Siemens Data Scientist: Lebenslauf-Keywords und Interviewvorbereitung

Deine Bewerbung als Data Scientist bei Siemens geht ins Leere, weil dein Lebenslauf und die Stellenanzeige nicht dieselbe Sprache sprechen. Das ist vermeidbar. Was folgt, ist kein Geheimwissen über interne Abläufe, sondern die handwerkliche Arbeit, die bei jeder seriösen Bewerbung anfällt: Stelle lesen, Begriffe spiegeln, Belege liefern, Interview vorbereiten.

Erst die Stellenanzeige entschlüsseln#

Bevor du eine Zeile am Lebenslauf änderst, liest du die Ausschreibung Zeile für Zeile. Notiere dir die Werkzeuge, die Methoden und die Domänenbegriffe, die dort vorkommen. Das ist keine Kästchenarbeit, sondern die Grundlage für alles Weitere.

Ein guter Helfer dafür ist der kostenlose Stellenanzeigen-Decoder, mit dem du die geforderten Skills aus der Anzeige herausziehen kannst: /de/free-jd-decoder/. Danach hast du eine Liste, an der du deinen Lebenslauf ausrichtest.

Bei großen Konzernen wie Siemens lohnt ein zweiter Blick auf die Anzeige selbst. Konzerne schreiben oft lange Listen, manchmal mit verpflichtenden und wünschenswerten Punkten getrennt. Was unter Pflicht steht, muss in deinem Lebenslauf auftauchen. Was unter Wünsche steht, ist dein Spielraum.

Typische Keywords für Data-Scientist-Rollen bei Siemens#

Ohne Zugang zu internen Bewerbungsprozessen bleibt nur, was in öffentlichen Ausschreibungen und Stellenprofilen steht. Dort tauchen bei Industriekonzernen und technologiegetriebenen Unternehmen regelmäßig diese Begriffe auf:

• Python, SQL, pandas, NumPy, scikit-learn
• Machine Learning, Deep Learning, Time Series, Forecasting, NLP
• Cloud-Plattformen wie Azure oder AWS, dazu Docker und Git
• MLOps, Modelldeployment, Feature Engineering, A/B-Testing
• Datenbanken und Speicherformate wie PostgreSQL, Snowflake, Spark, Parquet
• Domänenbegriffe aus dem jeweiligen Feld: Predictive Maintenance, Energie, Mobilität, Healthcare, Industrial IoT, Digital Twin

Der letzte Punkt ist wichtig. Bei einem Industriekonzern geht es selten um ML im luftleeren Raum. Wenn die Anzeige von Anlagen, Turbinen, Sensordaten oder Prozessoptimierung spricht, nimm diese Wörter in deine Formulierungen auf, sofern deine Erfahrung dazu passt.

Den Lebenslauf auf die Anzeige zuschneiden#

Der häufigste Fehler: ein Lebenslauf, der die eigene Geschichte erzählt, aber nicht die Stelle beantwortet. Beides muss zusammenpassen. Deine Erfahrung bleibt deine Erfahrung, die Reihenfolge und die Wortwahl änderst du.

Jede relevante Zeile braucht eine Zahl, ein Werkzeug oder ein Ergebnis. "Verantwortlich für Machine Learning" sagt nichts. "Zeitreihenprognose für Wartungsdaten gebaut, Fehler um 18 Prozent gesenkt" ist überprüfbar, auch wenn du die Zahl selbst nennen musst.

Ein Beispiel, wie eine Standardzeile zur passenden Zeile wird:

Vorher: "Zuständig für Datenanalysen und Machine-Learning-Modelle im Bereich Produktion."

Nachher: "Zeitreihenmodelle in Python (Prophet, XGBoost) für Wartungsdaten von 40 Maschinen entwickelt, Prognosefehler gegenüber Baseline um 18 Prozent gesenkt, Modell via Docker auf Azure bereitgestellt."

Der Unterschied liegt nicht im Ton. Er liegt darin, dass die zweite Version Werkzeuge nennt, eine Größenordnung angibt und ein Ergebnis behauptet, das du im Interview verteidigen kannst.

Ein letzter Check vor dem Absenden: Lass den Lebenslauf gegen die Anzeige laufen. Der kostenlose ATS-Checker zeigt dir, wie gut deine Dokumente zu den Stichwörtern der Ausschreibung passen: /de/free-ats-checker/. Er ersetzt kein Lektorat, aber er deckt auf, wenn zentrale Begriffe komplett fehlen.

Was im Lebenslauf nicht stehen sollte#

Drei Dinge, die eher schaden als nützen:

• Fähigkeiten, die du nicht im Interview erklären kannst. Wenn TensorFlow in deinem Lebenslauf steht, wird jemand danach fragen.
• Unklare Zeitangaben. Lücken sind kein Drama, aber verschleierte Zeiträume schon.
• Buzzwords ohne Kontext. "Data-driven" und "innovativ" sind keine Belege.

Interviewvorbereitung für eine Data-Scientist-Rolle#

Bei einem großen Technologieunternehmen kannst du mit mehreren Runden rechnen, typischerweise ein Erstgespräch, ein technisches Gespräch und oft ein Gespräch mit dem Fachbereich. Wie genau das abläuft, unterscheidet sich je nach Standort, Team und Rolle. Rechne mit technischen Fragen, mit einem Gespräch über deine bisherigen Projekte und mit Fragen zur Zusammenarbeit.

