Inhaltsverzeichnis
Data Scientists stehen zwischen Statistik, Softwareentwicklung und Fachbereich. Arbeitgeber erwarten, dass du Daten aufbereitest, passende Modelle auswählst und Ergebnisse so erklärst, dass Entscheidungen daraus folgen. Seit sich generative KI in vielen Unternehmen etabliert hat, gehören auch Erfahrungen mit großen Sprachmodellen, Retrieval-Augmented Generation und deren Evaluation häufig dazu.
Viele Lebensläufe in diesem Bereich scheitern daran, dass sie Algorithmen aufzählen, aber keine Wirkung zeigen. Beschreibe Projekte deshalb mit Zielgröße, Modellgüte und Business-Effekt, etwa reduzierte Abwanderung oder genauere Prognosen. Zeig auch, ob deine Modelle produktiv laufen und wie du sie überwachst. Ein Studium in Informatik, Mathematik, Physik oder Statistik ist üblich, eine Promotion vor allem in Forschungsabteilungen.
Muster-Lebenslauf Data Scientist
So kann ein überzeugender Lebenslauf als Data Scientist aussehen. Öffne das Muster mit einem Klick im Editor, ersetze die Angaben durch deine eigenen und wähle eines von über 30 Designs.
Dr. Katharina Vogt
Data Scientist (Machine Learning & GenAI)
Profil
Data Scientist mit fünf Jahren Berufserfahrung in Machine Learning für Vertrieb und Kundenservice sowie Promotion in angewandter Statistik. Entwickelt Prognose- und Klassifikationsmodelle mit Python, scikit-learn und PyTorch und bringt sie mit MLflow und Databricks in Produktion. Zuletzt ein Churn-Modell verantwortet, das die Kündigungsquote in der Zielgruppe um 12 % gesenkt hat. Übersetzt Analysen in klare Empfehlungen für Management und Fachbereiche.
Berufserfahrung
Senior Data Scientist
Energieversorger Beispiel AG, München
- Churn-Prognosemodell mit LightGBM entwickelt und in Kampagnensteuerung integriert; Kündigungsquote in der Zielgruppe um 12 % gesenkt
- RAG-Assistenten für den Kundenservice auf Basis eines LLM mit Vektorsuche gebaut; durchschnittliche Bearbeitungszeit pro Anfrage um 18 % verkürzt
- MLOps-Prozess mit MLflow, Databricks und automatisiertem Drift-Monitoring für 6 produktive Modelle aufgesetzt
- Ergebnisse in Management-Präsentationen vorgestellt und Roadmap für KI-Anwendungsfälle mitgestaltet
Data Scientist
Onlinehandel Musterstadt GmbH, Augsburg
- Absatzprognose für 15.000 Artikel mit Zeitreihenmodellen aufgebaut; Prognosefehler (MAPE) von 24 % auf 14 % reduziert
- A/B-Tests für Empfehlungslogik im Shop konzipiert und statistisch ausgewertet
- Feature-Pipelines in Python und SQL auf Snowflake entwickelt und mit dbt versioniert
- Fachbereich Einkauf in der Interpretation von Prognosen und Unsicherheiten geschult
Ausbildung
Promotion (Dr. rer. nat.) in Statistik
Technische Universität Musterstadt
Dissertation zu Bayesschen Methoden für Zeitreihenprognosen
Master of Science Mathematik
Universität Beispielstadt
Note 1,3
Bachelor of Science Mathematik
Universität Beispielstadt
Kurzprofil als Vorlage
Kurzprofil
Data Scientist mit fünf Jahren Berufserfahrung in Machine Learning für Vertrieb und Kundenservice sowie Promotion in angewandter Statistik. Entwickelt Prognose- und Klassifikationsmodelle mit Python, scikit-learn und PyTorch und bringt sie mit MLflow und Databricks in Produktion. Zuletzt ein Churn-Modell verantwortet, das die Kündigungsquote in der Zielgruppe um 12 % gesenkt hat. Übersetzt Analysen in klare Empfehlungen für Management und Fachbereiche.
Diese Kompetenzen suchen Arbeitgeber
In Stellenanzeigen für Data Scientist tauchen diese Fachkenntnisse besonders häufig auf. Übernimm die, die auf dich zutreffen, und nutze die Begriffe aus der jeweiligen Anzeige – so findet dich auch ein Bewerbermanagementsystem.
