AI/ML Engineer & MLOps 80-100%

Bei Sunrise denken wir größer, gehen weiter und schaffen neue Ideen. Für uns bedeutet die Arbeitskultur, gemeinsam Großes zu erreichen. Es ist der Ort, an dem Respekt und innovative Ideen mit echtem Teamwork kombiniert werden – jede Stimme zählt, jede Perspektive macht uns stärker. Unsere Leidenschaft spornt uns an, neue Dinge auszuprobieren und kontinuierlich zu wachsen. Klingt das nach Ihnen? Dann schließen Sie sich unserer Erfolgsgeschichte an.

Im ADAO (AI, Data and Agentic Enablement Office) bringen wir Menschen zusammen, um die Zukunft von Sunrise durch Daten, Analytik, KI und agentische Technologien zu erschließen. Wir denken groß, handeln zielgerichtet und verwandeln Ideen in echte Auswirkungen für unsere Kunden und Teams. ADAO ist der Ort, an dem Innovation auf Vertrauen trifft: Wir bauen starke Datenfundamente, skalieren sichere und zuverlässige KI-Fähigkeiten und befähigen Geschäftseinheiten durch ein Hub-and-Spoke-Betriebsmodell, um bedeutende Ergebnisse im gesamten Unternehmen zu liefern.

In diesem Modell arbeiten Sie als Teil des Teams für Agentic Enablement und Prompt Engineering & Conversation Design, wo der zentrale Hub Standards, Plattformen, Architektur und Best Practices bereitstellt, während funktionsübergreifende, ergebnisorientierte Pods in das Geschäft eingebettet sind und von diesem geleitet werden. Sie werden als Engineering-Experte agieren und eng mit dem Geschäft zusammenarbeiten, um deren Prioritäten und Ergebnisse zu liefern.

In dieser Rolle entwerfen, bauen, implementieren und betreiben Sie produktionsreife ML- und GenAI-Lösungen, einschließlich RAG-Komponenten, wo dies zutrifft, die messbaren geschäftlichen Nutzen für Sunrise liefern und dabei Exzellenz über den gesamten Lebenszyklus von Experimenten bis hin zu automatisierten Bereitstellungen, Überwachung, Risikokontrollen und kontinuierlicher Verbesserung im Einklang mit den Standards und der Governance von ADAO sicherstellen.

Sie werden Teil des zentralen AI/ML Engineering & MLOps Kapitels innerhalb des ADAO Hubs sein und die eingebetteten Domain Pods durch wiederverwendbare Plattformkomponenten, Engineering-Standards und praktische Umsetzung unterstützen.

IHRE HERAUSFORDERUNG:

