Du möchtest KI nicht nur anwenden, sondern echte technische Verantwortung übernehmen? In dieser Rolle arbeitest du an einer vollständig lokal betriebenen AI‑Umgebung, die anspruchsvolle Systeme unterstützt und höchste Anforderungen an Stabilität, Performance und Sicherheit stellt. Wenn du Freude daran hast, Modelle produktiv zu betreiben, Inferenz‑Stacks zu optimieren und GPU‑basierte Workloads effizient zu steuern, könnte das genau dein nächster Schritt sein.
Deine Aufgaben
Betrieb, Wartung und Optimierung einer lokalen AI‑Plattform mit GPU‑unterstützten Systemen
Arbeit mit containerisierten Modellen, Linux‑Umgebungen und automatisierten Deployments
Performance‑Analysen, Benchmarking und Optimierung von Inferenz‑Pipelines
Evaluation neuer Open‑Source‑Modelle und technische Prüfung ihrer Einsatzfähigkeit
Parametrisierung, Quantisierung und Stabilitätsoptimierung von Modellen
Bereitstellung zentraler AI‑Schnittstellen für interne Anwendungen
Integration von KI‑Funktionen in Tools, Workflows und Entwicklungsprozesse
Aufbau von Monitoring für Modelle, Ressourcen, Latenzen und Verfügbarkeit
Unterstützung von MLOps‑Prozessen, Modellversionierung und produktivem Betrieb
Dokumentation von Modellen, Konfigurationen und Betriebsabläufen
Mitwirkung bei Hardware‑Evaluation, GPU‑Systemen und Ausbau der lokalen Infrastruktur
Das bringst du mit
Fundierte Erfahrung mit AI‑Systemen, LLMs oder vergleichbaren ML‑Modellen
Erfahrung mit Docker, Linux, Container‑Umgebungen
Kenntnisse im Umgang mit GPU‑Workloads, CUDA, VRAM‑Management oder Performance‑Tuning
Verständnis für Inferenz, Kontextlängen, Ressourcenverbrauch, Latenzen und Modellqualität
Interesse an MLOps, Monitoring, Automatisierung und robustem Produktivbetrieb
Fähigkeit, Modelle kritisch zu testen und für konkrete Use Cases zu bewerten
Erfahrung mit APIs, Schnittstellen und Integration von KI in bestehende Systeme
Bewusstsein für Datenschutz, Security und sensible technische Umgebungen
Strukturierte, selbstständige und lösungsorientierte Arbeitsweise
Wünschenswerte Zusatzkompetenzen
Erfahrung mit modernen Inferenz‑Frameworks (z. B. vLLM, SGLang, OpenLLM)
Kenntnisse in Workflow‑Automatisierung (z. B. n8n)
Monitoring von GPU‑Ressourcen, Modellverfügbarkeit und Systemmetriken
Erfahrung mit MLOps‑Tools, Pipelines, Tests oder Modellversionierung
Erfahrung mit lokalen AI‑Clustern oder selbst aufgebauter Infrastruktur
Verständnis moderner Coding‑Workflows und KI‑gestützter Softwareentwicklung
Erfahrung mit Embeddings, RAG oder internen Wissenssystemen
Was dich erwartet
Arbeit an anspruchsvoller, moderner Technologie
Hohe Eigenverantwortung und kurze Entscheidungswege
Flexible Arbeitszeiten und zeitgemäße Arbeitsumgebung
Weiterbildungsmöglichkeiten und Zertifizierungen
Attraktive Vergütung und zusätzliche Benefits
Teamkultur mit regelmäßigem Austausch und Events
#J-18808-Ljbffr
Deine Aufgaben
Betrieb, Wartung und Optimierung einer lokalen AI‑Plattform mit GPU‑unterstützten Systemen
Arbeit mit containerisierten Modellen, Linux‑Umgebungen und automatisierten Deployments
Performance‑Analysen, Benchmarking und Optimierung von Inferenz‑Pipelines
Evaluation neuer Open‑Source‑Modelle und technische Prüfung ihrer Einsatzfähigkeit
Parametrisierung, Quantisierung und Stabilitätsoptimierung von Modellen
Bereitstellung zentraler AI‑Schnittstellen für interne Anwendungen
Integration von KI‑Funktionen in Tools, Workflows und Entwicklungsprozesse
Aufbau von Monitoring für Modelle, Ressourcen, Latenzen und Verfügbarkeit
Unterstützung von MLOps‑Prozessen, Modellversionierung und produktivem Betrieb
Dokumentation von Modellen, Konfigurationen und Betriebsabläufen
Mitwirkung bei Hardware‑Evaluation, GPU‑Systemen und Ausbau der lokalen Infrastruktur
Das bringst du mit
Fundierte Erfahrung mit AI‑Systemen, LLMs oder vergleichbaren ML‑Modellen
Erfahrung mit Docker, Linux, Container‑Umgebungen
Kenntnisse im Umgang mit GPU‑Workloads, CUDA, VRAM‑Management oder Performance‑Tuning
Verständnis für Inferenz, Kontextlängen, Ressourcenverbrauch, Latenzen und Modellqualität
Interesse an MLOps, Monitoring, Automatisierung und robustem Produktivbetrieb
Fähigkeit, Modelle kritisch zu testen und für konkrete Use Cases zu bewerten
Erfahrung mit APIs, Schnittstellen und Integration von KI in bestehende Systeme
Bewusstsein für Datenschutz, Security und sensible technische Umgebungen
Strukturierte, selbstständige und lösungsorientierte Arbeitsweise
Wünschenswerte Zusatzkompetenzen
Erfahrung mit modernen Inferenz‑Frameworks (z. B. vLLM, SGLang, OpenLLM)
Kenntnisse in Workflow‑Automatisierung (z. B. n8n)
Monitoring von GPU‑Ressourcen, Modellverfügbarkeit und Systemmetriken
Erfahrung mit MLOps‑Tools, Pipelines, Tests oder Modellversionierung
Erfahrung mit lokalen AI‑Clustern oder selbst aufgebauter Infrastruktur
Verständnis moderner Coding‑Workflows und KI‑gestützter Softwareentwicklung
Erfahrung mit Embeddings, RAG oder internen Wissenssystemen
Was dich erwartet
Arbeit an anspruchsvoller, moderner Technologie
Hohe Eigenverantwortung und kurze Entscheidungswege
Flexible Arbeitszeiten und zeitgemäße Arbeitsumgebung
Weiterbildungsmöglichkeiten und Zertifizierungen
Attraktive Vergütung und zusätzliche Benefits
Teamkultur mit regelmäßigem Austausch und Events
#J-18808-Ljbffr
AI Engineer – Lokale AI‑Infrastruktur & High‑Performance Inferenz Arbeitgeber: TalentCloud Group Recruitment
Als führendes MedTech-Unternehmen in der Schweiz bietet unser Unternehmen eine dynamische und unterstützende Arbeitsumgebung, die Innovation und Zusammenarbeit fördert. Wir legen großen Wert auf die berufliche Weiterentwicklung unserer Mitarbeiter und bieten zahlreiche Schulungs- und Aufstiegsmöglichkeiten. Mit einem hybriden Arbeitsmodell ermöglichen wir eine ausgewogene Work-Life-Balance, während wir gleichzeitig an der Spitze der technologischen Entwicklungen im Gesundheitswesen stehen.
Kontaktdaten:
TalentCloud Group Recruitment Recruiting-Team
