Senior Data Scientist / AI Engineer (m/w/d) - nearshore - remote

Aufgaben:

• End-to-End-Entwicklung: Entwurf und Implementierung modernster ML-Modelle und LLM-gestützter Anwendungen mit Schwerpunkt auf robustem Systemdesign, RAG-Architekturen und komplexer Workflow-Automatisierung.
• Agentebasierte Architektur: End-to-End-Entwurf und -Implementierung agentebasierter KI-Lösungen: Aufgabenzerlegung, Planung, Einsatz von Werkzeugen/Aufruf von Funktionen, Speicher-/Zustandsmanagement sowie Koordination mehrerer Agenten.
• Modellvielfalt: Entwicklung und Einsatz einer breiten Palette von Modellen, wobei nahtlos zwischen klassischem maschinellem Lernen (z. B. LightGBM, XGBoost, Scikit-Learn) für strukturierte Daten und modernsten LLMs für unstrukturierten Text und generative Aufgaben gewechselt wird.
• Bewertung und Qualität: Entwerfen Sie umfassende Bewertungsrahmen und Feedbackschleifen, einschließlich Offline-/Online-Tests, Regressionssuiten und „Human-in-the-Loop“-Systemen, um die Genauigkeit und Zuverlässigkeit der Modelle sicherzustellen.
• Systemintegration: Schaffen Sie sichere und robuste Integrationen zwischen KI-Modellen und internen APIs, Datenbanken und SaaS-Systemen und gewährleisten Sie dabei strenge Autorisierung und bereichsbezogenen Zugriff.
• Funktionsübergreifende Zusammenarbeit: Arbeiten Sie mit Datenwissenschaftlern, Plattform-Ingenieuren und Produktmanagern zusammen, um konzeptionelle Modelle in einsatzfähige Unternehmensfunktionen umzusetzen.
• Kundenorientierung: Tauschen Sie sich mit Kunden aus, um Anforderungen zu klären, Lösungsansätze abzustimmen und Prototypen zu demonstrieren.
• Technische Exzellenz: Schreiben Sie hochwertigen, testbaren Code; erstellen Sie klare technische Dokumentationen und Betriebshandbücher, um die langfristige Wartbarkeit sicherzustellen.

Anforderungen: 

• Erfahrung: 3–5 Jahre Berufserfahrung in der Umsetzung von End-to-End-ML- oder LLM-Projekten von der anfänglichen Datenaufbereitung bis hin zur Produktionsbereitstellung und Überwachung.
• Technische Kernkompetenzen: Python-Programmierung auf Expertenniveau und Grundlagen der Softwareentwicklung (Unit-Tests, Typ-Hinting, Paketierung und asynchrone Programmierung).
• MLOps-Kompetenz: Fundiertes Verständnis des Produktlebenszyklus im Bereich Machine Learning und praktische Erfahrung mit MLOps-Verfahren.
• LLM-Ökosystem: Praktische Erfahrung mit LLM-Orchestrierungs-Frameworks: PydanticAI (bevorzugt), LangChain, LangGraph, AutoGen, CrewAI oder gleichwertige Lösungen.
• Infrastruktur: Fundierte Kenntnisse in der CI/CD-Automatisierung (GitHub Actions, Jenkins) und Containerisierung (Docker, Kubernetes).
• Cloud & Daten: Praktische Erfahrung mit mindestens einer der großen Cloud-Plattformen (bevorzugt Azure) sowie praktische Erfahrung mit MS AI Foundry und MosaicAI.
• Soft Skills: Nachweisbare Fähigkeit zur Zusammenarbeit mit funktionsübergreifenden Teams und Kunden sowie die Eigenmotivation, Projekte in einem agilen Umfeld voranzutreiben.