Data Scientist
Analytisches Profil, das mit Statistik, ML und Domänenwissen geschäftliche Fragen beantwortet und Modelle prototypisiert.
Data Scientists übersetzen Geschäftsfragen in datengetriebene Antworten. Sie arbeiten mit Statistik, klassischer ML und – 2026 zunehmend – LLM-basierten Tools. Ihre Stärke liegt in Hypothesenbildung, Analyse, Modellprototypen und in der Kommunikation mit dem Fachbereich.
- Festanstellung Senior (D)
- 90.000–120.000 €
- Freelance Senior
- 900–1.200 €/Tag
- Vakanzdauer
- 6–10 Wochen
- Top-Stack
- Python, SQL, scikit-learn, dbt, Snowflake, Notebooks
Aufgaben
Explorative Analysen, Hypothesentests, Modellprototypen (Forecasting, Klassifikation, Recommendation), A/B-Testing, Interpretation, Reporting an Fachbereich und Vorstand. Zusammenarbeit mit Data und ML Engineers für Produktivierung.
Skills
Python, SQL, Statistik, scikit-learn, Pandas, Visualisierung (Plotly, Seaborn), Notebooks (Jupyter, Hex, Deepnote), Cloud-Grundlagen, zunehmend LLM-/Embedding-Tools. Wichtig: Storytelling und Fachbereich-Empathie.
Markt 2026
Festanstellung: Junior 55.000–70.000 €, Mid 70.000–90.000 €, Senior 90.000–120.000 €, Lead 120.000–150.000 €. Freelance: Mid 700–900 €, Senior 900–1.200 €. Schweiz +30–45 %. Klassische DS-Profile ohne Engineering- oder LLM-Bezug sind 2026 deutlich weniger gefragt als 2022.
Recruiting
Time-to-Hire über kuratiertes Sourcing 6–10 Wochen. Wichtig: Fachbereichsnähe und Übersetzungsfähigkeit, nicht nur Kaggle-Notebooks.
Praxis & Empfehlung 2026
Klassische Data Scientists ohne Engineering- oder LLM-Anteile haben 2026 einen schwereren Stand als 2022. Stellen mit reinem Notebook-Profil werden seltener besetzt; gefragt sind hybride Profile, die Modelle bauen und mindestens zur Produktion hin denken. In der Auswahl achten wir bei Spitzenbesetzung auf vier Signale: Verständnis für Kostenmodelle (CAC, Margen, Lifetime Value), Klarheit beim Hypothesen-Aufbau, Eval-Disziplin und Übersetzungsfähigkeit Richtung Fachbereich. Wer im Interview ein konkretes Geschäftsproblem in klare Hypothesen, Daten und Auswertungen zerlegt, ist im DACH-Markt 2026 deutlich stärker positioniert als Profile mit langen Tool-Listen ohne dazugehöriges Outcome.
| Seniorität | Festanstellung €/Jahr | Freelance €/Tag |
|---|---|---|
| Junior | 55.000 – 70.000 | 600 – 750 |
| Mid | 70.000 – 90.000 | 750 – 950 |
| Senior | 90.000 – 120.000 | 950 – 1.200 |
| Lead | 120.000 – 150.000 | 1.200 – 1.500 |
Häufige Fragen
- Wie finde ich einen Data Scientist als Freelancer?
- Über spezialisierte Personalvermittlung mit vorqualifiziertem Pool. Reine Plattformen liefern viele, aber selten produktionsnahe Profile. Siehe Glossar-Eintrag „Data Scientist Freelancer finden".
- Brauche ich Data Scientists oder direkt ML Engineers?
- Für Analysen, Hypothesen und Prototypen: Data Scientist. Für produktive Systeme: ML Engineer. In kleinen Teams empfiehlt sich ein hybrides Senior-Profil.
Passende Leistungen
Verwandte Begriffe
- Machine Learning Engineer – Engineer-Profil, das ML-Modelle in produktive, überwachbare Systeme bringt und langfristig betreibt.
- Applied Scientist – Forschungsnaher Engineer, der neue ML-/LLM-Verfahren auswählt, adaptiert und in produktive Lösungen überführt.
- Data Engineer (KI) – Engineer-Profil, das die Daten-Grundlage für ML- und LLM-Systeme baut: Pipelines, Qualität, Governance.
- Data Scientist Freelancer finden – Wie Unternehmen 2026 in DACH einen passenden Data Scientist als Freelancer kuratiert besetzen.