Kurzbeschreibung
AI-Lösungen schaffen erst dann Mehrwert, wenn sie den Prototypenstatus verlassen und zuverlässig in Produktion laufen. Genau da setzt unser AI Solutions Team an: Wir bauen produktive AI-Systeme – von klassischem Machine Learning und Optimierung bis zu GenAI und agentischen Architekturen – und verantworten dabei den gesamten Lifecycle von den Daten bis zum Monitoring.
Du hast deinen Master abgeschlossen und möchtest an der Schnittstelle von Machine Learning, professionellem Software Engineering und modernen DevOps-Praktiken ins Berufsleben starten? Bei uns bringst du dein Wissen in konkrete AI-Projekte ein und entwickelst dich gemeinsam mit erfahrenen Kolleg fachlich weiter.
Dein Wirkungsfeld
- Du unterstützt dabei, Data-Science-Prototypen in robuste, skalierbare Produktivsysteme zu überführen, und arbeitest in AI-Projekten von der technischen Konzeption bis zum Betrieb mit.
- Du entwickelst gemeinsam mit dem Team automatisierte Pipelines für Datenverarbeitung, Training, Deployment und Retraining. Dabei wendest du MLOps-Praktiken wie Experiment Tracking, Versionierung, Model Registry und Reproduzierbarkeit an.
- Du integrierst ML-Modelle als APIs oder Batch-/Streaming-Komponenten in bestehende Enterprise- und Cloud-Architekturen und übernimmst schrittweise eigene Entwicklungsaufgaben.
- Du wirkst an Monitoring- und Observability-Lösungen für Datenqualität, Model Performance, Drift und fachliche KPIs mit und berücksichtigst Qualität, Security und Governance im Entwicklungsprozess.
- Du unterstützt die Abstimmung mit technischen und fachlichen Stakeholdern, übersetzt gemeinsam mit erfahrenen Kolleg Anforderungen in technische Lösungen und trägst zu unseren Standards und wiederverwendbaren Assets bei.
Was Dich auszeichnet
- Abgeschlossenes Masterstudium in Informatik, Data Science, Mathematik, Ingenieurwissenschaften oder einem vergleichbaren Studiengang.
- Erste praktische Erfahrung in AI- oder ML-Projekten, beispielsweise aus deiner Masterarbeit, Hochschulprojekten, Praktika oder einer Werkstudierendentätigkeit. Dabei hast du mindestens einen Anwendungsfall jenseits reiner LLM- oder Prompt-Integration umgesetzt.
- Gute Python-Kenntnisse und Grundlagen professioneller Softwareentwicklung sowie erste praktische Berührungspunkte mit Git, automatisiertem Testing, CI/CD und Containerisierung.
- Grundverständnis für die Anforderungen produktiver ML-Systeme: Skalierbarkeit, Reproduzierbarkeit, Monitoring, Sicherheit und wirtschaftlicher Betrieb.
- Erste praktische Berührungspunkte mit mindestens einer Cloud- oder AI-Plattform wie AWS, Azure, GCP oder Databricks, etwa im Rahmen eines Studien- oder Praxisprojekts.
- Freude an der Schnittstelle zwischen Data Science, Engineering, Betrieb und Fachbereich sowie die Fähigkeit, technische Zusammenhänge verständlich zu vermitteln.
- Neugier, Eigeninitiative und die Bereitschaft, dich in neue Technologien einzuarbeiten und Feedback für deine Entwicklung zu nutzen.
Darauf kannst Du Dich freuen
- 30 Urlaubstage, Home-Office, flexible Arbeitszeiten, Top-Ausstattung und Benefits
- Mitarbeit entlang des gesamten Lifecycles – vom Use Case bis zum produktiven Betrieb
- Vielfältige Projekte in klassischem ML, Industrial AI, Optimierung, GenAI und agentischen Systemen
- Ein technisch starkes Team mit Tiefe in Data Science, AI Architecture, MLOps, LLMOps und AI Governance
- Fachliche Begleitung durch erfahrene Kolleg und gemeinsames Lernen in der Projektarbeit
- Raum für eigene Schwerpunkte und die Möglichkeit, mit wachsender Erfahrung Architekturen und Engineering-Standards aktiv mitzugestalten