Machine Learning Jobs

Welche Kernprozesse eines Transformation Management Office eignen sich für eine KI-basierte Unterstützung oder Automatisierung? In welchem Umfang können generative KI und Machine-Learning-Ansätze die Qualität und Effizienz von Reporting-, Risiko- und Maßnahmenmanagementprozessen verbessern? Welche organisatorischen, technologischen und datenbezogenen Voraussetzungen sind für die Einführung eines AI-Powered TMO erforderlich?

Analyse bestehender Berechnungs- und Auslegungsverfahren in der Wasser- und Abwassertechnik. Aufbereitung und Auswertung vorhandener Prozess- und Anlagendaten. Untersuchung geeigneter KI- und Machine-Learning-Methoden. Entwicklung eines Modells zur Unterstützung technischer Berechnungen und Auslegungsprozesse. Vergleich der KI-gestützten Ergebnisse mit konventionellen Berechnungsmethoden.

You own line management for a distributed team of Machine Learning Engineers and Data Scientists - running regular 1:1s, setting development goals, and driving performance reviews and career growth. You build a cohesive, high-trust team culture across countries and time zones, encouraging transparency, ownership, and continuous learning. You support the team's delivery cadence, remove blockers early, and drive engineering quality standards (CI/CD, code review, cloud automation, monitoring, documentation). You engage credibly in technical discussions, help the team make sound architectural decisions, and represent the team to stakeholders.

Übernahme der Architekturverantwortung für KI-native Delivery-Vorhaben, von Problemklärung, Zielbild, Kontext und Annahmen bis zu nachvollziehbaren Architekturentscheidungen Gestaltung sicherer und flexibler Lösungsarchitekturen, in denen Menschen, KI-Systeme, Agenten, Daten, Tools und bestehende Anwendungen sinnvoll zusammenarbeiten Erarbeitung verständlicher Entscheidungsgrundlagen, Trade-off-Analysen und adressatinnengerechte Unterlagen für technische Teams, Auftraggeberinnen und Stakeholder*innen Validierung von Architekturannahmen durch Prototypen, technische Spikes, Evaluationen und frühe Delivery-Ergebnisse

Entwirf intelligente Agentic-AI-Lösungen für Kundenprozesse: Du konzipierst und realisierst agentische Lösungen zur Automatisierung, Unterstützung und Optimierung von Geschäftsprozessen auf Basis von Amazon Bedrock AgentCore und weiteren AWS-nativen KI-Services – von der ersten Idee bis zum stabilen Betrieb in der Produktion. Agenten- und Prozessarchitekturen: Du entwirfst agentenbasierte Architekturen inklusive Tool-Integration, Memory-Persistenz, Multi-Agent-Orchestrierung sowie Guardrails und integrierst Bedrock-Agenten als digitale Prozessassistenten, Entscheidungsunterstützer oder autonome Teilprozess-Akteure in bestehende Kundenprozesse.

Projekte: Vom ersten Konzept bis zur technischen Umsetzung übernimmst du Verantwortung für Projekte mit Fokus auf KI-Systeme. Strategien: Du entwickelst konkrete KI-Lösungsansätze und berücksichtigst dabei die Anforderungen anspruchsvoller, regulierter Umfelder. Technologien: Mit Blick auf den Projektkontext wählst du geeignete Werkzeuge aus und prüfst ihre Umsetzbarkeit in realen Szenarien. Architekturen: Beim Design komplexer Systeme behältst du ethische Prinzipien sowie rechtliche Anforderungen im Blick und integrierst sie in deine Architekturentscheidungen.

Entwirf intelligente Agentic-AI-Lösungen für Kundenprozesse: Du konzipierst und realisierst Azure-native agentische Lösungen zur Automatisierung, Unterstützung und Optimierung von Geschäftsprozessen auf Basis von Azure AI Foundry, Azure OpenAI Service, Azure AI Agent Service, Semantic Kernel und weiteren Azure-KI-Services – von der ersten Idee bis zum stabilen Betrieb in der Produktion. Agenten- und Prozessarchitekturen: Du entwirfst agentenbasierte Architekturen inklusive Tool-Integration, Memory-Persistenz, Multi-Agent-Orchestrierung, Retrieval-Augmented Generation, Guardrails und Evaluationsmechanismen.

Scope-Definition: Mit unseren Kunden und dem Team definierst du den Scope, schätzt den Kontext treffend ein und stimmst die Erwartungen an datengetriebene Lösungen im Rahmen der Möglichkeiten von Celonis ab. Konzeptuelle Verantwortung: Du trägst die Verantwortung für Lösungen innerhalb von Celonis oder einzelne Bestandteile einer entsprechenden Lösung. Anforderungsanalyse: Gemeinsam mit Kunden, Usern sowie unseren Branchen- und Fachexpertinnen und -experten erarbeitest du die relevanten Anforderungen und gestaltest mit ihnen die passenden Celonis-Lösungen.

