Lead AI Engineer (m/w/x) - hybrid

Das ist der Job

Ihr Schwerpunkt liegt auf der schnellen Prototypisierung und der Nutzung bestehender AI-Modelle und Frameworks, um agentenbasierte Anwendungen und generative AI-Lösungen zu entwickeln. B. mittels vLLM, Ollama, Hugging Face) Praktische Erfahrung mit RAG-Architekturen (Retrieval Augmented Generation) und Vektordatenbanken (z.

Ausgeprägte Fähigkeit zur Zusammenarbeit mit verschiedenen Stakeholdern, insbesondere Enterprise Architecture Management und IT Security Flexibilität und Pragmatismus, um innovative Lösungen schnell und effizient zu entwickeln Your ZEISS Recruiting Team Sascha Müller #J-18808-Ljbffr

Das brauchst du

Generative AI, LLMs, Agentic AI) Erfahrung in der schnellen Prototypisierung und im Aufbau von agentenbasierten AI-Anwendungen Nachweisbare Fähigkeit, AI-Technologien in einem unternehmerischen Kontext zu bewerten und deren Potenziale zu demonstrieren Technologische Kompetenzen: Fundierte Kenntnisse in Python für die AI-Entwicklung sowie Verständnis von .NET/C# Schnittstellen zur Systemintegration Erfahrung mit Agentic Frameworks und Orchestrierungstools wie LangChain (LangGraph), Microsoft Semantic Kernel oder AutoGen.

FastAPI) und Containerisierung (Docker) zur Bereitstellung funktionaler Prototypen Persönliche Fähigkeiten: Fähigkeit, komplexe technische Konzepte verständlich für verschiedene Zielgruppen aufzubereiten Begeisterung für AI und die Fähigkeit, andere für diese Technologien zu inspirieren.

Darum lohnt es sich

Als Lead AI Engineer übernehmen Sie eine zentrale Rolle bei der Entwicklung und Integration innovativer AI-Lösungen in bestehende Software-Systeme. Sie arbeiten eng mit interdisziplinären Teams zusammen, um AI-Innovationen in die Organisation zu tragen und deren Potenziale zu demonstrieren.

Dabei agieren Sie als wichtige Schnittstelle zu zentralen Unternehmensbereichen wie Enterprise Architecture Management und IT Security, um sicherzustellen, dass alle Lösungen den höchsten Standards entsprechen.

Ihre Rolle Konzeption und Prototyping: Auswahl und Integration von AI-Frameworks, Modellen und Plattformen, die den Anforderungen der Organisation entsprechen Entwicklung von agentenbasierten AI-Prototypen (Agentic AI) unter Nutzung von Cloud- und On-Premise-APIs Zusammenarbeit mit Fachbereichen, um Anforderungen zu verstehen und in technische Konzepte zu übersetzen Beratung und Enablement: Unterstützung von Teams bei der Einführung von AI-Technologien, einschließlich der Erstellung von Roadmaps und Handlungsempfehlungen Durchführung von Workshops, Schulungen und Trainings, um die Akzeptanz und das Verständnis für AI-Technologien zu fördern.

Aufbau einer internen AI-Community, um den Wissensaustausch und die Zusammenarbeit zu stärken Zusammenarbeit mit zentralen Stakeholdern: Enge Abstimmung mit dem Enterprise Architecture Management, um sicherzustellen, dass AI-Lösungen in die übergreifende Unternehmensarchitektur integriert werden können Zusammenarbeit mit IT Security, um Datenschutz- und Sicherheitsanforderungen frühzeitig zu berücksichtigen und alle Lösungen entsprechend abzusichern Unterstützung bei der Übergabe von erfolgreichen Prototypen an IT- und Entwicklungsteams für die Weiterentwicklung und Skalierung Trendbeobachtung und Innovation: Aktive Auseinandersetzung mit aktuellen Trends und Entwicklungen im Bereich AI (Trend Radar) Identifikation neuer Technologien und Ansätze, die für ZEISS relevant sein könnten, und Bewertung ihres Potenzials für die Organisation Messbare Ergebnisse: Dokumentation und Kommunikation der Ergebnisse von Pilotprojekten anhand von KPIs wie Zeitersparnis, Prozessverbesserungen und Innovationspotenzial Ihr Profil Ausbildung: Universitätsabschluss in Informatik, Ingenieurwissenschaften oder einer vergleichbaren Fachrichtung.

Berufserfahrung: Mindestens 5 Jahre relevante Berufserfahrung in der Entwicklung und Integration von Softwarelösungen, davon mindestens 2 Jahre Erfahrung mit modernen AI-Systemen (z. Qdrant, Azure AI Search) Vertrautheit mit API-Entwicklung (z. Kompetenz im Umgang mit LLMs, sowohl Cloud-basiert (z. Azure OpenAI) als auch On-Premise/Local (z.