AI Software Engineer

Job Beschreibung

Wir suchen einen hochqualifizierten und motivierten AI-Software-Ingenieur, um unserem Machine Learning & GenAI-Team beizutreten. Sie werden eine neue, skalierbare AI-Plattform aufbauen und AI-getriebene Systeme entwerfen, entwickeln und bereitstellen, die messbare Geschäftsergebnisse liefern.

Hauptaufgaben

• Design und Bau einer hybriden (on-prem / on-cloud) AI/ML-Plattform, um AI-Anwendungsfälle im großen Maßstab auszuführen
• Definition und Implementierung sicherer, zuverlässiger Inferenz- und Trainingsarchitekturen
• Unterstützung von Embeddings, Vektordatenbanken und AI-Protokollen, um interoperable AI-Workflows zu ermöglichen
• Dokumentation von Machine-Learning-Prozessen, Systemarchitektur und Betriebsnotizen für Reproduzierbarkeit und Wissensaustausch
• Zusammenarbeit bei der Entwicklung, Feinabstimmung und Optimierung von Modellen (LLMs, NLP, Empfehlungen)
• Implementierung von Evaluierungsframeworks für RAG- und LLM-Systeme
• Entwicklung von Software und APIs für AI-Dienste und -Anwendungen
• Automatisierung von Build-, Test- und Deployment-Prozessen mit CI/CD-Pipelines
• Zusammenarbeit mit Geschäftspartnern, Produktbesitzern, Business-Engineern, Datenmanagern, Datenwissenschaftlern und Technologie-Teams, um AI/ML-Anwendungsfälle, Anforderungen und Erfolgskriterien zu verstehen
• Sicherstellung, dass alle AI/ML-Lösungen die bankweiten Daten- und AI-Richtlinien und -Standards erfüllen

Anforderungen

• Fortgeschrittenes Studium in Informatik, Datenwissenschaft, Mathematik, Statistik, Physik oder einem verwandten Fach
• Umfangreiche Kenntnisse von ML/AI-Frameworks: PyTorch oder TensorFlow, Hugging Face-Ökosystem
• Praktische Erfahrung mit LLMs: Prompt-Engineering, Feinabstimmung/LORA, Embeddings, Vektordatenbanken
• Solide Programmierkenntnisse in Python, R oder Java/Scala
• Vorherige Erfahrung bei der Bereitstellung von Anwendungen in Cloud-Umgebungen (Azure)
• Erfahrung beim Aufbau von Produktionsgrad- APIs und SPIs (REST/SOAP), Cloud-Native (AWS/GCP/Azure), Containern (Docker) und Orchestrierung (Openshift, Kubernetes)
• MLOps-Grundlagen: Experiment-Tracking (MLFlow/Weights), Model-Registrierung, CI/CD, Modell-Überwachung, Feature-Stores

Wir bieten

Eine unterstützende Umgebung, in der Ihre Beiträge geschätzt und anerkannt werden. Eine dynamische und stimulierende Arbeitsumgebung, in der Sie Ihre Fähigkeiten und Kenntnisse einsetzen können, um messbare Geschäftsergebnisse zu liefern.