Senior Data Scientist

Meine Rolle am DBFZ & im KIDA-Projekt

Am Deutschen Biomasseforschungszentrum (DBFZ) arbeitete ich an der Schnittstelle von angewandter Data Science, Machine Learning und Forschungsinfrastruktur, unter anderem im interdisziplinären KIDA-Projekt. Mein Fokus lag darauf, Forschungsteams dabei zu unterstützen, komplexe Daten und rechnerische Fragestellungen in nutzbare Werkzeuge, reproduzierbare Workflows und belastbare Analysen zu übersetzen.

Schwerpunkte meiner Arbeit

• Entwicklung von Daten- und Machine-Learning-Workflows für angewandte Forschungsprojekte.
• Unterstützung von Forschenden bei der Formulierung von ML-Problemen, der Auswahl geeigneter Methoden und der Bewertung von Ergebnissen.
• Aufbau und Betrieb von Infrastruktur für rechenintensive Anwendungen, darunter Slurm-basierte HPC-Umgebungen, Container-Stacks sowie GitLab- und GitHub-Automatisierung.
• Mitwirkung an der Planung und praktischen Umsetzung gemeinsamer AI-/HPC-Infrastruktur im KIDA-Kontext.
• Arbeit an Reproduzierbarkeit, Deployment, Dependency Management und CVE-getriebener Aktualisierung von Forschungssoftware-Umgebungen.
• Entwicklung von Open-Source-Werkzeugen wie ScrAIbe und ScrAIbe-WebUI, um Transkriptions- und Diarisierungs-Pipelines auch für nicht-technische Nutzerinnen und Nutzer zugänglich zu machen.
• Beratung von IT- und Forschungsteams bei der Überführung von Prototypen und Infrastrukturideen in stabilere Dienste.
• Betreuung und Unterstützung studentischer Projekte, Abschlussarbeiten und interner Wissensweitergabe zu Programmierung, Data Science und Machine Learning.

Diese Arbeit verband meinen physikalischen Hintergrund mit praktischer KI- und Forschungssoftwareentwicklung: Machine Learning nicht als Selbstzweck, sondern als Werkzeug, um wissenschaftliche Arbeit transparenter, reproduzierbarer und nutzbarer zu machen.