Sehen Sie, wie nah Ihr Profil an dieser Anzeige ist.
Über diese Stelle
Ihre Aufgaben
Aufgabenbeschreibung
Ziel der Rolle ist es, intelligente Agenten und Automatisierungslösungen nicht nur prototypisch zu entwickeln, sondern sicher und skalierbar in Produktion zu bringen. Die Rolle verbindet AI Engineering, Data Engineering und Cloud Architecture. Gemeinsam mit einem crossfunktionalen Team werden auf Databricks und Azure Lösungen entwickelt, die Daten, Large Language Models und interne Systeme miteinander verbinden.
Zu den Aufgaben gehören insbesondere:
Konzeption und Entwicklung produktiver Agentic-AI-Lösungen auf Databricks und Azure – vom ersten Prototyp bis zum skalierbaren Betrieb
Entwicklung von KI-Agenten und Multi-Agent-Workflows, die Large Language Models, Unternehmensdaten, APIs und interne Systeme sicher miteinander verbinden
Umsetzung von RAG-, Tool-Calling- und Workflow-Architekturen sowie Entwicklung wiederverwendbarer Komponenten für Prompts, Tools, Agenten und Datenzugriffe
Integration von Azure OpenAI und weiteren geeigneten Foundation Models in die Databricks-Plattform sowie in bestehende Applikations- und Datenlandschaften
Entwicklung von Daten- und Verarbeitungspipelines auf Databricks, unter anderem mit Python, SQL, Spark und Delta Lake, als verlässliche Datenbasis für KI-Anwendungen
Nutzung von Databricks Mosaic AI und MLflow zur Entwicklung, Versionierung, Evaluierung, Bereitstellung und Überwachung von Modellen, Prompts und Agenten
Automatisierung daten- und KI-gestützter Prozesse mit Databricks Workflows sowie deren Integration in bestehende Unternehmensprozesse und Systemlandschaften
Gestaltung der erforderlichen Azure- und Databricks-Architektur für einen sicheren, skalierbaren und kosteneffizienten Betrieb
Etablierung von CI/CD- und MLOps-Prozessen für Datenpipelines, Modelle und Agenten, einschließlich automatisierter Tests, Deployment-Pipelines, Infrastructure as Code und Versionierung relevanter Artefakte
Entwicklung von Qualitäts- und Evaluationsverfahren für KI-Anwendungen, beispielsweise für Antwortqualität, Groundedness, Sicherheit, Latenz, Kosten und Zuverlässigkeit
Sicherstellung eines sicheren und nachvollziehbaren Betriebs durch Unity Catalog, Secrets Management, Managed Identities, RBAC, Private Endpoints, Logging und Monitoring
Sichere Anbindung interner Datenquellen, Systeme und APIs sowie Unterstützung der Fachbereiche bei der technischen Umsetzung konkreter AI- und Automatisierungs-Use-Cases
Enge Zusammenarbeit mit Product Ownern, Fachbereichen, Data- und Cloud-Teams sowie Security, Privacy und Governance; aktive Einbringung der technischen Perspektive in Architekturentscheidungen
Dokumentation von Architekturen, Datenflüssen, Agentenlogik, Betriebsprozessen und Security Controls, sodass eine nachhaltige Übergabe in den produktiven Betrieb möglich ist.
Profilanforderungen
Mehrjährige Erfahrung als AI-, ML-, Data- oder Cloud Engineer bzw. vergleichbare technische Rolle
Praxis in LLM-Entwicklung, ideal mit RAG, Embeddings, Vector Search, Tool Calling, Agentic AI
Sehr gute Python-/SQL-Kenntnisse; Git, automatisierte Tests, Code Reviews, modulare Entwicklung
Fundierte Databricks-Erfahrung, z.B. Spark, Delta Lake, Workflows, Unity Catalog, MLflow, Mosaic AI
Gute Azure-Kenntnisse, v. a. OpenAI, Managed Identities, Key Vault, Storage, Networking, Monitoring