Im Rahmen des Projekts "AI-Discovery", als Teil einer agilen Initiativstruktur für Daten- und KI-Lösungen, wird die Pilotierung eines Use Cases im Fahrplanressort eines Transport- und Infrastrukturunternehmens geplant. Das Team identifiziert, priorisiert und testet Anwendungsfälle auf Basis generativer Künstlicher Intelligenz, insbesondere Large Language Models (LLMs), um die Produktivität und Qualität in administrativen Prozessen langfristig zu erhöhen. Nach einem erfolgreichen Proof of Concept sowie abgeschlossener Anforderungsanalyse soll der Case in Form einer Webapp produktionsnah umgesetzt werden.
Für dieses Projekt werden ausschließlich Bewerbungen von angestellten Mitarbeiter*innen (von Systemhäusern, IT - Dienstleistern, etc. ) akzeptiert. Freiberufler*innen können beim Kunden leider nicht vorgestellt werden. Bitte sehen Sie als Freiberufler*innen von Bewerbungen ab.
- Implementierung der Datenpipelines zur Aufnahme, Verarbeitung und Bereitstellung der für eine Pilotanwendung benötigten Datenbestände (strukturiert und unstrukturiert) in einer AWS-Umgebung
- Implementierung von Tests, Validierungsmechanismen und Monitoring-Funktionen für die Datenpipelines sowie die Zielanwendung
- Analyse und Behebung technischer Fehler (DevOps)
- Einrichtung, Weiterentwicklung und Betrieb von CI/CD-Pipelines für die automatisierte Bereitstellung von Software-Komponenten
- Durchführung von Deployments, Versionsmanagement und Release-Unterstützung für die technischen Komponenten der Lösung
- Konfiguration und Optimierung der Cloud- und Plattformressourcen zur Gewährleistung eines stabilen und performanten Betriebs
- Umsetzung nicht-funktionaler Anforderungen hinsichtlich Logging, Monitoring, Nachvollziehbarkeit und Betriebssicherheit
- Erstellung und Pflege der technischen Dokumentation für Datenflüsse, Datenpipelines, Deployments und Betriebsprozesse
- Enge Abstimmung mit den AI-/Data-Science-Kollegen zur produktiven Bereitstellung und Integration der entwickelten Modelle
Muss-Kriterien
-
- Praktische Erfahrung in Konzeption, Entwicklung und Produktivsetzung von KI-Systemen und LLM-Lösungen inkl. Anbindung von Vektordatenbanken (Vector Stores) und MLOps/Observability-Prozessen z.B. auf AWS Bedrock - Erfahrungslevel in Jahren: Intermediate (> 3 Jahre Erfahrung)
- Nachgewiesene mehrjährige Erfahrung in der Software- und Backend-Entwicklung mit Python, REST-APIs (z. B. FastAPI) und Datenbanken zur Anwendungs- und Wissenspersistierung. - Erfahrungslevel in Jahren: Senior (> 5 Jahre Erfahrung)
- Cloud & DevOps Erfahrung in Design, Bereitstellung und Betrieb von Cloud-Infrastrukturen (AWS), Containerisierung (Docker), CI/CD-Prozessen sowie Infrastructure-as-Code (z.B. Terraform oder AWS CDK/CloudFormation). - Erfahrungslevel in Jahren: Intermediate (> 3 Jahre Erfahrung)
- Erfahrung in der Erstellung produktionsreifer Web-Oberflächen mit JavaScript/TypeScript basierend auf Figma-Wireframes. Mind. 1 Projekt im CV nachvollziehbar. - Anzahl Referenzen: 1
- Praktische Erfahrung in der agilen Softwareentwicklung (Scrum/Kanban/SAFe) und der damit zusammenhängenden strukturierten technischen Dokumentation. - Erfahrungslevel in Jahren: Senior (> 5 Jahre Erfahrung)
Soll-Kriterien
-
- Erfahrung in der Arbeit mit großen Datenmengen; insbesondere der Bereinigung, Transformation und Aufbereitung von Daten mit Python und SQL. - Anzahl Referenzen: 3 (Gewichtung: 40%)
- Projekterfahrungen im Umfeld von Eisenbahnverkehrs- oder Mobilitätsunternehmen. - Anzahl Referenzen: 2 (Gewichtung: 30%)
- Erfahrung in der Umsetzung von IT-Sicherheitsstandards in Enterprise-Umgebungen (z. B. OIDC/SSO wie Azure AD/Entra ID, Secrets Management, TLS/CORS sowie DSGVO-Konformität). - Erfahrungslevel in Jahren: Intermediate (> 3 Jahre Erfahrung) (Gewichtung: 30%)