Software Engineer Data Science

Werden Sie Teil unseres Teams im Geschäftszentrum «Software Engineering & IT» in Aarau. Wir realisieren anspruchsvolle Software-, Machine-Learning- und KI-Lösungen für hochspezialisierte Anwendungsfelder und schaffen so für unsere Kunden einen direkten Mehrwert aus ihren Daten.

Führen Sie unsere Projekte zum Erfolg:
Von explorativen Datenanalyse über die Machbarkeitsbeurteilung, die Modell-Entwicklung bis hin zur Applikationsentwicklung und Überführung in den Betrieb.

Ihre Hauptaufgaben und Verantwortlichkeiten

• Data Engineering & Datenpipelines: Anbindung und Integration unterschiedlicher Datenquellen (z.B. SQL/No
  
  SQL, APIs, Files, IoT). Entwicklung robuster Datenpipelines für Datenextraktion,
  -bereinigung,
  -transformation und
  -validierung. Umsetzung von Feature Engineering und Sicherstellung hoher Datenqualität und Nachvollziehbarkeit.
• Machine Learning & Modellierung: Konzeption, Training, Evaluation und Optimierung von Machine-Learning-Modellen mit unterschiedlichen Ansätzen (z.B. XGBoost, Deep Learning, Reinforcement Learning). Entwicklung von Modellen für verschiedene Datentypen: strukturiert und unstrukturiert, von multidimensionalen Zeitreihen bis zu Bildern.
• Reproduzierbares & rückverfolgbares ML-Training: Ausbau nachvollziehbarer Trainings- und Experimentierumgebungen (Experiment Tracking, Versionierung von Daten und Modellen, Model Registry). Sicherstellung von Transparenz, Reproduzierbarkeit und Governance im gesamten ML-Lifecycle.
• Einsatz von KI in Lösungen und Entwicklungsprozess: Mitarbeit bei Konzeption, Design, Prototyping und Umsetzung moderner Lösungen mit integrierten KI-Komponenten (LLMs, RAG, Tool-Integration), sowie breiter Einsatz moderner KI-Tools im Entwicklungsprozess.
• Architektur und Entwicklung datengetriebener Softwarelösungen: Konzeption, Design, Prototyping und Umsetzung moderner Software-Anwendungen mit integrierten ML- und KI-Komponenten sowie benutzerzentrierten Oberflächen. Integration von Modellen in produktive Systeme (APIs, Microservices, Edge/Cloud).
• MLOps, Data Ops & Dev Ops: Einsatz moderner Werkzeuge und Methoden zur Automatisierung von Daten- und ML-Workflows. Aufbau von CI/CD-Pipelines für ML-Systeme, Monitoring von Modellen im Betrieb (Performance, Drift) und strukturierte Qualitätssicherung.
• Zusammenarbeit & Enablement: Enge Zusammenarbeit mit Softwareentwicklern, Architekten und Fachverantwortlichen unserer Kunden. Weiterentwicklung interner Standards, Best Practices sowie unseres Data- und AI-Toolings.

Ihr Profil und Ihre Expertise:

• Ausbildung: Sehr guter Abschluss eines Studiums (FH, ETH, Uni) in Informatik, Data Science, Mathematik, Physik oder einer vergleichbaren Fachrichtung.
• Data Engineering: Fundierte Erfahrung im Umgang mit Datenquellen (SQL, No
  
  SQL, unstrukturierte Daten), im Aufbau von Datenpipelines sowie im Feature Engineering. Verständnis für Datenmodellierung, Datenqualität und Performance-Optimierung. Erfahrungen mit Visualisierungs- und BI-Tools sind ein Plus.
• Machine Learning: Mehrjährige Erfahrung im Design, Training und Deployment von ML-Modellen (z.B. CNN, YOLO, XGBoost). Vertrautheit mit gängigen Frameworks (z.B. scikit-learn, PyTorch, Tensor Flow) sowie mit Evaluationsmethoden, Hyperparameter-Tuning und Modellvalidierung. Erfahrung mit Zeitreihenanalyse oder Reinforcement Learning ist ein Plus.
• Softwareengineering: Sehr gute Programmierkenntnisse (insbesondere Python), sowie Erfahrung mit modernen Software-Architekturen, API-Design, Testing, Code Reviews und kollaborativer Entwicklung. Sehr gute Erfahrungen beim Einsatz von KI-Tools im Entwicklungsprozess (z.B. Git Hub Copilot, Claude Code). Kenntnisse in UI- oder Web-Technologien, C# oder Java von Vorteil.
• MLOps & Betrieb: Erfahrung mit Experiment-Tracking, Modellversionierung und Deployment-Strategien (z.B. MLflow).
• Dev Ops & Qualitätssicherung: Erste Erfahrung mit CI/CD, automatisiertem Testing, Monitoring und Observability. Strukturierter Umgang mit Performance-, Stabilitäts- und Skalierungsanforderungen produktiver Systeme.
• Persönliche
  
  Kompetenzen:
  
  Analytische Stärke, hoher Qualitätsanspruch sowie Freude an datengetriebenen Fragestellungen, enger…