Machine Learning Engineer 100% (f/m/d)

Aufgaben

• Entwicklung von Multi-Agenten-Systemen und Graphen mit Reasoning- und Vision-Fähigkeiten
• Gestaltung und Implementierung von KI-Systemen, um KI-Antworten in Unternehmensdaten zu verankern
• Bewertung und Integration von KI-Modellen (z. B. LLMs) unter Gewährleistung optimaler Leistung und Zuverlässigkeit
• Optimierung von agentischen Workflows und KI-Agenten für Produktionsanwendungsfälle
• Testen und Optimieren von System-Prompts und Few-Shot-Beispielen, um genaue, konsistente und sichere KI-Ausgaben sicherzustellen
• Bewertung von Machine-Learning- und KI-Modellen unter Verwendung geeigneter Metriken, Evaluationsdatensätze und Techniken sowie kontinuierliche Iteration und Verbesserung
• Zusammenarbeit mit Plattformteams, Data Engineers, Data Scientists und anderen Stakeholdern zur Integration von Machine-Learning-Lösungen in bestehende Systeme und Prozesse
• Teilnahme an Code-Reviews, Tests und Debugging, um die Qualität und Zuverlässigkeit von Machine-Learning-Lösungen sicherzustellen

Anforderungen

• Starke Problemlösungs- und Analytikfähigkeiten, mit der Fähigkeit, bei komplexen Problemen kritisch und kreativ zu denken
• Ausgezeichnete Kommunikations- und Zusammenarbeitfähigkeiten, mit der Fähigkeit, effektiv mit funktionsübergreifenden Teams und Stakeholdern auf allen Ebenen der Organisation zu arbeiten
• Fähigkeit, mehrere Arbeitslasten effizient zu verwalten, Aufgaben zu priorisieren, Zeitpläne zu steuern und hochwertige Ergebnisse termingerecht zu liefern
• Leidenschaft für kontinuierliches Lernen und Interesse daran, auf dem neuesten Stand der Entwicklungen im Bereich Machine Learning und künstliche Intelligenz zu bleiben
• Aufmerksamkeit für Details und Engagement für die Erstellung hochwertiger, zuverlässiger und wartbarer Code
• Bachelor- oder Masterabschluss in Data Science, Informatik, Mathematik, Statistik oder einem verwandten Fachgebiet
• Starke Programmierkenntnisse in Python mit Erfahrung in Machine-Learning-Bibliotheken und Deep-Learning-Frameworks wie TensorFlow oder PyTorch
• Nachgewiesene Erfahrung in der Arbeit mit Large Language Models (LLMs)
• Gutes Verständnis von KI-Agenten und agentischen Workflows, LLM-Orchestrierungsframeworks und Reasoning-Mustern
• Erfahrung in der Datenvorverarbeitung, Feature Engineering sowie in Techniken zur Modellauswahl und -bewertung
• Kenntnisse statistischer und mathematischer Konzepte, die für das Machine Learning relevant sind, wie Wahrscheinlichkeitstheorie, lineare Algebra und Optimierung