AI Large Language Model (LLM) Technology Architect (All Genders)

Als praktischer AI/LLM-Architekt sind Sie maßgeblich an der Gestaltung und dem Aufbau fortschrittlicher KI-Systeme beteiligt, die das moderne Unternehmen antreiben. Dies ist eine tief technische, praktische Rolle - Sie verbringen den Großteil Ihrer Zeit mit der Architektur und dem Engineering von realen KI-Lösungen in den Bereichen klassisches maschinelles Lernen, generative KI und agentische Systeme, die Sie innerhalb aktiver Kundenprojekte bereitstellen. Sie übersetzen Anforderungen in konkrete Architekturentscheidungen: Auswahl von Entwurfsmustern, Bewertung und Benchmarking technischer Frameworks, Zusammenstellung wiederverwendbarer Komponenten und bewusste Technologieentscheidungen, die Innovation mit unternehmensgerechter Zuverlässigkeit in Einklang bringen.

Sie werden KI-Agentenarchitekturen entwerfen und aufbauen - einschließlich Multi-Agenten-Orchestrierung, Werkzeugnutzung, Fähigkeiten und Gedächtnissysteme - und praktisch mit Basis-Modellen durch Feinabstimmung, retrieval-unterstützte Generierung (RAG) und benutzerdefinierte Modellintegration arbeiten. Ein Teil Ihrer Arbeit wird auch darin bestehen, die KI-Kontextschicht zu entwickeln, die diese Systeme in der Praxis intelligent macht - indem Sie Unternehmenswissensdatenbanken, strukturierte und unstrukturierte Datenquellen sowie domänenspezifische Inhalte verbinden, sodass die KI-Ausgaben fundiert, genau und relevant für das Geschäft des Kunden sind.

Sie werden Systeme gegen nicht-funktionale Anforderungen des Unternehmens in Bezug auf Sicherheit, Beobachtbarkeit, Governance, Leistung und Skalierbarkeit entwerfen und validieren. Ein zentrales Ergebnis dieser Rolle ist die Erstellung greifbarer Engineering- und Architektur-Dokumente. Das bedeutet, dass Sie Softwarekomponenten schreiben und besitzen - den Aufbau, die Integration und das Testen von KI-Systemmodulen als Praktiker - sowie detaillierte Architekturartefakte erstellen, einschließlich Architekturentscheidungsprotokollen (ADRs), Komponentendiagrammen, Datenflussdiagrammen und Integrationsspezifikationen, die breitere Engineering-Teams leiten und ermöglichen.

Sie werden mit funktionsübergreifenden Lieferteams zusammenarbeiten, darunter Dateningenieure, ML-Ingenieure und Anwendungsentwickler, und diese Rolle bietet die Möglichkeit, tiefes Fachwissen über den gesamten KI-Architektur-Stack zu entwickeln, Ihre Ingenieurinstinkte bei komplexen, realen Problemen zu schärfen und eine Grundlage für das Wachstum zu schaffen, um im Laufe der Zeit zu einem leitenden oder hauptverantwortlichen Architekten zu werden.

