Capgemini Data Scientist: Lebenslauf-Keywords und Interviewvorbereitung

Deine Data-Science-Bewerbung bei Capgemini bleibt ohne Rückmeldung, und du fragst dich, ob der Lebenslauf oder das Interview das Problem ist. Beides hängt zusammen: Die Keywords im Lebenslauf entscheiden, ob deine Unterlagen überhaupt gelesen werden, und die Interviewvorbereitung entscheidend darüber, ob du danach überzeugst. Ich zeige dir, wie du beides auf diese Bewerbung zuschneidest, ohne interne Abläufe zu erfinden, die niemand von außen bestätigen kann.

Erst die Stellenanzeige sauber zerlegen#

Der Fehler, den ich am häufigsten sehe: Menschen schreiben einen allgemeinen Data-Science-Lebenslauf und schicken ihn an zwanzig Firmen. Bei einer Beratung wie Capgemini geht das nicht auf, weil die Rollen je nach Projekt, Branche und Standort sehr unterschiedlich sind. Ein Data Scientist im Umfeld Supply Chain arbeitet an anderen Modellen als einer im Banking oder in der Telekommunikation.

Dein erster Schritt ist immer die konkrete Ausschreibung. Lies sie Zeile für Zeile und markiere drei Dinge: verlangte Tools und Methoden, Fachdomäne und Soft Skills in der Zusammenarbeit. Diese drei Gruppen bilden später deine Keyword-Liste.

Nutze für diesen Schritt den kostenfreien JD-Decoder, wenn du Stellenanzeigen schnell auf Anforderungen und fehlende Begriffe abklopfen willst. Er spart dir Zeit beim Herausfiltern der relevanten Formulierungen.

Was im deutschsprachigen Data-Science-Lebenslauf zählt#

Deutscher Lebenslauf heißt: eine bis zwei Seiten, tabellarisch, mit Zeitangaben und einem roten Faden. Foto ist weiterhin üblich, auch wenn es rechtlich niemand verlangen darf. Bei einer Beratung zählt zusätzlich: Zeig, dass du Projekte von der Fragestellung bis zum Ergebnis durchdenkst, nicht nur Modelle trainierst.

Der häufigste inhaltliche Fehler ist, Werkzeuge ohne Wirkung aufzulisten. "Python, pandas, scikit-learn" steht in jeder zweiten Bewerbung. Spannend wird es, wenn du die Wirkung mitnimmst, also was dein Modell im Geschäft verändert hat. Zahlen sind gut, aber nur wenn du sie belegen kannst. Erfinde nichts.

Ein konkretes Beispiel für eine überarbeitete Bulletpoint

Vorher: "Machine-Learning-Modell zur Vorhersage von Kundenabwanderung entwickelt."

Nachher: "Prognosemodell zur Kundenabwanderung mit Python und scikit-learn entwickelt, Feature-Engineering für Transaktions- und Nutzungsdaten verantwortet, Ergebnisse im wöchentlichen Jour fixe an Fachabteilung und Produktmanagement präsentiert."

Der zweite Satz funktioniert besser, weil er Methodik, Umfang und Kommunikation zeigt. Genau diese Mischung wird in Beratungsprojekten gesucht: Technik erklären können, mit Nicht-Technikern arbeiten, Ergebnisse in Entscheidungen übersetzen.

Keywords, die in Data-Science-Bewerbungen bei Beratungen oft vorkommen#

Die genaue Liste kommt immer aus der Stellenanzeige, aber einige Begriffe tauchen im deutschsprachigen Markt regelmäßig auf. Nimm nur die auf, die du wirklich kannst. Recruiter und Hiring Manager merken es im Interview sofort, wenn Keywords ohne Substanz im Lebenslauf stehen.

