Tech Mahindra Data Scientist: Lebenslauf-Keywords und Interviewvorbereitung

Dein Lebenslauf passt auf den ersten Blick, aber nach dem Absenden kommt nichts zurück. Bei einem großen IT-Dienstleister wie Tech Mahindra sitzt vor dir selten ein einzelner Data-Science-Manager, sondern oft ein Prozess, der Bewerbungen zunächst nach Stichwörtern sortiert. Wer seine Unterlagen am Stellenprofil ausrichtet, wird weitergereicht. Wer allgemein bleibt, verschwindet in der Masse.

Hier geht es um zwei Dinge: welche Begriffe in deinem Lebenslauf und Anschreiben auftauchen sollten, und wie du dich auf das Gespräch vorbereitest, ohne interne Abläufe zu erfinden. Beides ist Handwerk. Beides kannst du in zwei Wochenenden sauber hinbekommen.

Warum Tech Mahindra anders tickt als ein Produktunternehmen#

Tech Mahindra ist ein Dienstleister mit starkem Fokus auf Telekommunikation, IT-Services und Consulting. Data Scientists dort arbeiten in der Regel an Kundenprojekten, nicht an einem eigenen Produkt. Das verändert die Anforderungen deutlich.

Dienstleister suchen Leute, die sich schnell in fremde Domänen einarbeiten, mit Kunden sprechen und Ergebnisse erklären können. Reine Forschung ohne Anwendungsbezug zählt weniger. Wer schon einmal in einem Projekt mit festen Lieferterminen gearbeitet hat, sollte das sichtbar machen.

Das heißt nicht, dass Technik egal ist. Sie muss nur belegbar und anwendbar sein. Ein Modell, das du im Notebook gebaut hast, überzeugt weniger als eines, das im Betrieb lief.

Keywords, die in deinen Unterlagen auftauchen sollten#

Lies die Stellenausschreibung Wort für Wort. Die Begriffe dort sind deine Checkliste. In Data-Science-Ausschreibungen bei großen IT-Dienstleistern tauchen typischerweise diese Felder auf:

• Python, pandas, NumPy, scikit-learn
• SQL und Erfahrung mit relationalen Datenbanken
• Machine Learning: Regression, Klassifikation, Clustering
• Deep Learning mit TensorFlow oder PyTorch, wenn gefordert
• Cloud-Plattformen: AWS, Azure oder GCP
• MLOps-Grundlagen: Docker, MLflow, CI/CD
• Data Engineering Basics: Spark, Airflow, ETL
• Kommunikation mit Stakeholdern und Präsentation von Ergebnissen
• Domänenwissen, etwa Telekommunikation, Finanzen oder Retail
• Agile Arbeitsweise, Scrum, Jira

Nimm nicht alles blind auf. Übernimm nur Begriffe, bei denen du im Gespräch eine konkrete Geschichte erzählen kannst. Alles andere ist Sand und fällt spätestens im Technikgespräch auf.

Ein Werkzeug, das hier Zeit spart: Der kostenlose ATS-Check auf jobrise zeigt dir, ob deine Datei überhaupt maschinell lesbar ist und welche Begriffe fehlen. Danach hilft der kostenlose Stellenanzeigen-Decoder, um die Anforderungen aus einer langen Ausschreibung in eine klare Liste zu übersetzen.

Ein Beispiel für einen überarbeiteten Lebenslauf-Eintrag#

Schlecht, weil vage und ohne Ergebnis:

"Verantwortlich für Machine-Learning-Projekte im Bereich Customer Analytics und Zusammenarbeit mit verschiedenen Abteilungen."

Besser, mit Kontext, Methode und Wirkung:

"Churn-Modell (XGBoost, Python) für 2,1 Mio. Kundendatensätze entwickelt und in Produktion gebracht, Abwanderungsprognose deckte im Test 71 Prozent der Fälle ab, monatliches Reporting für Produkt- und Marketingteam automatisiert (Airflow, SQL)."

Der Unterschied ist nicht die Länge. Es ist die Sichtbarkeit von Methode, Umfang und Nutzen. Wenn du echte Zahlen nicht nennen darfst, beschreibe die Größenordnung: "sechsstellige Datensätze", "Team aus vier Personen", "wöchentliches Reporting für drei Fachbereiche".

Anschreiben und Profil: kurz, konkret, ohne Floskeln#

Drei bis vier Sätze im Profil reichen. Nenne deine Kernmethoden, deine Domäne und einen Beleg. Formulierungen wie "leidenschaftlicher Data Scientist mit Blick fürs große Ganze" streichen. Sie sagen nichts.

Ein nutzbarer Aufbau: Rolle plus Jahre Erfahrung, zwei Kernkompetenzen, ein Ergebnis, eine Zeile zur Branche. Zum Beispiel: "Data Scientist mit vier Jahren Erfahrung in der Telekommunikation, Schwerpunkt Prognosemodelle und Feature Engineering, Modelle in Produktion betreut, vertraut mit Python, Spark und AWS."

Aktuelle offene Positionen findest du im Stellenbereich von jobrise. Filtere nach Standort und Remote-Option, bevor du Bewerbungen verschickst.

Interviewvorbereitung: was realistisch kommt#

Ohne interne Einblicke zu erfinden: Üblich bei großen IT-Dienstleistern ist ein mehrstufiger Ablauf mit Erstgespräch, technischem Interview und manchmal einem Gespräch mit dem Kunden. Erwarte Fragen zu deinen bisherigen Projekten, zu Machine-Learning-Grundlagen und zu deinem Umgang mit unklaren Anforderungen.