• Entwickeln und industrialisieren Sie ML/GenAI-Lösungen: Übersetzen Sie Geschäftsroadmaps in Lösungsdesigns, während Sie robuste Trainings-/Inference-Pipelines und Produktionsdienste implementieren, die alle nicht-funktionalen Anforderungen erfüllen.
• Co-Design von Lösungsarchitekturen mit Data Scientists und Domain Pods (Batch/Real-Time, APIs, RAG-Muster, wo relevant).
• Industrialize Prototypen: automatisierte Tests, sichere Verpackung, Bereitstellung/Rollback und Leistungs-/Kostenoptimierung.
• Besitzen und entwickeln Sie MLOps/LLMOps-Pipelines: Erstellen Sie standardisierte CI/CD-Workflows, verwalten Sie die Modellpromotion durch dev→test→prod und pflegen Sie Überwachungs- und Drift-/Retraining-Mechanismen.
• Betreiben Sie Modellregistrierung/Versionskontrolle und automatisierte Retraining-Auslöser, die mit der Governance von ADAO und den CIO/IT-Änderungsfenstern übereinstimmen.
• Betreiben Sie Experimentation & Feature Management: Stellen Sie reproduzierbare Experimente bereit, verwalten Sie Feature-Store-Muster und Validierungen und fördern Sie wiederverwendbare Datensätze/Funktionen über Pods hinweg.
• Bereitstellung von Experimentverfolgung, Datensatz-/Feature-Versionierung und Feature-Store-Mustern (Offline/Online-Parität).
• Durchführen von Evaluierungs-Harnesses für ML & GenAI (Regression, A/B-Tests, Sicherheits- & Mehrsprachigkeitsprüfungen) und Teilen von wiederverwendbaren Assets.
• Modell-Dokumentation, Governance & Risiko: Erstellen Sie konforme Moduldokumentationen, implementieren Sie erforderliche Governance-/Sicherheits-/Datenschutzkontrollen und unterstützen Sie Maßnahmen zur Sicherheit und Auditierbarkeit von GenAI.
• Erstellen Sie Modellkarten und Compliance-Artefakte (Datenquellen, Einschränkungen, Datenschutz-/Bias-Kontrollen) und Nachweise für Audits.
• Implementieren Sie Responsible AI / GenAI-Grenzen: Grundierung, HITL-Zulassungen, Audit-Protokolle und Risikoüberprüfungen mit Governance-Teams.
• Beobachtbarkeit, Zuverlässigkeit & Vorfallreaktion: Implementieren Sie vollständige Beobachtbarkeit für Modelle und Dienste, pflegen Sie Runbooks und Alarme, beteiligen Sie sich an der Vorfallbehebung und treiben Sie Verbesserungen der Zuverlässigkeit voran.
• Definieren Sie SLOs/SLIs und implementieren Sie Überwachung/Alarmierung für Qualität, Drift, Latenz, Verfügbarkeit und Kosten.
• Pflegen Sie Runbooks, beteiligen Sie sich an On-Call-/Vorfall-Nachbesprechungen und treiben Sie Korrekturmaßnahmen voran.
• Enablement & wiederverwendbare Komponenten: Stellen Sie wiederverwendbare ML/GenAI-Komponenten bereit, coachen Sie Teams zu MLOps/LLMOps-Best-Practices und stellen Sie konsistente Engineering-Standards über Hub und Pods sicher.
• Erstellen Sie wiederverwendbare Bibliotheken und Referenzimplementierungen (RAG-Connectoren, Evaluierungswerkzeuge, Bereitstellungsgerüste).
• Coachen Sie Pod-Ingenieure durch Reviews, Pairing und Kliniken; tragen Sie zu den Materialien der ADAO AI Academy bei.
• GenAI-Evaluierungstest-Suite (Regression, Sicherheit, Mehrsprachigkeit) und Akzeptanzschwellen.
• Modell-Dokumentationspaket und betriebliche Runbooks (auditbereit).

IHRE FÄHIGKEITEN:

• Bachelor/Master in Informatik, Datenwissenschaft, Ingenieurwesen, Mathematik oder gleichwertige praktische Erfahrung.
• 3+ Jahre Erfahrung in ML-Engineering, MLOps, Software-/Datenengineering oder verwandten Rollen, mit nachgewiesener End-to-End-Produktion von ML/GenAI-Lösungen.
• Praktische Erfahrung mit CI/CD und DevOps für ML-Workloads (Testing, Versionskontrolle, Release-Management), sowie IaC (Terraform/Pulumi) und GitOps.
• Erfahrung mit ML-Frameworks (scikit-learn, PyTorch, TensorFlow) und Serving-Mustern (REST/gRPC, Batch, Streaming) sowie MLOps-Tools (MLflow, Kubeflow, Azure ML, Vertex AI, SageMaker).
• Starke Python-Softwareentwicklung (Testing, APIs), Container (Docker) und Cloud-Bereitstellungsmuster; GenAI/RAG-Erfahrung ist von Vorteil.
• Vertrautheit mit Feature-Stores, Experimentverfolgung, Datenqualitätsprüfung und Orchestrierungstools (Airflow/Dagster/Prefect), Arbeit in funktionsübergreifenden Hub- und Pod-Setups.
• Starke Kommunikations- und Stakeholder-Managementfähigkeiten, Ownership-Mindset und Zuverlässigkeit unter Druck mit einem strukturierten Engineering-Ansatz.
• Fähigkeit, ohne formale Autorität Einfluss zu nehmen, Standards über Hub und Pods zu fördern und sich kontinuierlich an die sich entwickelnden AI/ML-Technologien anzupassen; Erfahrung in der Telekommunikation ist von Vorteil.

Bei Sunrise arbeiten Sie in einem dynamischen und multinationalen Umfeld, in dem jede Stimme gehört wird, Perspektiven geteilt werden und Werte gelebt werden. Vielfalt ist für uns nicht nur ein Programm, sondern Teil unserer DNA. Indem wir unsere Unterschiede feiern, erreichen wir gemeinsam Großes. Sunrise hat mit «Advance – Gender Equality in Business» zusammengearbeitet. Wir wurden auch mit dem Schweizer LGBTI-Label und der Zertifizierung «Fair-ON-Pay Advanced» ausgezeichnet, um die Gleichbehandlung aller Mitarbeiter für gleichwertige Arbeit zu würdigen. Bereit, sich der Herausforderung zu stellen? Dann schließen Sie sich dem Team an und gestalten Sie aktiv unsere Zukunft!