Roter Faden: Katharina verfolgt seit ihrer Promotion in Computational Linguistics einen klaren Pfad an der Schnittstelle von Sprache und Daten. Sie beschreibt ihren Antrieb als „Muster in unstrukturierten Daten sichtbar machen, die echte Entscheidungen verändern“.

Zentrale Motivatoren: Wissenschaftliche Tiefe kombiniert mit Produktnähe. Sie sucht aktiv nach Rollen, in denen sie Forschungsergebnisse in produktionsreife Systeme überführen kann. Ihr langfristiges Ziel ist eine Principal-Rolle mit Architekturverantwortung für ML-Systeme.

Fachlicher Craft: Herausragende Expertise in Python, TensorFlow und klassischem ML. Baut eigenständig End-to-End-Pipelines — von Feature Engineering über Modelltraining bis zur Deployment-Automatisierung. Codequalität auf Senior-Niveau mit konsequentem Testing.

Spezialwissen & Neugier: Tiefes NLP-Know-how, experimentiert aktiv mit LLM-Fine-Tuning und Retrieval-Augmented Generation. Liest regelmäßig aktuelle Papers und bringt Erkenntnisse proaktiv ins Team ein.

Lernkapazität: Hat sich innerhalb von 6 Monaten eigenständig in MLOps und Kubernetes-basiertes Model Serving eingearbeitet. Zeigt hohe Abstraktionsfähigkeit und überträgt Konzepte schnell auf neue Domänen.

Execution-Stil: Arbeitet am produktivsten in fokussierten Deep-Work-Blöcken. Bevorzugt klar definierte Problem-Statements, löst dann eigenständig und iterativ. Liefert zuverlässig und kommuniziert Blockaden frühzeitig.

Kommunikation & Kollaboration: Präzise, sachliche Kommunikation. Sehr effektiv in kleinen, technisch versierten Gruppen. Fühlt sich in großen Meetings unwohl, blüht aber in 1:1-Sparring und Code Reviews auf. Wünscht sich mehr Mentoring-Gelegenheiten — sowohl als Mentee (Führungsthemen) als auch als Mentorin (Junior Data Scientists).

Arbeitsmodell: Remote-First mit 1–2 Präsenztagen für Team-Workshops. Zeitliche Flexibilität ist ihr wichtiger als Gehaltssteigerung. Aktuell 32h/Woche — möchte perspektivisch auf 36h erhöhen, wenn die Aufgaben stimmen.

Menschliche Lösungskompetenz: Hohe emotionale Intelligenz im Umgang mit technischen Konflikten. Vermittelt häufig zwischen Product und Engineering. Ist in Stress-Situationen ruhig und lösungsorientiert, braucht aber anschließend Erholungszeit.