Die Arbeit

• Eigenständig Softwarekomponenten über die KI-Architektur entwerfen, aufbauen und bereitstellen - vom Design über die Implementierung, Integration und das Testen als praktizierender Entwickler.
• KI-Agentenarchitekturen entwerfen und aufbauen - einschließlich einzelner Agenten, deren Eingabeaufforderungen, Werkzeuge und Fähigkeiten, Multi-Agenten-Orchestrierung und Gedächtnissysteme - und bewusste Entscheidungen über Entwurfsmuster und Technologien treffen.
• Agenten-Orchestrierungsmuster entwerfen und implementieren, die Aufgabenübergaben, Kommunikation, Zustandsverwaltung und Fehlerbehebung behandeln, und diese durch praktische Prototypen validieren.
• Mehrere Entwurfsoptionen und technische Ansätze bewerten und bewusste, gerechtfertigte Designentscheidungen treffen, die Fähigkeit, Kosteneffizienz, Leistung und unternehmensgerechte Zuverlässigkeit in Einklang bringen.
• Bewertungsstrategien und -werkzeuge entwerfen, aufbauen und betreiben, die die Qualität von Agenten und Systemen anhand von Metriken wie Genauigkeit, Relevanz und Treue messen und Erkenntnisse in Designverbesserungen umsetzen.
• Architektur und Implementierung von Basis-Modell-Integrationen - die richtigen Modelle, Aufrufmuster und Anpassungsansätze (Feinabstimmung, RAG, benutzerdefinierte Integration) basierend auf Fähigkeiten, Kosten und Leistungsabgleich auswählen.
• Modelle anpassen und Feinabstimmungspipelines entwerfen und aufbauen, wobei Kenntnisse über transformerbasierte Architekturen zur Modellwahl und -optimierung angewendet werden.
• Die KI-Kontextschicht entwerfen und aufbauen - einschließlich Kontextgrafdesign und Ingestion-Pipelines, die strukturierte und unstrukturierte Unternehmensinhalte parsen, anreichern und indizieren, sowie die Abrufkomponenten, die KI-Ausgaben im Wissen des Kunden verankern.
• Einbettung, Vektorspeicherung und Abruf (semantisch, hybrid, nachrangig) in End-to-End-RAG-Pipelines integrieren, wobei Integrationsmuster angewendet werden, die mit Unternehmensdatenquellen verbunden sind.
• Kontextzusammenstellung und Gedächtniskomponenten entwerfen und implementieren, die Eingabeaufforderungen, Kontextfenster und den Gesprächszustand verwalten, um fundierte, genaue Ausgaben zu gewährleisten.
• Wiederverwendbare Komponenten und Lösungsmuster identifizieren, entwerfen und aufbauen, die die Bereitstellung beschleunigen und über Projekte hinweg standardisiert werden können.
• Für Kosteneffizienz und Leistung entwerfen - Optimierung der Modelnutzung, Inferenzmuster, Caching und Ressourcennutzung, um Ziellatenz, Durchsatz und Kosten zu erreichen.
• Systeme gegen nicht-funktionale Anforderungen des Unternehmens entwerfen, aufbauen und validieren - Implementierung von Sicherheitsvorkehrungen, Prompt-Injection-Abwehr, PII-Verarbeitung und Zugriffskontrollen für Sicherheit und verantwortungsvolle KI.
• Governance-Kontrollen einschließlich Versionierung, Audit-Protokollierung und Nachverfolgung der Herkunft erstellen und die Moduldokumentation produzieren, die Systeme prüfbar hält.
• Beobachtbarkeit in Systeme einbauen - Protokollierung, Nachverfolgung, Überwachung, Alarmierung und Kostenverfolgung - um sicherzustellen, dass KI-Lösungen in der Produktion gesund, leistungsfähig und skalierbar bleiben.
• Detaillierte Architekturartefakte produzieren - einschließlich Architekturentscheidungsprotokollen (ADRs), Architekturblaupausen, Entwurfsdokumenten, Spezifikationen für Agenten-Orchestrierung und Integrationsmuster, Komponenten- und Datenflussdiagrammen - die breitere Engineering-Teams leiten und ermöglichen.
• Kontinuierlich lernen, bewerten und neue Entwurfsmuster, Frameworks und Technologien im sich schnell entwickelnden KI-Bereich anwenden, wobei Innovation mit unternehmensgerechter Zuverlässigkeit in Einklang gebracht wird.
• Mit funktionsübergreifenden Lieferteams - Dateningenieuren, ML-Ingenieuren und Anwendungsentwicklern - zusammenarbeiten, um Anforderungen in konkrete Architekturentscheidungen umzusetzen, die den Bedürfnissen der Stakeholder entsprechen.

Ausbildung

Abschluss eines Bachelor-Studiums oder gleichwertig.

Grundlegende (erforderliche) Qualifikation

• Nachgewiesene Erfahrung in der Gestaltung und Bereitstellung unternehmensgerechter fortschrittlicher KI-Lösungen unter Verwendung von agentischen, generativen und klassischen KI/ML mit mindestens einem Cloud-Anbieter.
• Praktische Erfahrung im Bereich Agentic, LLM und Generative AI.
• Gut vertraut mit Programmierung in Python.
• Solide Grundlagen in der Architektur und Operationalisierung von LLM-gesteuerten Anwendungsarchitekturmustern.
• Berufserfahrung in der Codierung, im Engineering, im maschinellen Lernen, im Deep Learning und in NLP-Lösungen und -Anwendungen.
• Mehrere Jahre praktische Erfahrung als Machine Learning-Architekt in der Industrie, der große Daten-, maschinelles Lernen und groß angelegte analytische Engineering-Lösungen entwirft.