Soft Skills mit Beleg
| Soft Skill | So belegst du ihn im Lebenslauf |
|---|---|
| Kommunikationsstärke | „Modellergebnisse und Unsicherheiten in Management-Präsentationen verständlich erklärt und Entscheidungen zur Kampagnensteuerung vorbereitet.“ |
| Business-Verständnis | „Gemeinsam mit dem Vertrieb Zielgrößen für das Churn-Modell definiert, die direkt in Kampagnen nutzbar sind.“ |
| Kritisches Denken | „Datenleck in einem Trainingsdatensatz aufgedeckt und Modellgüte vor dem Go-live realistisch neu bewertet.“ |
| Wissensvermittlung | „Fachbereich Einkauf in der Interpretation von Prognoseintervallen geschult.“ |
| Eigeninitiative | „Ersten GenAI-Prototyp im Kundenservice eigenständig vorgeschlagen und bis zur Produktion begleitet.“ |
Ist dein Lebenslauf ATS-tauglich?
Der kostenlose Lebenslauf-Check bewertet Aufbau, Inhalt und Lesbarkeit für Bewerbermanagementsysteme – ohne Anmeldung, direkt im Browser.
Formulierungen für deinen Lebenslauf
Fertige Stichpunkte für die Berufserfahrung – Aktionsverb, Tätigkeit, Ergebnis. Passe Zahlen und Details an deine Situation an.
- Churn-Modell entwickelt und in die Kampagnensteuerung integriert; Kündigungsquote in der Zielgruppe um 12 % gesenkt
- Absatzprognose für 15.000 Artikel aufgebaut; Prognosefehler (MAPE) von 24 % auf 14 % reduziert
- RAG-basierten Assistenten für den Kundenservice umgesetzt und mit einem eigenen Evaluationsdatensatz abgesichert
- MLOps-Pipeline mit MLflow und Drift-Monitoring eingeführt; Modellaktualisierung von Wochen auf Tage verkürzt
- A/B-Tests für Empfehlungsalgorithmen konzipiert, Stichprobengröße berechnet und Ergebnisse statistisch ausgewertet
- Feature-Pipelines in Python und SQL entwickelt und mit dbt versioniert
- Explorative Analysen zu Kundenverhalten durchgeführt und Handlungsempfehlungen für das Marketing abgeleitet
- Modellentscheidungen mit SHAP erklärbar gemacht und mit dem Fachbereich validiert
- Datenschutzkonformes Training mit pseudonymisierten Daten gemeinsam mit dem Datenschutzbeauftragten umgesetzt
Muster-Anschreiben Data Scientist
Das passende Anschreiben zum Muster-Lebenslauf. Im Editor erstellst du es im selben Design wie deinen Lebenslauf.
Bewerbung als Senior Data Scientist (m/w/d) – Referenz DS-2026-07
Sehr geehrte Frau Dr. Neumann,
Sie möchten Ihre Kundenbindung datengetrieben verbessern und erste GenAI-Anwendungen in den produktiven Betrieb bringen. Beides habe ich in den letzten Jahren erfolgreich umgesetzt, und ich würde diese Erfahrung gern in Ihr Analytics-Team einbringen.
Als Senior Data Scientist bei der Energieversorger Beispiel AG habe ich ein Churn-Modell mit LightGBM entwickelt, das direkt in die Kampagnensteuerung einfließt und die Kündigungsquote in der Zielgruppe um 12 Prozent gesenkt hat. Außerdem habe ich einen RAG-Assistenten für den Kundenservice gebaut, der die Bearbeitungszeit pro Anfrage um 18 Prozent verkürzt. Damit diese Modelle zuverlässig bleiben, habe ich einen MLOps-Prozess mit MLflow und Drift-Monitoring für sechs produktive Modelle aufgesetzt.
Ihre Ausschreibung betont, dass Data Science bei Ihnen eng mit den Fachbereichen zusammenarbeitet. Das entspricht meiner Arbeitsweise: Ich beginne mit der geschäftlichen Fragestellung, prüfe Annahmen mit sauberen Experimenten und erkläre Ergebnisse so, dass Teams sie umsetzen können. Meine Promotion in Statistik hilft mir, Unsicherheiten ehrlich zu kommunizieren, statt nur Punktschätzungen zu liefern.
Ich stehe nach einer Kündigungsfrist von drei Monaten zur Verfügung. Gern bringe ich dafür auch Code und Evaluationsergebnisse mit. Ich freue mich darauf, Ihnen in einem Gespräch eines meiner Projekte im Detail vorzustellen.
Mit freundlichen Grüßen
Dr. Katharina Vogt
Tipps für deine Bewerbung als Data Scientist
- Modellgüte und Business-Wirkung kombinieren: Ein AUC von 0,87 beeindruckt nur Fachleute. Nenne zusätzlich, was das Modell bewirkt hat, zum Beispiel weniger Kündigungen, genauere Bestände oder eingesparte Arbeitszeit. So überzeugst du Fach- und Personalabteilung gleichzeitig.