• Python, SQL, pandas, NumPy, scikit-learn
• TensorFlow oder PyTorch, je nach Schwerpunkt
• Machine Learning, Deep Learning, NLP, Time Series
• Feature Engineering, Modellvalidierung, Hyperparameter-Tuning
• MLOps, Docker, CI/CD, Modellmonitoring
• Cloud-Plattformen wie AWS, Azure oder Google Cloud
• Data Engineering Basics, zum Beispiel Airflow oder Spark
• Data Visualization mit Power BI, Tableau oder Matplotlib
• Stakeholder-Kommunikation, Workshop-Moderation, Fachkonzepte erklären
• Branchenbezug wie Banking, Automotive, Pharma, Telekommunikation oder Public Sector

Branchenbezug ist ein unterschätzter Hebel. Wenn du zwei Jahre in der Automobillogistik gearbeitet hast, dann schreib das auch so. Beratungen verkaufen Fachwissen an Kunden, und deine Domäne ist ein Verkaufsargument.

Wie du den Lebenslauf auf eine konkrete Ausschreibung zuschneidest#

Nimm die markierten Anforderungen und prüfe deinen Entwurf gegen jede einzelne. Für jede Anforderung solltest du im Lebenslauf einen Beleg finden, an einer Stelle, nicht überall verteilt. Fehlt ein Beleg, ist das kein Grund zum Lügen, sondern ein Grund, im Anschreiben oder im Interview ehrlich zu sagen, wo du gerade aufholst.

Halte die Reihenfolge der Bulletpoints dynamisch. Das Wichtigste für diese Stelle steht oben in deiner Projekterfahrung, auch wenn es chronologisch älter ist. Recruiter lesen selten alles, sie scannen.

Bevor du abschickst, lass die Datei durch den kostenfreien ATS-Checker laufen. Der zeigt dir, ob die Formatierung von Bewerbermanagementsystemen sauber erkannt wird. Gerade bei Beratungen, die viele Bewerbungen bekommen, scheitern formale Details öfter als gedacht.

Wenn du noch passende Ausschreibungen suchst, lohnt ein Blick auf die Data-Science-Jobs in Deutschland für aktuelle Markttrends und offene Rollen.

Was im Interview erwartet, ohne interne Details zu erfinden#

Ich weiß nicht, wie Capgemini intern genau interviewt, und das weißt du vermutlich auch nicht. Alles, was dir jemand als verbindlichen Prozess verkauft, ist eine Behauptung. Was sich aber aus der Rollenbeschreibung und aus dem, was Data Scientists in Beratungen üblicherweise tun, ableiten lässt, ist ziemlich klar.

Erwarte drei Stränge: technische Fragen zu deinen Projekten, Grundlagen aus Statistik und Machine Learning, und Situationsfragen zu Kundenarbeit. Dazu kommt fast immer die Frage, warum du genau diese Rolle willst. Bereite jedes Projekt, das im Lebenslauf steht, darauf vor, in fünf Minuten erklärt zu werden.

Beispiel für eine gute Antwort auf "Erzählen Sie mir von einem Projekt"

"In meinem letzten Projekt ging es darum, Retouren in einem Online-Shop besser vorherzusagen. Die Ausgangslage war unklar, deshalb habe ich zuerst mit der Fachabteilung geklärt, welche Entscheidung die Prognose überhaupt steuern soll. Danach habe ich die Datenlage geprüft, drei Modellvarianten verglichen und im Test mit dem einfachsten Modell begonnen. Am Ende war der Nutzen nicht der beste Algorithmus, sondern dass das Team verstanden hat, welche Features den größten Einfluss haben. Das hat die Diskussion über Maßnahmen verändert."

Diese Antwort zeigt Technik, aber sie zeigt vor allem Urteilsvermögen. Genau das unterscheidet einen guten Data Scientist von einem Kursabsolventen.

Technische Vorbereitung, die sich wirklich lohnt#

Wiederhole die Grundlagen, nicht nur die neuesten Frameworks. Fragen zu Bias-Variance-Tradeoff, Regularisierung, Cross-Validation, Precision und Recall kommen immer wieder, egal wie modern der Job klingt. Übe, diese Konzepte in zwei Sätzen ohne Fachchinesisch zu erklären.

Mach ein Coding-Exercise unter Zeitdruck. Viele Data Scientists scheitern nicht am schwierigen Algorithmus, sondern daran, in 20 Minuten saubere SQL-Abfragen oder einfache Python-Manipulationen zu schreiben. Übe Joins, Window Functions und Gruppierungen in SQL, das wird im Beratungsalltag ständig gebraucht.