Für das technische Gespräch solltest du drei Dinge können: SQL schreiben, ein Modell von der Problemstellung bis zum Deployment erklären, und deine eigenen Projekte sauber durchsprechen. Übe SQL-Joins, Aggregationen und Fensterfunktionen an einem echten Datensatz, nicht nur in der Theorie.

Zur Vorbereitung gehört auch, die eigenen Projekte in eine feste Form zu bringen. Pro Projekt solltest du in zwei Minuten erklären können: das Problem, die Daten, dein Vorgehen, das Ergebnis und was du anders machen würdest. Diese Struktur hilft in jeder Runde.

Beispielantwort auf eine klassische Frage#

Frage aus einem typischen Gespräch: "Erzähl mir von einem Projekt, in dem dein Modell nicht funktioniert hat."

Antwort: "In einem Projekt zur Vorhersage von Maschinenausfällen habe ich zuerst ein Random Forest Modell gebaut. Die Genauigkeit sah auf dem Papier gut aus, aber im Test mit echten Zeitdaten hat das Modell versagt. Der Grund war ein Leck in der Datenaufbereitung, ich hatte Informationen aus der Zukunft verwendet. Ich habe das Feature Engineering überarbeitet, die Zeitachse sauber getrennt und das Modell mit Walk-Forward-Validierung neu bewertet. Das Ergebnis war schlechter als zuerst gedacht, aber ehrlich. Seitdem baue ich die zeitliche Trennung von Anfang an ein."

Diese Antwort funktioniert, weil sie einen Fehler zeigt, eine Ursache benennt und eine Änderung beschreibt. Perfekte Projekte wirken unglaubwürdig.

Gehalt und Marktrealität#

Über Gehälter wird viel geschätzt, selten belegt. Für Data-Scientist-Rollen in Deutschland werden in öffentlichen Diskussionen und auf Gehaltsportalen je nach Erfahrung, Branche und Region sehr unterschiedliche Spannen genannt, grob von etwa 55.000 Euro für Berufseinsteiger bis deutlich über 90.000 Euro für erfahrene Rollen in teuren Regionen. Diese Zahlen variieren stark. Verlass dich nicht auf Angaben aus zweiter Hand, sondern prüfe die aktuellen Werte auf der jeweiligen Stellenanzeige und auf offiziellen Gehaltsportalen.

Ein Standortfaktor wird oft vergessen: Ein Job in München oder Erlangen zahlt anders als derselbe Job in Chemnitz, und die Miete zieht mit. Rechne das durch, bevor du über eine Zahl verhandelst.

Checkliste vor dem Absenden#

• Stellenanzeige gelesen und die Pflichtbegriffe herausgeschrieben
• Jede Zeile im Lebenslauf nennt ein Werkzeug, eine Größe oder ein Ergebnis
• Domänenbegriffe aus der Anzeige in den eigenen Formulierungen wiederholt, soweit sie zur Erfahrung passen
• Projekte für das Interview in der Zwei-Minuten-Form vorbereitet
• SQL und eine Modellpipeline auswendig erklärt, nicht nur gelesen
• Gehaltsvorstellung anhand aktueller Quellen recherchiert, nicht aus dem Bauch
• Unterlagen gegen die Anzeige gecheckt, zum Beispiel mit dem kostenlosen ATS-Prüfer

Für passende Stellen und weitere Bewerbungstipps lohnt ein Blick in die Jobsuche und in die weiteren Artikel rund um den Bewerbungsprozess: /de/jobs/ und /de/blog/.

Häufige Fragen#

Wie lang sollte der Lebenslauf für eine Data-Scientist-Stelle bei Siemens sein?

In Deutschland sind zwei Seiten für erfahrene Kandidaten üblich, ein bis zwei Seiten für Berufseinsteiger. Wichtiger als die Länge ist, dass die ersten beiden Drittel der ersten Seite die relevanten Keywords und Ergebnisse enthalten.

Muss ich alle Werkzeuge aus der Stellenanzeige abdecken?

Nein. Decke die Pflichtanforderungen ab und zeige bei den Wunschkriterien zumindest verwandte Erfahrung. Ehrliche Lücken sind besser als übertriebene Listen, die im Gespräch zusammenfallen.

Wie bereite ich mich auf kodierte Aufgaben im Interview vor?

Übe SQL an echten Datensätzen und erkläre deine Schritte laut. Für Machine-Learning-Aufgaben reicht es, die Problemstellung, die Metrik und die Validierungsstruktur sauber zu begründen, nicht die exakte Bibliothek auswendig zu können.

Sollte ich im Lebenslauf Projekte aus dem Studium nennen?

Ja, wenn sie relevant sind und du keine Berufserfahrung hast. Beschreibe sie mit den gleichen Maßstäben wie Berufserfahrung: Problem, Daten, Vorgehen, Ergebnis.

Wie spreche ich Gehalt in der Bewerbung an?

Warte in der Regel auf die Frage im Gespräch und nenne dann eine Spanne, die du vorher anhand aktueller Quellen recherchiert hast. Die Werte variieren nach Region, Erfahrung und Branche, verlass dich nicht auf einzelne Angaben ohne Datum.