AI Inhouse Consultant

Helfen Sie unseren Kunden, mehr Teile zu verkaufen und die Dinge mit unseren Daten und Lösungen, die auf unseren weltweit führenden Datenstandards basieren, einfacher zu gestalten. Wir sind TecAlliance — gegründet von mehr als 30 Unternehmen der Automobilnachrüstbranche als neutraler Data-as-a-Service-Marktplatz, der als neutrales Datennetzwerk fungiert, das sie miteinander verbindet. Mit über 1.000 Mitarbeitern weltweit und Kunden in 140 Ländern ermöglichen wir den Markt — wir konkurrieren niemals mit ihm.

Sie werden Teil eines Data & Machine Learning-Teams von mehr als 10 Personen, das KI-Lösungen von Ende zu Ende liefert, von der Definition des Geschäftsnutzens bis hin zu funktionierenden, produktionsbereiten Prototypen unter Verwendung agentischer Codierung. Zum Beispiel hat das Team kürzlich im Rahmen eines AWS & AI Workshops in Frankfurt mehrere TecAlliance-Anwendungsfälle innerhalb weniger Tage prototypisiert, indem Ingenieure mit KI-Agenten zusammenarbeiteten, um vollständig funktionierende Lösungen auf sicheren Unternehmensdaten zu erstellen.

Wir bewegen uns schnell von der Idee zu funktionierenden KI-Prototypen, validieren frühzeitig in realen Kontexten und skalieren, was funktioniert, und lassen weg, was nicht funktioniert. Wir haben Millionen von Datenpunkten. Aber ohne einen Geschäftsnutzen sind sie nur Lärm. Und das ist die Aufgabe als AI Inhouse Consultant.

Ihre Rolle: Verwandeln Sie echte TecAlliance-Geschäftsprobleme in funktionierende KI-Lösungen, übernehmen Sie die Verantwortung für den gesamten Prozess von der ersten Diskussion über den Anwendungsfall bis hin zu praktischen Prototypen, Validierung und Übergabe an die Produktion zusammen mit internen Stakeholdern. Liefern Sie sichtbare, messbare Ergebnisse mit KI — sei es durch Reduzierung manueller Arbeiten, Verbesserung der Daten- oder Produktqualität oder Ermöglichung neuer Fähigkeiten — und übernehmen Sie die Verantwortung für den Fortschritt gegenüber vereinbarten Zielen.

Arbeiten Sie praktisch mit dem DSML-Team, um KI-Anwendungsfälle schnell zu prototypisieren und bereitzustellen, beispielsweise in kollaborativen Umgebungen, in denen Ingenieure mit KI-Agenten zusammenarbeiten, um End-to-End-Lösungen (UI inklusive) innerhalb von Tagen, nicht Monaten, zu erstellen. Bauen, integrieren und betreiben Sie ML- und LLM-basierte Komponenten mit Python und dem modernen ML-Stack, verbinden Sie Modelle mit TecAlliance-Datenpipelines und -produkten und iterieren Sie basierend auf echtem Feedback von Produkt, Engineering und Betrieb. Machen Sie Ihre Arbeit wiederverwendbar und transparent: Dokumentieren Sie Lösungen, Bewertungen und Erkenntnisse; halten Sie den Code reproduzierbar und produktionsbereit; und tragen Sie aktiv zu den gemeinsamen Standards und Handbüchern des Teams bei.

Bleiben Sie neugierig und zukunftsorientiert, indem Sie mit neuen KI-, GenAI- und agentischen Ansätzen experimentieren, Erkenntnisse mit dem Team teilen und bewährte Praktiken skalieren, damit mehr Kollegen in ihrer täglichen Arbeit profitieren können.

Ihr Profil: Hohe Lernfähigkeit. Prototypen frühzeitig. Schnell validieren. Zuverlässig liefern und Brücken für das Geschäft über Infrastruktur und Systeme bauen: End-to-End-KI/ML-Lieferung mit gesundem Urteilsvermögen, beschleunigt durch KI-unterstützte Systeme wie Copilot/Cursor/Claude. Tiefgehende praktische Expertise in Python. Sicher im Umgang mit Skriptsprachen, insbesondere innerhalb von WSL. Grundkenntnisse in Cloud und Infrastruktur (AWS, Azure oder ähnlich). Starke akademische Grundlage in Informatik, Datenwissenschaft, maschinellem Lernen, Mathematik, Statistik oder einer vergleichbaren technischen Disziplin; kontinuierliche berufliche Weiterbildung in cloud-nativen ML- und MLOps-Praktiken ist von Vorteil. Gute Englischkenntnisse (B2+), Deutsch von großem Vorteil.

Der ideale Kandidat (m/w/d) bringt mit: Erfahrung mit Python und dem modernen ML-Stack (PyTorch oder TensorFlow, scikit-learn, pandas). Praktische Kenntnisse einer großen Cloud-ML-Plattform (Azure ML, AWS SageMaker oder GCP Vertex AI) und MLOps-Tools (MLflow, Docker, CI/CD). Erfahrung mit LLMs, retrieval-augmented generation (RAG) und generativen KI-Frameworks (LangChain, LlamaIndex) ist ein großer Pluspunkt.