Du willst KI‑Lösungen nicht nur bauen, sondern von der Idee bis in den produktiven Einsatz verantworten? Du hast Lust, komplexe fachliche Anforderungen in robuste, skalierbare AI‑Systeme zu übersetzen? Du möchtest mit deiner technischen Expertise echte Wirkung bei nationalen und internationalen Kunden erzielen?
Als Teil unseres AI‑Development‑Teams arbeitest du an anspruchsvollen Consulting‑Projekten für nationale und internationale Kunden
Du übernimmst die End‑to‑End‑Verantwortung für das Solution Design von KI‑gestützten Produkten – von Discovery und PoC bis zum produktiven Rollout
Geschäftliche Anforderungen übersetzt du in klare technische Konzepte, inklusive Architektur, Schnittstellen, Datenflüssen sowie Qualitäts‑ und Akzeptanzkriterien
Bei der Gestaltung und Validierung von Systemen achtest du auf Skalierbarkeit, Sicherheit, Latenz, Zuverlässigkeit und Kosten
Du baust und iterierst Prototypen, etwa mit Prompting, RAG‑Ansätzen, Agents oder Function Calling, um Machbarkeit und Business‑Mehrwert frühzeitig zu validieren
Standards und Patterns für AI‑ und LLM‑Lösungen definierst du aktiv mit – von Modell‑Auswahl über Prompt‑ und Kontext‑Design bis hin zu Evaluationsstrategien und Quality Gates
Du etablierst LLMOps‑ und MLOps‑Praktiken, inklusive Versionierung, CI/CD, automatisierten Tests, Monitoring, Feedback‑Loops und kontinuierlicher Verbesserung
AI‑Funktionen integrierst du in bestehende Plattformen, z. B. über APIs sowie event‑getriebene oder service‑orientierte Architekturen
Responsible AI denkst du von Anfang an mit und berücksichtigst Datenschutz (DSGVO), Security, Bias‑ und Safety‑Aspekte sowie Auditierbarkeit
Als technischer Sparringspartner unterstützt und mentorst du Engineers, stimmst dich mit Stakeholdern ab und vermittelst komplexe Inhalte auch für nicht‑technische Zielgruppen verständlich
Ein abgeschlossenes Studium der Informatik, Informationstechnologie oder eine vergleichbare praktische Berufserfahrung
Ein starker Software‑Engineering‑Background im Backend‑ und/oder Full‑Stack‑Umfeld, kombiniert mit Product‑Mindset und Beratungserfahrung
Hands‑on‑Erfahrung in der Umsetzung von (Generative)‑AI‑Lösungen bis in den Produktivbetrieb – nicht nur auf Demo‑ oder Prototyp‑Ebene
Fundierte Kenntnisse gängiger LLM‑Applikationsmuster, etwa RAG, Graph‑Ansätze, Embeddings, Vector Search, Tool‑ bzw. Function Calling, Agents und Guardrails
Erfahrung mit mindestens einem LLM‑Framework oder ‑Stack, z. B. Semantic Kernel, LangChain oder LlamaIndex, sowie strukturierter Prompt‑Entwicklung
Fähigkeit zur systematischen Bewertung von AI‑Systemen, inklusive Offline‑ und Online‑Evaluation, Benchmark‑Design, qualitativer Reviews sowie Regressionstests für Prompts und Retrieval
Erfahrung mit verteilten Systemen und modernen Integrationsmustern wie APIs, Microservices, service‑orientierten und event‑getriebenen Architekturen
Sehr gute Kenntnisse in mindestens einer Programmiersprache und einem Framework, z. B. Python, TypeScript/Node.js, C# oder Java, sowie starke Fähigkeiten im API‑Design
Solides Cloud‑Know‑how auf Azure, AWS oder GCP – Erfahrung mit Azure‑AI‑Services (z. B. Azure OpenAI, Azure AI Search, Document Intelligence) ist von Vorteil
Ein ausgeprägtes DevOps‑Mindset, inklusive Git, CI/CD, Container‑Technologien, Infrastructure as Code (z. B. Terraform oder Bicep), Observability und Kostenbewusstsein
Grundlagen im Bereich IT‑Security, etwa OAuth2/OIDC, Authentifizierung und Autorisierung, Secrets‑Management, Verschlüsselung und Secure‑Coding‑Practices
Technische Führungserfahrung oder Mentoring‑Praxis ist ein Plus, ergänzt durch starke Kommunikationsfähigkeit, proaktive Arbeitsweise, Problemlösungskompetenz und hohe Detailgenauigkeit
Sehr gute Englischkenntnisse für die enge Zusammenarbeit im internationalen Team; Deutschkenntnisse sind von Vorteil, aber kein Muss