GRADUATE IT DEVELOPMENT - AI

Beschreibung der Stelle

Graduate IT Development - AI in Zürich, Operations & IT, 100%

Über die Rolle

Sie werden dem IT-Entwicklungsteam bei Leonteq beitreten und die schnelle Umgebung eines führenden Schweizer Fintech-Unternehmens erleben. Sie werden dazu beitragen, die On-Prem-AI-Plattform aufzubauen, die die Chat-, Retrieval- und Agent-Workflows im gesamten Unternehmen ermöglicht.

Aufgaben

• Mitarbeit an unserer AI-Plattform: Gateway, Retrieval-augmentierter Backend, Chat-Schnittstelle und Agent- Framework.
• Unterstützung bei der Lieferung aller Leonteq-AI-Agents von Ende zu Ende mit Geschäftsteams (Umfang, Modell, Auswertung, Bereitstellung, Überwachung, Iteration) und Unterstützung anderer Leonteq-Teams bei der Erstellung ihrer eigenen.
• Verbesserung der Retrieval-Qualität auf Leonteqs Dokumentenkorpus durch Chunking, Embeddings, Hybrid-Suche und Re-Ranking, gemessen mit Auswertungssätzen und Produktionsverläufen.
• Mitarbeit am Test- und Evaluierungsframework für unsere AI-Agents und -Tools, um Qualitätsrückschritte vorherzusehen.
• Unterstützung bei der Betreibung des On-Prem-Modell-Service-Stacks und Untersuchung von Rückschritten durch Verläufe, Protokolle, Retrieval-Scores und GPU-Metriken.
• Mitarbeit an Sicherheit, Governance und Audit: Authentifizierung und Autorisierung, Prompt- und Antwort-Protokollierung, rollenbasierte Datenzugriffe, Anonymisierung, Schutzmechanismen.

Anforderungen

• Master-Abschluss in Ingenieurwesen oder einem verwandten Feld.
• Praktische Programmiererfahrung, idealerweise in Python und/oder TypeScript, sowie Git, Linux, Docker und REST/JSON.
• Vertrautheit mit der Verwendung von AI-Coding-Assistenten als Teil des Workflows.
• Starkes Interesse an Finanzmärkten und AI sowie die Gewohnheit, sich über die neuesten Trends zu informieren.
• Eine Debugger-Mentalität und die Bereitschaft, durch Protokolle, Verläufe und Auswertungsfehler zu arbeiten, um Qualitäts- oder Leistungsbrüche zu finden.
• Produkt- und Kommunikationsinstinkte: Fähigkeit, das eigentliche Problem aus einem nicht-technischen Stakeholder zu extrahieren und es in produktionsreife Software umzuwandeln.
• Bewusstsein für verantwortungsvolle AI-Fehlermodi (Halluzinationen, Prompt-Injektion, Datenlecks, Auswertungslücken) und die Fähigkeit, dagegen zu entwerfen.
• Fließendes Business-Englisch.

Nice to Have

• Relevante vorherige Berufserfahrung.
• Ein nachweisbares LLM-Anwendungsprojekt (Agent, RAG, Evaluierungsframework, Feinabstimmung).
• Praktische Erfahrung mit LLM-APIs, Agent-Frameworks, RAG-Pipelines oder Vektor-Datenbanken, mit ML- und NLP-Grundlagen (Transformations-, Embeddings-, Prompt-Design, Auswertung).
• Praktische Erfahrung mit Tools in unserem Stack: LangGraph, LangChain, LiteL, LLM, LangFuse, ChromaDB, vLLM oder Ollama.
• Interesse oder Erfahrung in der Finanzbranche, strukturierten Produkten oder regulierten Umgebungen.
• Open-Source-Beiträge im LLM- oder Agent-Ökosystem.
• Zusätzliche