Sie sind verantwortlich für die Umsetzung von Automatisierungs- sowie KI-Projekten und sind hierfür auch regelmäßig bei unseren Kunden vor Ort Sie übernehmen die technische Projektverantwortung für die Kunden, welche hauptsächlich Banken, Versicherungen und Behörden sind. Sie sind für die Prozessanalyse, Architektur der neuen Automatisierungen und KI Prozesse, sowie das Development bis hin zum Go Live verantwortlich

Du hilfst unseren Kunden ihre Service-Organisationen für den Einsatz von KI-basierten Funktionen fit zu machen. Use-Case-Identifikation & Roadmap: Du analysierst Pain Points in ITSM-/ESM-Prozessen, identifizierst KI-Use-Cases mit echtem Business Value und entwickelst mit dem Kunden eine belastbare Umsetzungsroadmap. Datenstruktur & Zielbilder: Du bewertest bestehende Datenbasen (Ticket-, Wissens- und Stammdaten), definierst Anforderungen an Datenqualität und -struktur für KI-Use-Case und wirkst an Zielbildern für Datenmodelle im Servicekontext mit.

Vision & Verantwortung: Du definierst das Zusammenspiel von SAP Business AI, Joule Agents, RAG-Architekturen und Automatisierung und verantwortest zentrale KI-Architekturentscheidungen im SAP-Umfeld. Architekturdesign: End-to-End-Architekturen mit SAP AI Core/Launchpad, Joule Studio (Skills, Agents) und SAP BTP konzipierst und integrierst du nahtlos in S/4HANA-Landschaften. Multi-Agenten & RAG: Auf Basis von Joule Agents, MCP-Servern, A2A-Kommunikation sowie Vektordatenbanken und SAP Knowledge Graph entwirfst du Multi-Agenten- und RAG-Architekturen.

In der Studienrichtung Künstliche Intelligenz sind darüber hinaus folgende Studienfächer wesentlich: Künstliche Intelligenz, Cloud Technologien, Machine Learning, Datenmanagement, Software-Architekturen für Big Data. In den Praxisphasen sammelst du Erfahrungen zum Beispiel in der Softwareentwicklung, Mess- und Prüftechnik, Fahrzeugentwicklung, Produktionsüberwachung und -steuerung oder IT-Netzwerkbetreuung, Netzwerkadministration und Datensicherheit.

In der Studienrichtung Künstliche Intelligenz sind darüber hinaus folgende Studienfächer wesentlich: Künstliche Intelligenz, Cloud Technologien, Machine Learning, Datenmanagement, Software-Architekturen für Big Data. In den Praxisphasen sammelst du Erfahrungen zum Beispiel in der Softwareentwicklung, Mess- und Prüftechnik, Fahrzeugentwicklung, Produktionsüberwachung und -steuerung oder IT-Netzwerkbetreuung, Netzwerkadministration und Datensicherheit.

Theorie und Praxis verbinden: In den Theoriephasen lernst du Themen wie Programmierung, Data Engineering, Machine Learning und Künstliche Intelligenz. In den Praxisphasen setzt du dein Wissen direkt bei uns im Unternehmen um. Daten verstehen und nutzen: Du unterstützt bei der Erfassung, Verarbeitung und Analyse von strukturierten und unstrukturierten Daten und hilfst dabei, daraus wertvolle Erkenntnisse für unsere Geschäftsprozesse zu gewinnen. KI-Lösungen entwickeln: Du wirkst an der Konzeption und Umsetzung von KI-basierten Systemen mit – etwa zur Automatisierung von Abläufen, zur Prognose von Trends oder zur Optimierung von Entscheidungen.

Prozess- & Strategieberatung: Du berätst unsere Kunden zu ihren Customer-Service-Prozessen, identifizierst Automatisierungspotenziale und entwickelst Strategien, wie AI Agents KPIs (wie AHT oder CSAT) messbar verbessern können.

Architekturverantwortung: Du konzipierst und realisierst KI-gestützte Lösungsarchitekturen mit Microsoft Azure AI und Microsoft 365 Copilot. Strategische Lösungsgestaltung: Du entwickelst Agenten-basierte Architekturen mit Technologien wie Semantic Kernel und Multi-Agent-Workflows. Use-Case-Entwicklung: Du identifizierst und gestaltest Business Cases von der Vorstudie bis zur produktiven Umsetzung.