Machine Learning Jobs

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.

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. Du arbeitest mit Cloud-, Data-und Platform-Teams zusammen.

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.

Aufbau, Betrieb und kontinuierliche Weiterentwicklung einer skalierbaren und leistungsfähigen Data-Lake- und Data-Engineering-Umgebung in Databricks als zentrale Grundlage für Künstliche Intelligenz, Datenanalyse und Reporting

Als KI-Architekt (m/w/d) übernimmst Du die Architekturverantwortung für die technische KI-Zielarchitektur der DIN-Gruppe und entwickelst diese kontinuierlich weiter. Du etablierst technische Standards und Referenzarchitekturen und stellst Qualität, Sicherheit, Skalierbarkeit und Betriebsfähigkeit der KI-Lösungen sicher.

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.

Entwicklung einer Machine-Learning-basierten Clusteranalyse auf Basis realer Unternehmens- und Vertriebsdaten, Identifikation und Visualisierung von Produkt-, Kunden- und Marktsegmenten, Analyse bisher unerkannter Zusammenhänge und Muster im Produktportfolio. Entwicklung und Weiterentwicklung von KI-Anwendungen und Agenten zur Markt-, Wettbewerbs- und Technologiebeobachtung, Einsatz von KI für Trend-Scouting sowie Markt-, Portfolio- und Wettbewerbsanalysen.

Du verantwortest die technische Sicherheit unserer KI-Plattform auf Basis von Kubernetes und STACKIT. Du führst Threat Modeling und Risikoanalysen für neue KI-Anwendungen durch. Du begleitest Roll-outs mit Security Reviews und klaren technischen Empfehlungen. Du härtest Kubernetes-Umgebungen, zum Beispiel über RBAC, Network Policies, Pod Security Standards, Admission Control und Policy as Code. Du arbeitest mit bestehenden Policy-as-Code-Ansätzen, insbesondere Kyverno. Du sicherst die Software Supply Chain ab, zum Beispiel mit signierten Container Images, SBOMs, Schwachstellen-Scans, Trivy und Image Hardening.

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

Entwicklung neuer Features und KI-gestützter Use Cases für unseren internen KI-Chatbot „theo' sowie künftige KI-Integrationen in weitere Produkte. Weiterentwicklung und Optimierung unserer RAG-Lösung (u.a. via Azure AI Search). Anbindung neuer AI Services und Integration bestehender Legacy-Systeme über verfügbare Schnittstellen. Entwicklung wartbarer, qualitativ hochwertiger Lösungen (inklusive agentischer Workflows) innerhalb unserer etablierten, klar strukturierten Architektur. Evaluation und Integration neuer KI-Technologien und -Services.

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.