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

Stellenbeschreibung:

The Opportunity

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.

Your mission

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

Your profile

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

Nice to have

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

We offer

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.