- Produktion statt Notebook zeigen: Viele Bewerber:innen haben Modelle nur in Jupyter-Notebooks gebaut. Wenn deine Modelle produktiv laufen, schreib das ausdrücklich und nenne Werkzeuge wie MLflow, Docker oder Airflow. Das ist oft das entscheidende Unterscheidungsmerkmal.
- GenAI-Erfahrung konkret machen: „Erfahrung mit ChatGPT“ reicht nicht. Beschreibe, ob du RAG-Systeme gebaut, Modelle feinjustiert oder Evaluationsmethoden für LLM-Antworten entwickelt hast. Zeig auch, dass du Themen wie Halluzinationen, Datenschutz und Kosten im Blick hattest.
- Abschluss und Forschung einordnen: Bei einer Promotion oder einem forschungsnahen Master nenne das Thema in einer Zeile und den Bezug zur Praxis. Veröffentlichungen gehören in eine kurze Liste oder einen Link, nicht als langer Block in den Lebenslauf.
- Portfolio sinnvoll nutzen: Ein GitHub-Repository oder ein Blogartikel zu einem eigenen Projekt zeigt, wie du arbeitest. Wähle Projekte mit echten, nicht nur Lehrbuch-Datensätzen und dokumentiere Fragestellung, Vorgehen und Ergebnis.
- Tools nach Ebenen ordnen: Gliedere deine Kenntnisse in Sprachen, ML-Bibliotheken, Datenplattformen und MLOps. So sieht man auf einen Blick, ob du eher in Richtung Analyse, Modellierung oder ML Engineering gehst.
Häufige Fehler
Das solltest du vermeiden:
- Eine lange Liste von Algorithmen aufführen, ohne ein einziges Projekt mit Ergebnis zu beschreiben.
- Kaggle-Platzierungen oder Kursprojekte gleichrangig mit produktiven Modellen aus dem Job darstellen.
- Modellgüte ohne Kontext nennen, etwa eine Genauigkeit von 95 % bei stark unausgewogenen Klassen.
- Datenschutz und Erklärbarkeit komplett ausblenden, obwohl gerade Unternehmen in regulierten Branchen danach fragen.
Lebenslauf jetzt kostenlos erstellen
Über 30 professionelle Vorlagen, Formulierungshilfen und ein ATS-sicheres PDF – in wenigen Minuten fertig.
Passende Ratgeber
- Bewerbung in der IT: Lebenslauf, Projekte und technische InterviewsWie du dich als Softwareentwicklerin, Fachinformatiker, Systemadministratorin oder Data Analyst überzeugend bewirbst – konkret, technisch und gut vorbereitet.
- Lebenslauf auf Englisch: So schreibst du den perfekten CVBritischer CV oder US-Résumé? Was in den englischen Lebenslauf gehört, wie du Abschlüsse und Noten überträgst und welche Begriffe du brauchst.
- Video-Interview vorbereiten: Technik, Licht und AuftretenSo überzeugst du im Online-Vorstellungsgespräch: Technik, Licht, Plattform-Tipps, Auftreten vor der Kamera und zeitversetzte Video-Interviews.
Häufige Fragen
Was gehört in den Lebenslauf eines Data Scientists?
Projekte mit Fragestellung, Methode, Modellgüte und Business-Wirkung, dein Tech-Stack von Python bis MLOps, dein Studium oder deine Promotion sowie relevante Zertifikate. Ergänze Links zu GitHub, Publikationen oder Vorträgen.
Brauche ich als Data Scientist eine Promotion?
Nein, für die meisten Stellen in der Wirtschaft reicht ein Master in einem quantitativen Fach. Eine Promotion ist vor allem in Forschung und sehr methodischen Teams ein Vorteil. Praktische Erfahrung mit produktiven Modellen wiegt oft schwerer.
Wie stelle ich GenAI- und LLM-Erfahrung im Lebenslauf dar?
Beschreibe konkrete Anwendungen, zum Beispiel einen RAG-Assistenten, und nenne Architektur, Evaluationsmethode und Ergebnis. Erwähne, wie du mit Qualität, Kosten und Datenschutz umgegangen bist. Reines Prompten ohne Projektbezug überzeugt kaum.
Wie werde ich als Quereinsteiger Data Scientist?
Zeig Projekte, die eine echte Fragestellung mit Daten beantworten, und belege Python, SQL und Statistik mit Zertifikaten oder Kursen. Ein Zwischenschritt über Data Analyst oder Data Engineer ist häufig realistischer als der direkte Einstieg.
Muss mein Lebenslauf als Data Scientist auf Englisch sein?
Das hängt von der Ausschreibung ab. Ist die Anzeige auf Englisch und das Team international, schick einen englischen Lebenslauf. Bei deutschen Anzeigen ist ein deutscher Lebenslauf mit englischen Fachbegriffen völlig üblich.