Principle – Knowledge Governance & GenAI Enablement.

Principle – Knowledge Governance & GenAI Enablement.

Vollzeit 75000 - 95000 € / Jahr (geschätzt) Kein Homeoffice möglich
E

Auf einen Blick

  • Aufgaben: Gestalte und verwalte Unternehmenswissen für vertrauenswürdige GenAI-Ausgaben und Analysen.
  • Unternehmen: Innovatives Unternehmen mit Fokus auf Wissensgovernance und GenAI.
  • Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Entwicklungsmöglichkeiten.
  • Weitere Informationen: Engagiertes Team mit einer Kultur der Vielfalt und Chancengleichheit.
  • Warum dieser Job: Sei Teil der Zukunft von KI und Wissensmanagement in einem dynamischen Umfeld.
  • Qualifikationen: Abschluss in Informatik und umfangreiche Erfahrung in Wissensmanagement und Ontologiedesign.

Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.

Principle – Knowledge Governance & Gen AI Enablement .

Role Summary – The Principle, Knowledge Governance & Gen AI Enablement is accountable for ensuring that enterprise knowledge is structured, governed, and AI ready, enabling reliable analytics, trustworthy Gen AI outputs, and governed data products at scale.

This role bridges semantic architecture, knowledge lifecycle governance, and Gen AI enablement, translating complex knowledge structures into consistent business meaning across platforms including Snowflake, Collibra, and AI Systems.

  • Scope & Authority
  • Enterprise-wide semantic ownership across Snowflake, analytics, and Gen AI platforms.
  • Formal decision rights over enterprise ontologies and semantic standards.
  • Partners with engineering and AI Teams to ensure semantic governance standards are met before production deployment.
  • Accountable for production knowledge integrity and lifecycle enforcement.
  • Enterprise Semantic Layer (Snowflake)
  • Own the enterprise semantic layer within Snowflake, including business definitions, metric standardization, and governed data products.
  • Align ontologies, knowledge graphs, and Snowflake semantic models to prevent metric drift and conflicting business logic.
  • Define standards for semantic modeling across analytics, BI, and AI use cases.
  • Establish change management, versioning, and approval workflows for semantic updates.
  • Ontology & Semantic Architecture
  • Design, govern, and evolve enterprise ontologies enabling reasoning, explainability, and disambiguation.
  • Establish modeling standards for entities, relationships, attributes, and versioning.
  • Ensure interoperability across domains, platforms, and AI systems.
  • Gen AI Enablement
  • Embed governed knowledge into RAG systems, knowledge graphs, and agent frameworks.
  • Define repeatable onboarding processes for new Gen AI use cases.
  • Establish guardrails for structured vs unstructured knowledge usage.
  • Improve grounding, reduce hallucination, and increase answer consistency through semantic strength.
  • Knowledge Lifecycle & Governance
  • Define and institutionalize lifecycle processes: creation, validation, approval, publication, monitoring, and retirement.
  • Establish domain ownership and stewardship models for semantic assets.
  • Enforce governance for accuracy, provenance, compliance, and auditability.
  • Detect and mitigate semantic drift, outdated content, bias, and leakage.
  • Serve as escalation authority for knowledge integrity disputes.
  • Measurement & Impact
  • Improve retrieval precision and recall across Gen AI use cases.
  • Reduce hallucinations through strengthened semantic foundations.
  • Decrease semantic inconsistencies across reporting and AI systems.
  • Increase AI trust, adoption, and speed to insight.

Qualifications

  • Bachelor’s degree in Computer Science or related field (advanced degree preferred).
  • Experience with Enterprise data governance platforms (eg. Collibra, Alation, Atlan, etc) Strongly preferred.
  • 10 years in knowledge management, data modeling, ontology design, or semantic technologies.
  • Demonstrated enterprise-scale ontology or knowledge graph design experience.
  • Strong understanding of Gen AI architectures, including RAG and agent-based systems.
  • Experience in regulated or risk-sensitive environments preferred.
  • Executive-level communication skills.
  • What Success Looks Like
  • Snowflake semantic layer becomes the single source of business meaning across analytics and AI.
  • Data Owners and Stewards across the business can confidently find, understand, and trust governed knowledge assets in both analytics and AI contexts.
  • Metric drift and semantic inconsistencies are materially reduced.
  • Gen AI systems consistently produce accurate, explainable, context-aware outputs.
  • Clear domain ownership exists for all enterprise semantic assets.

We are an equal opportunity employer with a commitment to diversity.

All individuals, regardless of personal characteristics, are encouraged to apply.

All qualified applicants will receive consideration for employment without regard to age, race, color, national origin, ancestry, sex, sexual orientation, gender, gender identity, gender expression, marital status, pregnancy, religion, physical or mental disability, military or veteran status, genetic information, or any other status protected by applicable state or local law.

#J-18808-Ljbffr

Principle – Knowledge Governance & GenAI Enablement. Arbeitgeber: empower

Als Lifecycle Marketing Manager im Finanzdienstleistungssektor bieten wir Ihnen die Möglichkeit, eine zentrale Rolle in der Gestaltung und Umsetzung von Marketingstrategien zu übernehmen, die echte Auswirkungen auf das Leben der Teilnehmer haben. Unser Unternehmen fördert eine inklusive und dynamische Arbeitskultur, in der kontinuierliches Lernen und persönliche Entwicklung geschätzt werden. Mit einem starken Fokus auf Teamarbeit und Innovation unterstützen wir Sie dabei, Ihre Fähigkeiten weiterzuentwickeln und Ihre Karriere voranzutreiben, während Sie gleichzeitig von attraktiven Benefits und einem flexiblen Arbeitsumfeld profitieren.

E

Kontaktdaten:

empower Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Principle – Knowledge Governance & GenAI Enablement. 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 empower 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 Principle – Knowledge Governance & GenAI Enablement. mit Bravour zu bestehen

Wissen Governance
GenAI Enablement
Semantische Architektur
Ontologie-Design
Datenmodellierung
Enterprise-Daten-Governance-Plattformen
Snowflake

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 Principle – Knowledge Governance & GenAI Enablement. bei empower gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei empower 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 empower entscheidend sein!