AI Engineer – RAG and Agentic AI

Als AI Engineer im V93000-Dokumentationsteam werden Sie ein wichtiger Beitrag zum Aufbau und zur Verbesserung unserer KI-Systeme leisten. Sie helfen dabei, unsere kritischen KI-Agentenanwendungen zu entwickeln und voranzutreiben. Ihre Arbeit konzentriert sich auf den gesamten Lebenszyklus von KI-Anwendungen, von der Implementierung, Optimierung bis hin zur rigorosen Evaluierung von Systemen, um Leistungsbenchmarks zu erfüllen. Dies ist eine einzigartige Gelegenheit, innovative Lösungen zu prototypisieren, sie in die Produktion zu bringen und direkt die Zukunft der SOC-Testsysteme von Advantest zu beeinflussen.

Rollenverantwortlichkeiten

• Entwerfen, Implementieren, Testen und kontinuierliches Optimieren von End-to-End-RAG-Pipelines, einschließlich Datenparsing, -aufnahme, Prompt-Engineering und Chunking-Strategien.
• Kuratiere und entwickle hochwertige Datensätze unter Verwendung synthetischer Datengenerierung für robustes Training und Evaluierung.
• Rigorose Evaluierung von LLM-Anwendungen anhand von Metriken wie Korrektheit, Latenz und Halluzination.
• Unterstützen Sie bei der Bereitstellung von LLM-basierten Anwendungen, analysieren Sie das Benutzerfeedback und tragen Sie zu iterativen Verbesserungen bei.
• Schreiben Sie sauberen, wartbaren und testbaren Code gemäß den besten Praktiken.
• Zusammenarbeit mit funktionsübergreifenden Teams zur Integration von KI-Komponenten in andere Systeme.

Qualifikationen

• Master oder Ph.D. in Informatik, Maschinenlernen oder einem verwandten Bereich und mindestens 2 Jahre praktische Branchenerfahrung in der Softwareentwicklung.
• Erfahrung im Betrieb von RAG-Systemen in Produktionsumgebungen, einschließlich Überwachung, Debugging und kontinuierlicher Verbesserung basierend auf dem Verhalten echter Benutzer.
• Solides Verständnis der angewandten Softwareentwicklungspraktiken für KI-Systeme (Testen, CI/CD-Integration, Versionierung und Reproduzierbarkeit).
• Fähigkeit, Forschungsinnovationen mit langfristiger Wartbarkeit und kundenbereiten Qualitätsstandards in Einklang zu bringen.
• Klare Kommunikations- und Präsentationsfähigkeiten.

Gut zu haben

• Erfahrung mit Observability-Stacks (z.B. Prometheus, Grafana, OpenTelemetry), die auf KI oder Backend-Dienste angewendet werden.
• Vertrautheit mit Unternehmensbereitstellungsbeschränkungen wie luftdicht abgeschotteten Systemen, Lizenzkonformität und Verteilung von KI-fähiger Software an Kunden.
• Einblick in Agentenframeworks, Tool-Calling-Muster oder mehrstufige Denkarchitekturen.
• Praktische Erfahrung mit Vektordatenbanken (z.B. Milvus) und modernen RAG-Architekturen, wie graphbasiertem Retrieval-Augmented Generation.

Diese Rolle betont das langfristige Eigentum an Retrieval-Augmented Generation-Systemen als Kernproduktfähigkeit und nicht nur das Experimentieren mit großen Sprachmodellen.