Bereite drei Projekte als Story vor. Für jedes: Ausgangslage, Datenlage, dein Vorgehen, Ergebnis, was du anders machen würdest. Diese Struktur funktioniert in fast jedem Format.

Technikfragen drehen sich oft um Grundlagen statt um exotische Modelle: Bias-Variance-Tradeoff, Overfitting, Feature Leakage, Metriken je nach Problem, Umgang mit fehlenden Werten. Übe, diese Dinge in zwei Minuten weißt du erklären zu können, ohne Fachbegriffe aneinanderzureihen.

Eine konkrete Beispielantwort#

Frage: "Erzählen Sie von einem Projekt, in dem die Datenlage schlecht war."

Antwort: "In einem Abwanderungsprojekt fehlten in der Historie rund ein Drittel der Vertragsattribute. Ich habe zuerst geprüft, ob die Lücken zufällig verteilt waren, das war nicht der Fall. Deshalb habe ich eine Missing-Indicator-Variable ergänzt und die Imputation erst nach dem Train-Test-Split durchgeführt, um Leakage zu vermeiden. Das Modell war etwas schwächer als geplant, aber die Vorhersagen waren stabil über Monate. Im Nachhinein hätte ich früher mit den Datenverantwortlichen gesprochen, das hätte zwei Wochen gespart."

Diese Antwort zeigt Technik, Urteilsvermögen und Lernbereitschaft. Genau diese Mischung wird in Kundenprojekten gebraucht.

Gehalt und Vertragsdetails realistisch einordnen#

Zahlen variieren stark nach Erfahrung, Standort und Vertragsform. Für Data-Science-Rollen in Deutschland werden in öffentlichen Gehaltsübersichten häufig Spannen zwischen etwa 50.000 und 85.000 Euro brutto jährlich genannt, mit Spielraum nach oben bei Senior-Rollen und Verantwortung. Das sind keine Versprechen, sondern Orientierungswerte. Prüfe die aktuellen Angaben in der Ausschreibung und auf der offiziellen Seite des Unternehmens.

Achte auf die Vertragsdetails: Ist die Rolle direkt bei Tech Mahindra oder über eine Vermittlung? Gibt es Reiseanteil oder Onsite-Pflicht beim Kunden? Solche Punkte verändern dein Netto und deinen Alltag stärker als 3.000 Euro mehr Brutto.

Checkliste für die nächsten zehn Tage#

• Stellenausschreibung speichern und Kernbegriffe markieren
• Lebenslauf gegen die Begriffe prüfen, fehlende ehrlich ergänzen oder streichen
• Drei Projekte als Story mit Ausgangslage, Vorgehen, Ergebnis vorbereiten
• Technikgrundlagen laut erklären, nicht nur lesen
• Eine Mock-Interview-Runde mit jemandem aus der Branche machen
• Fragen an das Gesprächsteam vorbereiten: Projektumfang, Teamgröße, Technikstack
• Unterlagen als PDF prüfen, Dateiname mit Name und Rolle versehen
• Bewerbungsportal und Fristen notieren, Rückmeldungen im Kalender tracken

Wie du deine Unterlagen technisch prüfst#

Viele Bewerbungsportale lesen PDFs automatisch aus. Kopfzeilen, Tabellen oder Text in Grafiken führen dazu, dass Inhalte verloren gehen. Prüfe deine Datei deshalb vor dem Absenden mit dem kostenlosen ATS-Checker, bevor du dich auf den inhaltlichen Feinschliff konzentrierst.

Für die inhaltliche Vorbereitung lohnt ein Blick in unsere weiteren Beiträge rund um Bewerbung und Data-Science-Rollen. Dort findest du Vorlagen und Übungen, die du direkt anpassen kannst.

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 sollte ich in meinen Lebenslauf für Tech Mahindra aufnehmen?

Nimm die Begriffe aus der konkreten Ausschreibung, etwa Python, SQL, Machine Learning, Cloud und Kommunikation mit Stakeholdern. Ergänze nur, wofür du Beispiele vorweisen kannst. Ein ATS-Check hilft dir, Lücken zu finden.

Wie lange dauert der Bewerbungsprozess bei Tech Mahindra?

Erfahrungsberichte sprechen von wenigen Wochen bis zu mehreren Monaten, abhängig von Projektbedarf und Standort. Plane Puffer ein und halte parallel andere Bewerbungen offen. Konkrete Zeitangaben solltest du im Erstgespräch erfragen.

Brauche ich Erfahrung in der Telekommunikation?

Nein, aber Domänenwissen hilft bei diesem Unternehmen. Wenn du aus einer anderen Branche kommst, betone übertragbare Fähigkeiten und zeige, wie du dich schnell eingearbeitet hast. Nenne ein konkretes Beispiel.

Was ist der Unterschied zwischen Data Scientist und Machine Learning Engineer bei Tech Mahindra?

Data Scientists konzentrieren sich auf Analyse, Modellierung und Empfehlungen. Machine Learning Engineers kümmern sich stärker um Deployment, Pipelines und Betrieb. Die Überschneidungen sind groß, entscheidend ist die konkrete Ausschreibung.

Wie bereite ich mich auf das technische Interview vor?

Übe Grundlagen wie Metriken, Overfitting, Feature Leakage und Umgang mit fehlenden Werten. Erzähle drei eigene Projekte nach der Struktur Ausgangslage, Vorgehen, Ergebnis. Laut üben ist effektiver als Lesen.