GenAI Engineer (m/w/d)

Das ist der Job

Ihre Aufgaben Deine Mission: Intelligente Systeme der nächsten Generation KI-Lösungen konzipieren und realisieren Fokus GenAI: Konzeption und Umsetzung von modernen RAG-Architekturen (Retrieval Augmented Generation) , agentischen Workflows und generativen KI-Use-Cases.

GenAI Stack: Praktische Erfahrung mit Prompt Engineering , Embeddings und dem Aufbau und Management von Vector Databases (z.B. Analytik: Du arbeitest strukturiert und behältst auch bei komplexen Systemarchitekturen den Überblick.

Das brauchst du

Verantwortung für End-to-End-Lösungen Production-Ready AI: Du bringst GenAI-Applikationen von der ersten Prompt-Idee über den Prototypen bis hin zum skalierbaren Deployment (LLMOps).

Ihr Profil Fachliches Profil (Fokus GenAI) Frameworks: Du bist sicher im Umgang mit einem oder mehreren LLM/Agenten-Orchestrierungs-Tools wie LangChain, LangGraph, PydanticAI, Google ADK, OpenAI Agent SDK, LlamaIndex oder Haystack . Sprachgenie: Exzellente Python-Kenntnisse sind deine Basis.

Arbeitsweise Pioniergeist: Du hast Lust, in einem Feld zu arbeiten, das sich wöchentlich neu erfindet. Kommunikation: Du kannst technische Konzepte souverän und adressatengerecht vermitteln und verfügst über sehr gute Deutsch- und Englischkenntnisse. Kenntnisse in Frontend-Technologien (z.B.

Darum lohnt es sich

Qualitätssicherung: Sicherstellung von Stabilität, Evaluierung von Modell-Outputs (Guardrails) und Performance-Optimierung. Weiterentwicklung & Wissensaustausch State-of-the-Art: Du beobachtest die rasanten Entwicklungen im Bereich LLMs, multimodale Modelle und Agenten-Frameworks.

Modellierung & Integration: Auswahl und Feinabstimmung (Fine-Tuning) von LLMs sowie deren Integration in produktive Geschäftsprozesse. Fundament: Während dein Fokus auf Generative AI liegt, nutzt du dein Wissen in klassischen Machine-Learning-Verfahren und Deep Learning, um hybride Lösungen zu schaffen, wo LLMs alleine nicht ausreichen.

Daten & Orchestrierung: Aufbau und Optimierung der Datengrundlage für Agenten, Vector Databases sowie die Orchestrierung komplexer Workflows und Agenten.

Beratung & Zusammenarbeit Technologie-Übersetzer: Du erklärst Stakeholdern den Unterschied zwischen "Hype" und echtem Business-Value und übersetzt komplexe Architekturen in klare Entscheidungsvorlagen.

Interdisziplinarität: Enge Zusammenarbeit mit Business Analyst*innen und Software Engineers, um KI nahtlos in bestehende Software-Ökosysteme einzubetten. Wissenstransfer: Aktive Mitgestaltung interner Formate und Prototyping neuer Features für die attempto Akademie. Pinecone, Weaviate, Milvus oder Chroma).

Technisches Verständnis & Basis Cloud & Deployment: Erfahrung mit Cloud-KI-Services (Azure OpenAI, AWS Bedrock oder GCP Vertex AI) sowie Docker/Kubernetes. Architektur: Solides Verständnis von APIs, Microservices und Datenpipelines.

KI-Fundament: Du verstehst die Mathematik hinter Deep Learning und hast bereits mit Bibliotheken wie PyTorch oder TensorFlow gearbeitet – dies hilft dir, GenAI-Modelle tiefergehend zu verstehen. Nice to have Tiefergehende Erfahrung in MLOps oder Data Engineering . Projekterfahrung im regulierten Umfeld (z.B. Banking, Insurance).

Streamlit, React, Copilotkit/AG-UI) für den schnellen Bau von KI-Demos und überzeugenden GenAI-Webapps. #J-18808-Ljbffr