Übe auch, eine Modellentscheidung zu verteidigen. Warum ein Modell und nicht ein anderes? Warum diese Metrik? Was war das Risiko, wenn die Prognose danebenliegt? Solche Fragen kommen, weil du im Projekt genau das erklären musst.

Checkliste für deine Bewerbung#

• Stellenanzeige Zeile für Zeile gelesen und Anforderungen markiert
• Keyword-Liste aus der Ausschreibung erstellt, nur eigene Fähigkeiten aufgenommen
• Projekte mit Wirkung beschrieben, nicht nur mit Tools
• Branchenbezug und Teamarbeit sichtbar gemacht
• Reihenfolge der Bulletpoints auf diese Stelle angepasst
• Datei durch den ATS-Checker geprüft auf Formatierung
• Jedes Projekt im Lebenslauf für eine 5-Minuten-Erklärung vorbereitet
• Grundlagen aus Statistik und Machine Learning wiederholt
• SQL- und Python-Übungen unter Zeitdruck gemacht
• Drei konkrete Fragen an das Gespräch vorbereitet, zum Beispiel zu Projektumfeld und Team

Gehalt und Rahmenbedingungen realistisch einordnen#

Über Gehalt wird in Data-Science-Bewerbungen in Deutschland oft erst spät gesprochen, aber du solltest eine Vorstellung haben. Berufseinsteiger mit Master liegen typischerweise im Bereich von etwa 50.000 bis 65.000 Euro brutto im Jahr, mit Berufserfahrung und Verantwortung deutlich höher. Die Spanne hängt von Standort, Branche, Bonusregelung und deiner Verhandlung ab, und sie verschiebt sich regelmäßig.

Prüfe immer die aktuellen Quellen, zum Beispiel Entgeltatlas der Bundesagentur für Arbeit oder aktuelle Gehaltsreports. Nutze die Werte als Orientierung, nicht als Versprechen.

Kostenlose Tools#

• jobrise.io/de/free-ats-checker/
• jobrise.io/de/free-jd-decoder/
• jobrise.io/de/jobs/
• jobrise.io/de/blog/

Häufige Fragen#

Welche Keywords sollten im Data-Science-Lebenslauf für Capgemini stehen?

Nimm exakt die Begriffe aus der konkreten Stellenanzeige, plus die Tools und Methoden, die du wirklich beherrschst. Typisch sind Python, SQL, Machine Learning, Cloud und Stakeholder-Kommunikation. Nicht aufnehmen solltest du Keywords ohne eigenen Beleg, das fällt im Interview auf.

Wie lang sollte der Lebenslauf sein?

Für den deutschsprachigen Markt sind ein bis zwei Seiten üblich. Berufseinsteiger sind mit einer knappen Seite gut bedient, erfahrene Data Scientists mit zwei. Alles darüber wird selten gelesen.

Sollte ich meine Abschlussarbeit in die Bewerbung aufnehmen?

Ja, wenn sie thematisch zur Stelle passt, mit einem Satz zu Fragestellung, Methodik und Ergebnis. Wenn sie nicht passt, lass sie weg oder erwähne sie nur kurz im Ausbildungsteil. Wichtiger sind Projekte, in denen du mit echten Daten und echten Anforderungen gearbeitet hast.

Wie bereite ich mich auf Coding-Aufgaben im Interview vor?

Übe SQL-Joins, Gruppierungen und Window Functions, dazu Python mit pandas für Datenbereinigung und Aggregation. Mach die Übungen unter Zeitdruck und sprich laut dabei, was du tust. Denkprozess zeigen ist oft wichtiger als die perfekte Lösung auf Anhieb.

Was mache ich, wenn mir Erfahrung in einem gefragten Tool fehlt?

Schreib es nicht in den Lebenslauf, sondern bereite eine ehrliche Antwort vor. Zeig, wie du in der Vergangenheit neue Technologien gelernt hast, und nenne ein ähnliches Tool, das du beherrschst. Beratungen stellen auf Lernfähigkeit ab, aber sie erwarten keine Lüge im Lebenslauf.