AI Data Scientist – Agentic AI & RAG | Berlin

Für unseren Kunden in Berlin, Deutschland, suchen wir dringend einen erfahrenen AI Data Scientist mit starken analytischen und mathematischen Fähigkeiten sowie einer praktischen Ingenieursmentalität. In dieser Rolle modellieren Sie komplexe Probleme, entwickeln und prototypisieren Lösungen für Machine Learning, Agentic AI und Retrieval-Augmented Generation (RAG) und verwandeln diese in zuverlässige, produktionsbereite KI-Tools. Sie arbeiten an der Schnittstelle von Data Science, Machine Learning und AI Engineering und entwickeln intelligente Lösungen für komplexe, reale technische und Telekommunikationsherausforderungen. Bewerber müssen bereits in Berlin ansässig sein oder bereit sein, nach Berlin umzuziehen. Bewerber müssen berechtigt sein, in der EU zu arbeiten. Visa-/Arbeitserlaubungssponsoring wird nicht angeboten. Diese Position ist nur für Mitarbeiter verfügbar. Kandidaten müssen fließend Englisch sprechen.

Aufgaben und Verantwortlichkeiten

• Entwerfen, Entwickeln und Verbessern von Agentic AI-Systemen und RAG-Pipelines, die über technische Dokumentation und Live-Netzwerkdaten nachdenken;
• Entwickeln von Machine Learning-Modellen für Klassifikation, Anomalieerkennung, Ursachenanalyse und andere datengestützte Anwendungsfälle;
• Erstellen robuster KI-Bewertungs- und Beobachtungsrahmen, einschließlich Bewertungsdatensätze, Benchmarks, Offline-/Online-Bewertungen, Regressionstests, LLM-as-a-judge-Ansätze und Qualitätsüberwachung;
• Definieren und Überwachen wichtiger KI-Qualitätsmetriken, einschließlich Genauigkeit, Abrufqualität, Latenz und Kosten, um sicherzustellen, dass Regressionen erkannt werden, bevor sie die Benutzer erreichen;
• Umsetzen von Data Science- und Machine Learning-Konzepten in produktionsbereite KI-Lösungen, die Datenanalyse, Modellierung, Tests, Bereitstellung, Operationalisierung und MLOps abdecken;
• Schreiben von sauberem, gut getesteten und wartbaren Python-Code und Beitrag zu hohen Softwareentwicklungsstandards im Team;
• Forschung und Experimentieren mit aufkommenden KI-, LLM- und Machine Learning-Technologien, Übersetzung vielversprechender Ansätze in praktische Funktionen und Produktionslösungen;
• Enges Zusammenarbeiten mit Ingenieuren, Datenspezialisten und Fachexperten zur Lösung komplexer Telekommunikations- und netzbezogener Herausforderungen.

Profil des AI Data Scientist

• Doktortitel in einer quantitativen Disziplin wie Physik, Mathematik, Informatik, Ingenieurwesen, Computational Chemistry, Computational Biology oder einer verwandten Naturwissenschaft;
• Starker praktischer Hintergrund in mathematischer und computergestützter Modellierung;
• 3+ Jahre Erfahrung in der Entwicklung von Software, Data Science oder Machine Learning-Systemen in einer Industrie- oder Forschungsumgebung, neben oder nach Ihrem Studium;
• Praktische Erfahrung in der Erstellung und Implementierung von KI-Agenten, Agentic AI und RAG-Lösungen;
• Starker Hintergrund in Data Science und Machine Learning, einschließlich Erfahrung mit Tools wie scikit-learn, XGBoost oder LightGBM und Deep Learning-Frameworks;
• Starke Python- und Softwareentwicklungsfähigkeiten, mit einem Schwerpunkt auf sauberem, strukturiertem, getestetem und wartbarem Code;
• Gutes Verständnis der Architektur von Agentic AI, einschließlich Orchestrierung, Tools, Speicher, Bewertung und Sicherheitsvorkehrungen;
• Erfahrung in der Bewertung und Überwachung von LLM- und RAG-Systemen, einschließlich Abrufqualität, Genauigkeit, Latenz und Kosten;
• Starker Forschungsgeist mit Interesse an aufkommenden KI-Technologien und deren praktischer Anwendung;
• Starke Kommunikations-, Kollaborations- und Teamfähigkeiten;
• Fließendes Englisch, sowohl schriftlich als auch mündlich.

Nice to Have

• Erfahrung in der Bereitstellung und dem Betrieb von Machine Learning- und KI-Lösungen in Cloud-Umgebungen, vorzugsweise AWS;
• Erfahrung mit AWS Bedrock, ECS und S3;
• Erfahrung mit modernen Agentic AI-, RAG- und LLM-Tools wie LangGraph, Chroma, FAISS, LangSmith oder Lang fuse;
• Erfahrung mit LLM-Bewertung, Beobachtbarkeit, Prompt Engineering und Kosten-/Latenzoptimierung;
• Kenntnisse in MLOps und Produktions-ML-Praktiken;
• Erfahrung mit Deep Learning-Frameworks;
• Einblick in Telekommunikation, Netzwerke, Signalverarbeitung oder andere datenreiche technische Bereiche.

Schlüsseltechnologien & Fähigkeiten

• Python | Machine Learning | Data Science | Agentic AI | KI-Agenten | Generative AI | LLMs | RAG | Retrieval-Augmented Generation | LangGraph | Chroma | FAISS | LangSmith | Lang fuse | scikit-learn | XGBoost | LightGBM | MLOps | LLM-Bewertung | KI-Beobachtbarkeit | Prompt Engineering | AWS | Amazon Bedrock | ECS | S3 | Anomalieerkennung | Ursachenanalyse