ML-Praktikant: Optimierungsqualität & Überwachung

Über den Job

Stellenbeschreibung

Standort: Zürich, Schweiz (hybrid)

Unsere gemeinsame Vision

Unsere Mission ist es, Marketingteams dabei zu helfen, ihr volles Wachstumspotenzial mit KI zu erschließen. Unsere KI-gestützte Attribution schafft echte Transparenz und zeigt, wie digitale Werbeinvestitionen kanalübergreifend performen. Darauf aufbauend optimieren wir Budgets, damit unsere Kunden nachhaltig ihre Gewinnmarge steigern können. Wir unterstützen führende europäische Marken aus E-Commerce, Telekommunikation, Banken, Versicherungen & Energie sowie vielen weiteren Branchen dabei, ihr Marketing intelligenter, effizienter und wirkungsvoller zu gestalten.

Über die Rolle

Nexoya führt vollautomatisierte, KI-gesteuerte Budgetoptimierungen und Simulationen für Marketingportfolios von Unternehmen über viele Werbekanäle hinweg durch. Jedes Ergebnis, das einen Kunden erreicht, muss korrekt, erklärbar und termingerecht sein. Als unser ML-Praktikant sorgst du dafür: Du überwachst die Pipeline-Gesundheit, prüfst die Qualität von Vorhersagen, Optimierungen und Simulationen, untersuchst Anomalien und wandelst wiederkehrende manuelle Prüfungen in verlässliche Werkzeuge um. Du arbeitest eng mit unseren ML-Ingenieuren und dem Customer Success zusammen und siehst direkt, wie deine Arbeit die Budgetentscheidungen unserer Kunden beeinflusst.

Deine Aufgaben

Überwache die Automatisierung und sichere die Ergebnisqualität

• Überwache die automatisierten Vorhersage-, Optimierungs- und Simulationspipelines über Kundenportfolios hinweg und verfolge den Laufzustand, die Vollständigkeit und Termintreue.
• Verifiziere, dass Vorhersagen, Optimierungsvorschläge und Simulationsergebnisse unsere Qualitätsstandards erfüllen, bevor sie Kunden erreichen: Budgetverschiebungen, erwartete KPI-Änderungen, Kanalbeschränkungen und Trichtereffekte.
• Untersuche fehlgeschlagene oder unerwartete Läufe, identifiziere die Ursache (Daten, Konfiguration oder Modell) und behebe sie oder eskaliere mit klarer Diagnose.

Sichere die Qualität der Ergebnisse über die Zeit

• Definiere und pflege Plausibilitätsprüfungen für Optimierungs- und Simulationsergebnisse, z. B. für Budgetplanung, saisonale Verschiebungen oder neue Kanaltests.
• Stelle sicher, dass Ergebnisse konsistent und erklärbar sind, sodass Kunden und Account Manager ihnen ohne manuelle Prüfungen vertrauen können.
• Vergleiche optimierte und simulierte Ergebnisse mit der realisierten Performance, dokumentiere Abweichungen und gib die Erkenntnisse an das ML-Team zurück.

Schütze Daten- und Modellqualität

• Überwache Eingabedaten auf Lücken, Anomalien und Tracking-Änderungen, die die Optimierungsqualität beeinflussen.
• Verfolge Modellanpassung und Vorhersagegenauigkeit pro Portfolio und erkenne Verschlechterungen frühzeitig.
• Pflege Portfolio-Konfigurationen wie Trichterstufen, Beschränkungen und Zieldefinitionen gemeinsam mit den verantwortlichen Teams.

Automatisiere den operativen Workflow

• Ersetze manuelle Prüfungen durch Python-Skripte, Validierungsregeln und Alarme.
• Erstelle und pflege Dashboards, die den Laufstatus, die Datenqualität und Modellperformance über Portfolios hinweg anzeigen.
• Schreibe Runbooks, damit operatives Wissen geteilt wird und nicht bei einer Person verbleibt.

Dein Einfluss

• Kunden erhalten Optimierungsvorschläge und Simulationen, die korrekt und termingerecht geliefert werden.
• Probleme werden erkannt, bevor Kunden sie sehen, nicht danach.
• Die Zeit, die das ML-Team für operative Arbeiten aufwendet, sinkt messbar, da wiederkehrende Schritte automatisiert sind.
• Customer Success kann automatisierte Optimierungs- und Simulationsergebnisse ohne manuelle Prüfung vertrauen.

Deine Erfahrung und Fähigkeiten

• Kürzlich abgeschlossener Masterabschluss in Data Science, Informatik, Statistik, Mathematik, Ingenieurwesen oder einem verwandten Fachgebiet.
• Solide Python-Kenntnisse, inklusive pandas und NumPy, sowie sicherer Umgang mit SQL.
• Gutes Verständnis von Statistik und grundlegenden Machine-Learning-Konzepten wie Regression, Modellevaluation und Overfitting.
• Sorgfältige, strukturierte Arbeitsweise: Du prüfst Ergebnisse, bevor du sie teilst, und dokumentierst deine Arbeit.
• Fähigkeit, technische Erkenntnisse klar für nicht-technische Kollegen zu erklären.
• Fließendes Englisch in Wort und Schrift ist ein Muss.

Bonuspunkte

• Erfahrung mit Optimierungsmethoden, z. B. beschränkte oder nicht-konvexe Optimierung.
• Vertrautheit mit Marketing-Mix-Modelling, Attribution oder digitalen Werbemetriken.
• Erfahrung mit Datenpipelines, geplanten Jobs oder Überwachungstools.
• Erfahrung mit Git, Docker und Cloud-Umgebungen.
• Fließend in Deutsch oder Italienisch.

Dein zukünftiges Arbeitsleben

• Zweck: Deine Arbeit beeinflusst direkt, wie Enterprise-Marketer ihre Budgets verteilen.
• Verantwortung: Du übernimmst von Tag eins die Qualität eines definierten Teils unserer Automatisierung, mit persönlichem Entwicklungsplan und regelmäßigem Feedback.
• Lernen: Du arbeitest an produktiven Systemen Seite an Seite mit erfahrenen ML- und Dateningenieuren, nicht an Nebenprojekten.
• Kultur: Eine transparente Unternehmenskultur auf Augenhöhe, in der jede Person wertgeschätzt und unterstützt wird.
• Strategie: Du gestaltest die Unternehmensstrategie und -kultur mit bei unseren vierteljährlichen Strategy Days.
• Events: Regelmässige Team-Events, vor Ort und ausser Haus.

Bewerbungsprozess

• Profilprüfung und kurzes Telefoninterview
• Take-Home Case Study
• Fallbesprechung mit dem ML-Team
• Vor-Ort-Interview und Teamevaluation