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.

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.

Übersetzung von regulatorischen Vorgaben, wie etwa der KI-Verordnung, in technische Anforderungen an KI-Systeme. Konzeption und Entwicklung von technischen Lösungen zur Absicherung von KI-Systemen. Konzeption und Entwicklung von KI-Governance Frameworks. Konzeption und Durchführung von KI-Prüfungen für konkrete Use Cases. Entwicklung von Methoden zur Messung und Quantifizierung von Unsicherheiten in KI-Modellen (z. B. Transformer-Architekturen). Durchführung von Redteaming- und Stresstests zur Absicherung von LLMs und KI-Agenten im produktiven Einsatz. Automatisierung von KI-Prüf- und Testworkflows. Beratung von Kund*innen aus Wirtschaft und öffentlicher Verwaltung zur regulatorischen Einordnung und Absicherung ihrer KI-Systeme.

Entwicklung und Optimierung von KI-Anwendungen für Produktions- und Entwicklungsprozesse, Analyse großer Produktions-, Qualitäts- und Prozessdatensätze, Erstellung von Dashboards und Datenmodellen für datengestützte Entscheidungsfindung, Entwicklung von Machine-Learning-Modellen zur Qualitätsverbesserung, Automatisierung von Reporting und Datenanalyse, Umsetzung von Industrie-4.0- und Smart-Factory-Projekten, Digitalisierung von Produktions- und Geschäftsprozessen

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.

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.

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.

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.