Lead AI Engineer - Principal Consultant

Was Sie tun werden:

• Architektur und Entwicklung autonomer KI-Systeme, die LLMs mit multimodalen Fähigkeiten (Text, Bild, Audio und Video) integrieren, um komplexe, reale Aufgaben zu unterstützen.
• Erstellung robuster agentischer Workflows, die es KI-Agenten ermöglichen, autonom mit Datenquellen und externen APIs über fortgeschrittenes Prompt-Engineering und retrieval-augmented generation (RAG) zu interagieren.
• Feinabstimmung und Optimierung vortrainierter großer Sprachmodelle und multimodaler Modelle für gezielte Anwendungsfälle, um hohe Leistung und geringe Latenz in der Produktion sicherzustellen.
• Implementierung verteilter Trainings- und skalierbarer MLOps-Pipelines zur kontinuierlichen Modellverbesserung.
• Zusammenarbeit mit funktionsübergreifenden Teams – Forschung, Produkt und Technik – um KI-Fähigkeiten in Produkte und Dienstleistungen einzubetten.
• Bewertung und Auswahl geeigneter KI-Frameworks (z. B. LangChain, LlamaIndex), um Agentenkomponenten nahtlos in Unternehmenssysteme zu integrieren.
• Entwicklung von Full-Stack-Anwendungen (Frontend-Schnittstellen und Backend-APIs) unter Verwendung moderner Sprachen und Frameworks (React/Angular, Python, Java, Node.js).
• Entwicklung und Durchsetzung von Testprotokollen und Überwachungssystemen, um sicherzustellen, dass die KI-Ausgaben genau, zuverlässig und ethisch ausgerichtet sind.
• Proaktive Identifizierung und Minderung von Risiken wie Halluzinationen, Vorurteile und Sicherheitsanfälligkeiten innerhalb der implementierten KI-Systeme.
• Management von Projektzeitplänen und Zusammenarbeit mit Geschäftsgruppen in einer agilen Umgebung unter Berücksichtigung von Kosten-Nutzen-Abwägungen für GenAI-Lösungen.
• Aktualität über Fortschritte in generativer KI, agentischen Systemen und multimodalen Modellen; Experimentieren mit neuartigen Architekturen und Workflows.
• Entwicklung schneller Prototypen und Bewertung neuer Technologien im GenAI-Bereich in Zusammenarbeit mit technischen Teams.

Was Sie mitbringen:

• Die Grundlagen: Bachelor-Abschluss oder höher in Informatik, Ingenieurwesen, Informationstechnologie, künstlicher Intelligenz oder einem verwandten Bereich (STEM).
• Praktische Erfahrung in der KI/ML-Engineering mit nachweisbarer Arbeit beim Einsatz von LLMs in großem Maßstab (multimodale Modelle und autonome Agentensysteme bevorzugt).
• Nachgewiesene Erfahrung im Aufbau von Backend-Anwendungskomponenten und APIs in Python.
• Fähigkeit zur Gestaltung und Ausführung komplexer Prompt-Strategien und Eingabe-/Ausgabedatenvalidierungsmodelle, um die gewünschten Ausgaben von LLMs zu erreichen.
• Erfahrung in der Überwachung von KI-Anwendungen mit gängigen Observability-Tools (z. B. Langfuse, Langsmith), um eine nahtlose Leistung und Überwachung sicherzustellen.
• Starke Fähigkeiten in der Datenumwandlung für strukturierte und unstrukturierte Daten; Fähigkeit, diese Prozesse in skalierbare Pipelines zu integrieren.
• Erfahrung im Einsatz von KI-Modellen und Full-Stack-Anwendungen mit cloud-nativen Tools.
• Gutes Verständnis der besten Praktiken in DevOps/MLOps, einschließlich Versionskontrolle und CI/CD.
• Exzellente Problemlösungs-, Debugging- und Rapid-Prototyping-Fähigkeiten.
• Starke Projektmanagementfähigkeiten zur effektiven Koordination mit technischen und geschäftlichen Teams.
• Nachgewiesenes Verständnis von Kosten-Nutzen-Abwägungen bei der Anwendung von GenAI-Lösungen, um eine effiziente Ressourcennutzung sicherzustellen.
• Exzellente Kommunikationsfähigkeiten und eine kollaborative Denkweise, mit Erfahrung in multidisziplinären, agilen Teams.

Bevorzugt:

• Erfahrung mit Deep-Learning-Frameworks.
• Erfahrung in der Arbeit mit agentischen KI-Frameworks.
• Erfahrung im Aufbau benutzerorientierter Frontend-Anwendungen.
• Kenntnis und Implementierung des Model Context Protocol.

Vorteile: Medizinische, zahnmedizinische und augenärztliche Versicherung; 401(k)-Plan; Studiengebührenrückerstattung; und eine Arbeitskultur, die sich auf Innovation und die Schaffung nachhaltiger Werte konzentriert.