Auf einen Blick
- Aufgaben: Gestalte innovative Daten- und KI-Strategien für globale Unternehmen.
- Unternehmen: Artefact, eine führende Strategie- und Datenberatung mit internationalem Team.
- Vorteile: Attraktives Gehalt, internationale Projekte und Karriereentwicklungsmöglichkeiten.
- Weitere Informationen: Hybrides Arbeitsmodell in Zürich oder Lausanne mit Fokus auf Wachstum.
- Warum dieser Job: Sei Teil der KI-Revolution und beeinflusse wichtige Entscheidungen von Unternehmen.
- Qualifikationen: Mindestens 4 Jahre Erfahrung in IT und 2 Jahre in AI/GenAI-Projekten.
Das prognostizierte Gehalt liegt zwischen 49500 - 60500 € pro Jahr.
Artefact ist eine nächste Generation Strategie- und Datenberatung, die sich der Transformation von Organisationen durch Daten und KI widmet. Wir kombinieren die Strenge der Top-Strategieberatung mit tiefem Fachwissen in Daten, Digital und Analytik, um unseren Kunden greifbare Geschäftsergebnisse zu ermöglichen.
Unser Büro in Zürich ist im Herzen des Wachstums von Artefact und berät Kunden zu ihren dringendsten strategischen Herausforderungen - von KI-Strategie und Governance bis hin zu digitalen Transformations-Roadmaps und der Gestaltung neuer Geschäftsmodelle.
Wir suchen einen Senior Data & AI Architect, der Geschäftsstrategie und Technologie im Bereich Daten und GenAI kombiniert. Sie werden das Betriebsmodell und die Organisation des Data & GenAI CoE entwerfen, die Zielarchitektur definieren und Datenprodukte vom Bedarf bis zur Einführung steuern.
Hauptverantwortlichkeiten:
- Betriebsmodell und Organisation: Entwurf des Data & AI Betriebsmodells (zentralisiert, föderiert, Hub-and-Spoke) gemäß den Prinzipien von Data Mesh: Rollen, Verantwortlichkeiten, Domänenbesitz und Governance-Mechanismen.
- Definition der Organisation des Data & GenAI CoE: Umfang, Servicekatalog, Fähigkeiten, Größenordnung und Engagementmodell mit Geschäftsdomänen.
- Entwurf von End-to-End-Prozessen für Bedarfsmanagement, Priorisierung von Anwendungsfällen, Finanzierung und Wertverfolgung.
- Architektur und Technologieentscheidungen: Definition der Zielarchitektur der Datenplattform in der Cloud (Azure, AWS, GCP) und Databricks, einschließlich GenAI-Komponenten (RAG, Agenten, Vektorspeicher, LLMOps).
- Durchführung von Make-or-Buy-Analysen und Anbieterauswahl: Scouting, Bewertungskriterien, Business Case, TCO und endgültige Empfehlung.
- Überprüfung, dass Architektur-, Sicherheits- und Daten-Governance-Entscheidungen mit den Unternehmensstandards und dem Betriebsmodell übereinstimmen.
- Datenprodukte: Vom Bedarf zur Einführung: Erfassung und Formalisierung funktionaler Anforderungen mit dem Geschäft, Übersetzung in Datenprodukte mit Eigentümern, Verbrauchern, SLAs und Qualitätsmetriken.
- Entwurf von Datenprodukten sowohl aus funktionaler Sicht (Anwendungsfälle, KPIs, betroffene Prozesse) als auch aus technischer Sicht (Datenmodell, Pipelines, Schnittstellen, Servierschicht).
- Agieren als Designautor während der Implementierung: Überprüfung von Lösungen des Systemintegrators und Überwachung von Qualität, Fortschritt und Risiken der Einführung.
Anforderungen:
- Mindestens 4 Jahre Berufserfahrung in der IT.
- Mindestens 2 Jahre in Projekten, die sich auf AI/GenAI, Data Mesh und die Erfassung funktionaler Anforderungen konzentrieren.
