Das Unternehmen ist ein aufstrebendes FinTech mit Sitz in Frankfurt, das innovative Technologien für den regulierten Finanzsektor entwickelt. Mit einem Team von über 60 Fachleuten, das auf jahrelange Erfahrungen in der Betrugsbekämpfung und der Bereitstellung von Einblicken in große Banken zurückblickt, hat sich das Unternehmen eine starke Marktposition erarbeitet. In einer Zeit, in der europäische Regulierungsbehörden den Weg für grenzüberschreitende Finanzkriminalitätsintelligenz ebnen, sucht das Unternehmen einen Data Scientist, der bereit ist, in einem schnell wachsenden Umfeld zu arbeiten. Die Hauptaufgaben umfassen die Entwicklung und Verbesserung von Machine-Learning-Modellen zur Betrugserkennung, die Automatisierung von Regelentdeckungen sowie die Analyse von Transaktions- und Verhaltensdaten zur Identifizierung verdächtiger Muster. Der Data Scientist wird die Verantwortung für die Feature-Engineering-Prozesse, das Modelltraining, die Validierung und das Monitoring übernehmen. Zudem wird erwartet, dass er die Ergebnisse klar an technische und geschäftliche Stakeholder kommuniziert. Das Unternehmen bietet ein dynamisches Arbeitsumfeld, in dem Teamarbeit und enge Zusammenarbeit mit Ingenieuren und Produktteams gefördert werden.

Der ideale Kandidat sollte über einen Abschluss in Data Science, Informatik, Statistik, Mathematik oder einem verwandten Bereich verfügen und 2 bis 3 Jahre praktische Erfahrung in der Anwendung von Machine Learning, vorzugsweise im Bereich der Betrugserkennung oder im Finanzdienstleistungssektor, mitbringen. Eine starke Beherrschung von Python und SQL ist unerlässlich, ebenso wie ein tiefes Verständnis von Klassifikations- und Anomalieerkennungsalgorithmen. Der Kandidat sollte in der Lage sein, Modelle auszuwählen, zu optimieren und mit geeigneten Metriken sowie Validierungsstrategien zu bewerten. Erfahrung mit großen Sprachmodellen (LLMs) und agentischen Workflows ist von Vorteil. Zudem sind Kenntnisse in Tools zur Modell-Erklärbarkeit wie SHAP und Modellkarten wünschenswert. Eine strukturierte, selbstgesteuerte Arbeitsweise sowie starke Kommunikationsfähigkeiten sind erforderlich. Fließende Englischkenntnisse und ein professionelles Arbeitsniveau in Deutsch sind notwendig, um technische Diskussionen mit Kunden zu führen.