Domain Data Scientist (Digitization System Operation) (w/m/d)

Berlin

Unbefristet

Start: Zum nächstmöglichen Termin

Getting grip on the data topic - Gestalte mit uns das Next Generation Control Center Ecosystem für eine erfolgreiche digitale Energiewende!

Das macht diesen Job für mich interessant: Ich habe Lust aktiver Teil der Energiewende zu sein, mit dem Team die digitale Zukunft der Übertragungsnetzbetreiber zu gestalten und das Next Generation Control Center Ecosystem (Modular Control Center System) zu entwickeln! Ich übernehme die Verantwortung als Domain Data Scientist (Digitization System Operation) und sorge zusammen mit anderen Datenspezialist*innen für performante Prognosemodelle, konsistente Netzberechnungen und die korrekte Modellierung des Systems. Dazu gehören die Identifizierung und Analyse von Use Cases mit den Business Stakeholdern, deren Implementierung, Operationalisierung und das Monitoring von Softwareprodukten. Ich helfe dabei, eine einheitliche Datenstrategie zu erarbeiten und implementiere neuartige Machine Learning-Services für ein sicheres Stromnetz von morgen. Mit dem Team gemeinsam werde ich die hochkomplexen Daten innerhalb unseres Übertragungsnetzes beherrschbar und vorhersagbar machen, um „100 Prozent bis 2032: Bezahlbare Energie für eine starke Wirtschaft“ zu erreichen (

Mit modernen Arbeitsumgebungen an den Standorten in Berlin und Neuenhagen und einer attraktiven Lösung für mobiles Arbeiten bietet 50Hertz ideale Bedingungen für mich und meine persönliche Entwicklung.

Meine Aufgaben

• Ich verantworte die Neu- und Weiterentwicklung sowie Integration von Prognose- und Netzberechnungsanwendungen (bspw. Einspeiseprognosen, Lastprognosen, Szenarienanalyse, Topologieoptimierungen) unter Einsatz von Data-Science-Methoden.
• Ich entwickele Machine Learning Modelle im Bereich erneuerbare Energien (end-to-end): von der Entwicklung der Use Cases mit den Business Experten und Produktmanagern über Datenanalyse bis hin zum Betrieb von Machine Learning Modellen in der produktiven Nutzung.
• Ich sammle, bereinige und transformiere Zeitreihen- und Wetterdaten, um qualitativ hochwertige Datensätze für Prognose- und Netzmodelle und somit die Sicherstellung unserer Kernprozesse und Folgeprozesse (Veröffentlichungen, Abrechnungen) zu gewährleisten.
• Ich nutze moderne Modellierungsansätze (z. B. Regressionsmodelle, Gradient Boosting, Deep Learning, probabilistische Modelle), um präzise Vorhersagen für Energieerzeugung und -verbrauch zu ermöglichen.
• Die Pflege klarer und nachvollziehbarer Dokumentation von Code, Datenpipelines und Modellen für eine langfristige Wartung und Weiterentwicklung ist mir wichtig.
• Ich arbeite eng mit Entwickler*innen, Data Engineers, Data Architects, und Anwender*innen innerhalb der Systemführung zusammen.
• Ich arbeite in nationalen und internationalen Arbeitsgruppen und wissenschaftlich-technischen Projekten mit, um die besten Lösungen in unsere operativen Prozesse zu überführen.

Meine Kompetenzen

• Ich verfüge über mehrjährige Berufserfahrung bezüglich Data Analytics, Data Science und Machine Learning, insbesondere in der Entwicklung und Operationalisierung datenbasierter Lösungen.
• Ich verfüge über fundierte Kenntnisse im Aufbau von Datapipelines, Data Handling und Umgang mit großen Datenmengen sowie relationalen und NoSQL‑Datenbanken (z. B. MongoDB).
• Ich verfüge über sehr gute Programmierkenntnisse in Python inkl. gängiger Frameworks (z. B. Pandas, Scikit‑learn, TensorFlow) sowie Erfahrung mit API‑Entwicklung, Deployment und Monitoring von ML‑Services.
• Ich bringe mehrjährige Praxiserfahrung in der Anwendung und Evaluierung von ML‑Algorithmen, Feature Engineering und Modellbewertung (z. B. Cross‑Validation, Metriken wie RMSE, MAPE) mit.
• Ich kenne mich im Bereich Monitoring und Observability von ML‑Services (z. B. mit Prometheus, Grafana) sowie Erfahrung mit Deployment und Skalierung von Modellen in Produktionsumgebungen aus.
• Ich gehe sicher mit Git und modernen Entwicklungs‑Workflows (Code Reviews, CI/CD) um.
• Mich zeichnet ausgeprägtes analytisches Denken, Eigeninitiative und die Fähigkeit, komplexe technische Themen adressatengerecht zu erklären.
• Ich verfüge über fließende Deutschkenntnisse (C1) und sehr gute Englischkenntnisse (B2) in Wort und Schrift.

Kein Muss, aber von Vorteil

• Kenntnisse in der Entwicklung und der produktiven Nutzung von Datenmodellen im Umfeld der Energiebranche, bspw. für Prognose‑, Netzberechnungs‑ und Optimierungsmodelle.
• Erfahrung im Umgang mit dem Common Information Model (CIM) im Common Grid Model Exchange Standard (CGMES) und UCTE Datenformaten.
• Erfahrung mit Cloud-Services wie AWS SageMaker, Google Cloud AI oder Azure ML.
• Erfahrung mit ELT/ETL-Frameworks, CI/CD, Deployment im Kubernetes Umfeld mit Azure, Docker Container, Streaming‑Architekturen und Technologien wie Apache Kafka.
• Idealerweise Erfahrung im Bereich High‑Performance‑Computing und Entwicklung von Lösungsalgorithmen.
• Idealerweise Erfahrung mit Lastflussrechnungen und Netzanalysen in elektrischen Netzen mit Hilfe von beispielsweise PowerFactory, Pandapower, Integral oder Neplan.

Flexikompass - so flexibel ist diese Stelle

• Arbeitszeit: 37 Wochenstunden (Vollzeit).
• Flexible Arbeitszeiten mit Langzeitkonto zur Unterstützung Ihrer Work‑Life‑Balance.
• Die Zahl der Gleittage ist nicht begrenzt.
• Keine Kernarbeitszeit.
• Mobiles Arbeiten (auch von zuhause) möglich.

#J-18808-Ljbffr