Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (mfd)

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.