Das brauchst du
MLOps, LLMOps etc.) Fundierte Kenntnisse mit DevOps-Toolchains (z.
Git, Gitlab, Docker, Terraform) von Modelltrainings-Workflows bis hin zu Anwendungsbereitstellungen Erfahrung in der Nutzung von Terraform Tiefgehendes Wissen über Azure Cloud-Dienste: APIM, AKS, Azure Functions, OpenAI, AI Search, Document Intelligence, Azure Foundry, Storage Accounts Kenntnisse im Bereich Monitoring-Tools (z.B.
Prometheus, Grafana, Azure Monitor), Logging-Systemen und Alarmierung Kenntnisse in der Softwareentwicklung mit Python und/oder Java Verständnis von GenAI-Technologien (Retrieval-Augmented Generation RAG, Agentic AI, Optimierung von GenAI-Lösungen) Fliessende Deutschkenntnisse Gute Englischkenntnisse Von Vorteil Basiswissen im Umgang mit Kubernetes Verständnis von Authentisierung- und Autorisierungsverfahren mittels Azure EntraID, RBAC und OAuth Konzepte Erfahrung in der Entwicklung von Konzepten und Architekturlösungen #J-18808-Ljbffr
Darum lohnt es sich
Beratung und Aufbau einer GenAI Platfform im Bankenumfeld Konfiguration und Verwaltung von Azure Cloud-Ressourcen APIM, AI-Search, Azure OpenAI, Document Intelligence und Azure Foundry mithilfe von Terraform Infrastructure-as-Code Automatisierung von Build-, Test- und Release-Prozessen für GenAI-Anwendungen (LLMOps) Mitarbeit bei der Erstellung von Architektur-Blueprints und technischen Standards, um sicherzustellen, dass alle Komponenten (Datenbanken, ML-Modelle, Anwendungen) nahtlos zusammenarbeiten und den Vorgaben entsprechen Implementierung von Monitoring- und Alarmierungsmechanismen (z.
Grafana und Azure Dashboard), Überwachung der Systemleistung, Betriebszeit und Protokolle Anforderungen Mehrjährige Erfahrung im DevOps Engineering von AI-Plattformen (z.B.