- Beratungserfahrung, idealerweise in der Strategieberatung, kombiniert mit Erfahrung bei einem Systemintegrator oder Dienstleistungsunternehmen.
- Praktische Erfahrung im Entwurf von Betriebsmodellen, Daten-/KI-Organisationen oder CoEs.
- Erfahrung mit Make-or-Buy-Analysen, Anbieterauswahl oder Definition der Zielarchitektur.
- Ausgezeichnete schriftliche und mündliche Englischkenntnisse.
Technische und funktionale Fähigkeiten:
- Sie müssen keinen Code schreiben, aber Sie sollten die Technologien gut genug kennen, um sie zu bewerten, Anbieter herauszufordern und fehlerhafte Setups zu erkennen.
- Data Mesh und Governance: Domänenbesitz, Datenprodukte, föderierte Governance, Datenverträge, Kataloge und Herkunft (z.B. Unity Catalog, OpenMetadata, Collibra).
- Cloud: Daten- und KI-PaaS-Dienste auf mindestens einer der Plattformen Azure, AWS und GCP; Sicherheits-, Netzwerk- und FinOps-Prinzipien.
- Databricks: Lakehouse, Delta Lake, Unity Catalog, Workflows; Fähigkeit zur Bewertung von Design und Kosten.
- GenAI: RAG- und agentische Architekturen, LLMOps, Modellevaluation, Plattformen wie Azure AI Foundry, Vertex AI und Bedrock.
- Betriebsmodell: Daten-/KI-Organisation, CoE, Rollen (Datenbesitzer, Datenverwalter, Produktbesitzer), Nachfrage- und Portfolioprozesse.
- Anforderungen und Lieferung: Anforderungserfassung, Benutzerstories, Prozessmodellierung, agile Methoden, Programm-Governance.
- Geschäft: Business Cases, TCO, Wertverfolgung und die Fähigkeit, technische Entscheidungen in wirtschaftliche Auswirkungen zu übersetzen.
Nice to have:
- Deutsch nicht unbedingt erforderlich.
- Erfahrung mit Kunden im Pharmasektor.
- Cloud- oder Databricks-Zertifizierungen (z.B. Azure Solutions Architect, Databricks Data Engineer oder Solutions Architect).
- Erfahrung in technischer Due Diligence oder Projekten zur Post-Merger-Transformation.
- Frühere technische Erfahrung als Ingenieur oder Entwickler.
Was wir bieten: Eine Rolle, die Strategie und Technologie verbindet, mit direktem Einfluss auf die Entscheidungen der Kunden. Internationale Projekte zu Data Mesh, Datenplattformen und GenAI. Enge Zusammenarbeit mit dem Projektleiter und ein Wachstumspfad zu Programmleitungsrollen. Standort und Arbeitsmodell: (Hybrid) Zürich oder Lausanne. Hoch wettbewerbsfähiges Vergütungspaket. Diese Position ist in Zürich angesiedelt. Machen Sie sich keine Sorgen, wenn Sie nicht alle Kriterien erfüllen! Wir schätzen Motivation, pragmatische Problemlösung und Potenzial über alles andere.
Senior Data & AI Architect in Zürich Arbeitgeber: Artefact
Artefact ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitskultur bietet, in der Eigenverantwortung und intellektuelle Neugier geschätzt werden. Mit einem starken Fokus auf kontinuierliches Lernen und persönlicher Weiterentwicklung ermöglicht das Unternehmen seinen Mitarbeitern, an der Spitze der KI-Revolution zu arbeiten und aktiv zur Gestaltung des Geschäftswachstums beizutragen. Die Standorte Berlin und München bieten nicht nur Zugang zu einem vielfältigen Kundenstamm, sondern auch die Möglichkeit, in einem schnell wachsenden Team mit hoher Sichtbarkeit zu arbeiten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Senior Data & AI Architect in Zürich erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Artefact zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Data & AI Architect in Zürich mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Senior Data & AI Architect bei Artefact gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Artefact vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Artefact entscheidend sein!
