Fakten zur Stelle
- Erfahrung
- ab 8 Jahren
- Seniorität
- Senior
- Arbeitsmodell
- Hybrid
- Orte
- Walldorf
- Anstellungsart
- Vollzeit
der job in 20 sekunden
Data Science Expert (CX) - Data Labs
Im CX Office of the CTO entwirfst du Ontologien und semantische Modelle, die Daten aus SAP, Salesforce, Workday und ServiceNow für KI-Agenten verständlich machen, und baust RAG-Pipelines mit Embeddings und Vektordatenbanken. Verlangt sind 8+ Jahre in Knowledge Engineering, angewandter KI oder Data Science, Master oder Promotion sowie SPARQL, Cypher oder GQL; Standort Walldorf, hybrid.
Wen sucht SAP wirklich?
Gesucht wird eine Person, die Unternehmensontologien entworfen und KI-Lösungen mit Python und SQL in Produktion betrieben hat; Wissen über SAP-Datenmodelle und CX- oder Retail-Anwendungsfälle wie Personalisierung oder Pricing ist ein Vorteil.
Kernaufgaben
- 01Design and maintain enterprise ontologies and semantic models for AI agents
- 02Build RAG pipelines, embeddings and vector databases for SAP's agents
- 03Develop GenAI and LLM solutions on business data and knowledge graphs
- 04Ground AI in process semantics such as Order-to-Cash and Procure-to-Pay
- 05Turn ambiguous business problems into AI solutions up to deployment
- 06Apply ML, deep learning and statistics to real enterprise datasets
Was du mitbringen solltest
Gefordert
- Data Science
- Statistik
- Neo4j
- LLM
- Vector Databases
- Python
- SQL
- Machine Learning
- PyTorch
- TensorFlow
- scikit-learn
- Databricks
- AWS
- Azure
- GCP
Optional
- SAP Datasphere
- SAP HANA Cloud
- OWL
- SHACL
- Agentic AI
Abgeleitet – nicht ausdrücklich genannt
- Spark (aus Databricks abgeleitet)
Team & Auftrag
Du gehörst zu Data Labs im CX Office of the CTO von SAP Customer Experience; die Gruppe legt KI-Strategie und Architektur kommender CX-Lösungen fest und arbeitet mit Produkteinheiten sowie Kund:innen zusammen.
Rollenprofil
Data Science · Daten & KI
aus dem Stellentitel
- Reisetätigkeit
- 0–10 % (gelegentlich (bis 25 %))
- Kundenkontakt
- regelmäßig Kundenkontakt
- Arbeitsumfeld
- eigenes Produkt (Produktunternehmen)
Worauf es bei der Erfahrung ankommt
- Wunsch: mindestens 8 Jahre Erfahrung mit Daten mit KI-Produkte & ML-Plattformen, ERP & Warenwirtschaft oder Datenplattformen, BI & Analytics oder verwandten BereichenVerwandte Spezialisierung reicht
„8+ years of experience in knowledge engineering, semantic data systems, applied AI, or data science in industry, research labs, or advanced academic environments.“
- Wunsch: Erfahrung mit Daten mit KI-Produkte & ML-Plattformen, ERP & Warenwirtschaft oder Datenplattformen, BI & AnalyticsGenau diese Spezialisierung
„Deep working knowledge of SAP data models, metadata structures, and core business processes end-to-end.“
- Wunsch: Erfahrung mit Daten mit IoT, Embedded & Connected DevicesGenau diese Spezialisierung
„You will be part of Data Labs within the CX Office of the CTO, a strategic organization embedded in SAP Customer Experience“
Softwaredomänen
- KI-Produkte & ML-Plattformenbestätigt
- ERP & Warenwirtschaftbestätigt
- Datenplattformen, BI & Analyticsbestätigt
Auch interessant für
- · Knowledge Engineers mit Praxis in RDF- und OWL-Wissensgraphen
- · ML-Engineers aus GenAI-Teams, die RAG-Systeme produktiv betreiben
- · Forschende aus Semantic-Web- oder NLP-Laboren, die in die Industrie wechseln möchten
belege aus der stellenanzeige anzeigen
- Anstellungsart: Vollzeit
„Requisition ID: 459629 Work Area: Software-Design and Development Expected Travel: 0 - 10% Career Status: Professional Employment Type: Regular Full Time Additional Locations: #LI-Hybrid“
- Design and maintain enterprise ontologies and semantic models for AI agents
„Design and maintain enterprise ontologies and semantic models that give AI agents accurate, grounded understanding of SAP and connected business landscapes“
- Build RAG pipelines, embeddings and vector databases for SAP's agents
„Build AI capabilities including RAG pipelines, embeddings, vector databases, and enterprise knowledge grounding“
- Develop GenAI and LLM solutions on business data and knowledge graphs
„Develop AI capabilities including generative AI and LLM-based solutions using enterprise business data, knowledge graphs“
- Ground AI in process semantics such as Order-to-Cash and Procure-to-Pay
„business process semantics across Order-to-Cash, Procure-to-Pay, Record-to-Report, and Plan-to-Produce“
- Turn ambiguous business problems into AI solutions up to deployment
„translate ambiguous business challenges into concrete AI solutions from concept through deployment and continuous improvement“
- Apply ML, deep learning and statistics to real enterprise datasets
„Apply machine learning, deep learning, and statistical modeling to develop and evaluate AI solutions using real-world enterprise datasets.“
- Pflicht: Data Science
„+ years of experience in knowledge engineering, semantic data systems, applied AI, or data science in industry, research labs, or advanced academic environments“
- Pflicht: Statistik
„Master's or PhD in Computer Science, Applied Mathematics, Statistics, Engineering, or a related quantitative field“
- Pflicht: Neo4j
„proficiency in at least one graph query language (SPARQL, Cypher, or GQL)“
- Pflicht: LLM
„Hands-on experience with modern GenAI systems RAG, embeddings, vector databases, semantic retrieval, and enterprise knowledge grounding“
- Pflicht: Vector Databases
„Hands-on experience with modern GenAI systems RAG, embeddings, vector databases, semantic retrieval, and enterprise knowledge grounding“
- Pflicht: Python
„Strong Python and SQL skills with production-grade development practices“
- Pflicht: SQL
„Strong Python and SQL skills with production-grade development practices“
- Team & Auftrag
„You will be part of Data Labs within the CX Office of the CTO, a strategic organization embedded in SAP Customer Experience.“
- Team & Auftrag
„We define the AI strategy and architecture vision for next-generation CX solutions“
- Team & Auftrag
„partners closely with customers and external communities“
aufgaben
Berufsfelder
- Data & KI
anforderungen
Fähigkeiten
- Data Science
- Statistik
- Neo4j
- LLM
- Vector Databases
- Python
- SQL
- Machine Learning
- PyTorch
- TensorFlow
- scikit-learn
- Databricks
- AWS
- Azure
- GCP
- SAP Datasphere (optional)
- SAP HANA Cloud (optional)
- OWL (optional)
- SHACL (optional)
- Agentic AI (optional)
originalanzeige
Die vollständige Beschreibung findest du in der Originalanzeige. Oben siehst du unsere eigene Analyse der Stelle.