Data Scientist Zustandsdaten (m/w/d)

Jetzt bewerben »

Datum: 18.03.2026

Standort: Bern, CH

Unternehmen: SBB CFF FFS

Darauf kannst du dich freuen. 

 

Der Bereich Mess- und Diagnosetechnik ist die zentrale Anlaufstelle für maschinelles Zustandsdatenmonitoring von der Bestellung bis zur Bereitstellung an Kundinnen und Kunden. Mit SBB-Diagnosefahrzeugen und Partnern werden relevante Fahrwegdaten erhoben. So sichern wir Qualität, Sicherheit und Verfügbarkeit der Fahrweginfrastruktur. Im Team Zustandsdaten Research and Analysis gestaltest du den digitalen Wandel im Zustandsmonitoring mit.

Du profitierst von attraktiven Benefits wie dem kostenlosen GA und vergünstigten Auslandsreisen auch für deine Familie. Details findest du auf unserer Website unter Benefits. 

 

Das kannst du bewegen. 

 

  • Mit modernen Methoden aus der angewandten Forschung führst du anspruchsvolle Datenanalysen und Proof of Concepts durch und schaffst Entscheidungsgrundlagen für einen sicheren Fahrweg. 

  • Statistische Auswertungen, Modellentwicklung, Umsetzung von Algorithmen und Erstellung von Validierungskonzepten gehören zu deinem Alltag, ebenso die Aufbereitung, Visualisierung und Interpretation von Messdaten. 

  • Analytische Ergebnisse verknüpfst du mit Domänenwissen aus dem Zustandsmonitoring und bereitest sie adressatengerecht für das operative Anlagenmanagement auf. 

  • In Forschungszusammenarbeiten, Beschaffungsprojekten und im Betrieb bringst du Data-Science-Kompetenzen ein, unterstützt Projektleitende und steigerst Qualität und Wirkung der Vorhaben. 

  • Du identifizierst Optimierungen und Forschungsaktivitäten im Zustandsmonitoring und treibst die datengetriebene Weiterentwicklung unserer Systeme voran.

 

Das bringst du mit. 

 

  • Analytische, strukturierte und eigenverantwortliche Arbeitsweise sowie Freude an interdisziplinärer Zusammenarbeit im technischen Bahnumfeld. Als kommunikative und engagierte Persönlichkeit gestaltest du kundenorientierte Lösungen.

  • Sehr gutes methodisches und algorithmisches Verständnis sowie fundierte Python-Erfahrung mit gängigen Data-Science-Libraries. Vertraut mit Git und Software-Engineering-Prinzipien wie Clean Code. 

  • Sichere Datenaufbereitung mit Python-Skripten oder SQL und Anwendung klassischer Data-Science- und Machine-Learning-Methoden. Deep Learning ist ein Plus. 

  • Erfahrung mit Linux, Docker oder Cloud-Umgebungen ist vorteilhaft. 

  • Hochschulabschluss in Ingenieur- oder Naturwissenschaften (Uni, FH) oder in einer quantitativ oder analytisch ausgerichteten Fachrichtung. 

  • Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift.