows: Entwicklung werkzeugnutzender Agenten (LangChain, LlamaIndex, Anthropic SDK o. ä.) für strukturierte Datenaufgaben
• Streamlit oder vergleichbare Frontend-Tools für interaktive ML-Anwendungen
• Kenntnisse im Bereich Royalties, Musiklizenzen oder Verwertung von Medienrechten (GEMA, ASCAP etc.)
• Deutschkenntnisse

• Deine Beiträge sind maßgeblich für die Weiterentwicklung unseres Unternehmens – mit dem Wachstum entstehen für dich vielfältige Möglichkeiten zur beruflichen Entwicklung.
• Wir bieten ein wettbewerbsfähiges Vergütungspaket, flache Hierarchien und ein entspanntes Arbeitsumfeld im Herzen Berlins.
• Flexible Arbeitsmodelle sind bei uns selbstverständlich, einschließlich der Möglichkeit zum zeitweisen Remote-Arbeiten.