Machine Learning Jobs in Geislingen an der Steige

Du bewertest AI-Use-Cases gemeinsam mit Kunden und übersetzt Anforderungen in technische Lösungsansätze. Du entwickelst ML-und GenAI-Lösungen, z.B. mit LLMs, RAG oder klassischen Machine-Learning-Methoden. Du konzipierst Daten-und ML-Pipelines und bringst AI-Lösungen in produktionsnahe Umgebungen.

Analyse bestehender Entwicklungsprozesse und ihrer Dokumentation sowie Identifikation systematischer Lücken Strukturierung, Harmonisierung und Überführung heterogener Prozess- und Wissensdokumentationen in das entwickelte Metamodell sowie Aufbau einer maschinenlesbaren Wissensbasis Entwicklung eines Metamodells und eines standardisierten Erhebungsschemas für maschinen- und menschenlesbare Prozess- und Wissensdokumentation

Sie übernehmen die Konzeption, Entwicklung und Implementierung neuer Methoden sowie deren Validierung in Simulationen und Hardware-in-the-Loop-Tests mit Quadcoptern unterschiedlicher Größe und Onboard-Rechnersystemen. Sie entwickeln eigene wissenschaftliche Fragestellungen und Forschungsideen im Themenfeld der Professur und treiben diese selbstständig voran.

Entwickle KI-Lösungen: Du unterstützt bei der Entwicklung maßgeschneiderter Data-Science- und KI-Lösungen – vom Proof-of-Concept bis hin zu operativen Machine-Learning-Modellen.

Vermittlung von Kenntnissen zu: Daten, Prognosen, Wissensgewinnung und deren Umsetzung Datenaufbereitung und Datenbereitstellung Reporting und Optimierung von Prozessen Grundausbildung zu den Themen Software-Engineering und Anwendungsentwicklung Testen und Analysieren von technischen Lösungen sowie Evaluierung von bestehender Software

Fachliche & Disziplinarische Führung: Du führst dein Team nach den Prinzipien der Servant Leadership. Du förderst die individuellen Stärken deiner Entwickler, begleitest sie bei ihrer Karriereentwicklung und schaffst ein Umfeld von psychologischer Sicherheit und hoher Innovationskraft. Technische Roadmap & Management-Verantwortung: Du erstellst eigenverantwortlich die langfristige technische Roadmap von STACKIT Data & AI Produkten. Hands-on Engineering: Du bist aktiv in die Softwareentwicklung eingebunden mit Hands-on Anteil. Du schreibst hochperformanten, concurrency-sicheren und sauberen Code in Go (Golang), und entwickelst Cloud-Native Services sowie Kubernetes-Operatoren.

Du sorgst dafür, dass unser Vergleich auf der Website stetig besser wird. Dafür schaust Du Dir unsere Produkte aus Kundensicht an und überlegst, welche neuen Features, Filter oder Funktionen sinnvoll wären. Gemeinsam mit unserer IT setzt Du diese Ideen um, priorisierst Anforderungen und begleitest den gesamten Prozess von der Idee bis zum fertigen Feature – inklusive Einsatz modernster Technologien und KI. Du erfährst aus erster Hand, wie wir Künstliche Intelligenz und moderne Technologien in unsere Produkte integrieren, und arbeitest aktiv daran mit. Du wertest Nutzerverhalten und KPIs aus und lernst, wie man auf Basis von Zahlen bessere Produktentscheidungen trifft.

Definition und Weiterentwicklung der Zielarchitektur einer Voice- und AI-basierten Softwareplattform Architektur und Design cloud-nativer Microservice-Lösungen auf Basis von Azure und Kubernetes Konzeption von API-, Integrations- und Kommunikationsarchitekturen für verteilte Systeme Integration von Speech-to-Text-, NLP- und AI-Komponenten in die Plattformlandschaft Technische Beratung der Entwicklungsteams sowie Sicherstellung von Skalierbarkeit, Performance und Betriebssicherheit

Mitgestaltung der Architektur eines verteilten Systems, das für eine große, heterogene Kundenbasis skalieren muss. Treffe fundierte Entscheidungen zum Technologie-Stack. Welche Agenten-Frameworks diesen als Basis, wie kommunizieren Agenten miteinander, wann ist ein Human-in-the-Loop-Check erforderlich und wann kann das System autonom handeln. Konzeption, wie Agenten auf Wissen zugreifen und es nutzen. Hier gehören RAG, Vektordatenbanken und vor allem die Genauigkeit der Informationsabfrage dazu; nicht nur das Aufsetzen einer Datenbank.

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?

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.