Senior KI-Ingenieur – EU

Arbeitszeit: Nicht angegeben
Erfahrung: Erforderlich sind mindestens vier Jahre Erfahrung im Aufbau und Deployment produktiver ML- oder KI-Systeme sowie Praxis mit generativer KI und fachübergreifender Zusammenarbeit.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle verantwortet KI-Anwendungen von der Erprobung über Evaluation und Infrastruktur bis zum zuverlässigen Produktivbetrieb, damit Kunden Forschungsantworten besser verstehen und fundierte Entscheidungen treffen können. Sie arbeitet eng mit Produktmanagement, Softwareentwicklung, Data Science, Data Engineering und Analytics zusammen und gestaltet technische Standards mit.

Deine Aufgaben

Die Rolle entwickelt und implementiert generative KI-Anwendungen mit großen Sprachmodellen, RAG, Vektorsuche und agentischen Systemen für Forschungs- und weitere KI-Produkte. Sie baut Services und APIs, überführt Prototypen anhand klarer Qualitäts- und Leistungsmaße in den Produktivbetrieb und untersucht neue Möglichkeiten zur KI-gestützten Erfassung, Auswertung und Nutzung von Informationen.
Sie entwickelt und betreibt skalierbare ML-Services und Workflows mit Python, Docker, Kubernetes und AWS sowie zuverlässige Batch- und Echtzeitpipelines mit Technologien wie Kafka und Airflow. Vektordatenbanken unterstützen dabei Retrieval, Empfehlungen, Personalisierung und semantische Suche.
Sie verwaltet Experimente, Modellversionen, Registries und Deployments mit MLflow und verbessert Zuverlässigkeit, Leistung, Skalierbarkeit und Kosteneffizienz der KI-Systeme.
Sie entwickelt automatisierte Evaluationspipelines für generative KI einschließlich dialogischer und analytischer Funktionen sowie Benchmarks für Genauigkeit, Relevanz, Zuverlässigkeit, Fairness, Latenz und Kosten. Dabei bewertet sie Retrieval-Strategien einschließlich Chunking, Embeddings, Kontextauswahl und Reranking.
Sie überwacht produktive KI-Systeme, identifiziert Verbesserungen für Qualität und Leistung und entwickelt Schutzmaßnahmen gegen unerwartetes Verhalten sowie zum Schutz von Kundendaten.
Sie etabliert wiederverwendbare Muster und technische Standards für Entwicklung, Evaluation und Veröffentlichung von KI-Systemen und unterstützt Entscheidungen über Modelle, Frameworks, Infrastruktur, Leistung und Kosten. Dabei setzt sie bewährte Verfahren für Tests, Sicherheit, Observability, Versionskontrolle und Deployment um.
Sie teilt technisches Wissen, unterstützt die Entwicklung anderer Engineers und verfolgt relevante KI-Forschung, Werkzeuge und Engineering-Verfahren, um geeignete Ansätze praktisch einzusetzen.
Sie verbindet gemeinsam mit Produkt-, Engineering-, Data-Science-, Data-Engineering- und Analytics-Teams KI-Investitionen mit Kunden- und Geschäftsbedürfnissen und überführt mit Data Scientists Experimente und Modelle in zuverlässige Produktionsservices. Sie erläutert technische Konzepte, Risiken und Abwägungen gegenüber technischen und nichttechnischen Beteiligten und gestaltet technische Planung und KI-Ausrichtung mit.

Das solltest du mitbringen

Erforderlich

Erforderlich sind mindestens vier Jahre Erfahrung im Aufbau und Deployment von Machine-Learning- oder KI-Systemen im Produktivbetrieb.
Erforderlich sind fundierte Python- und Software-Engineering-Kenntnisse sowie Erfahrung im Aufbau produktiver Services mit Python-Frameworks wie FastAPI.
Erforderlich ist praktische Erfahrung in der Entwicklung generativer KI-Anwendungen mit großen Sprachmodellen, RAG, Werkzeugnutzung oder agentischen Systemen.
Erforderlich ist Erfahrung mit Frameworks wie PyTorch, LangChain, LangGraph oder vergleichbaren Technologien.
Erforderlich ist ein fundiertes Verständnis von Enterprise-RAG-Systemen einschließlich Chunking, Embeddings, Retrieval, Reranking, Evaluation und Monitoring.
Erforderlich ist Erfahrung in der Erstellung automatisierter Evaluationen für generative KI-Anwendungen.
Erforderlich ist Erfahrung mit AWS, Docker, Kubernetes, Terraform sowie Verfahren für kontinuierliche Integration und kontinuierliches Deployment.
Erforderlich ist Erfahrung mit Services wie AWS SageMaker oder AWS Bedrock.
Erforderlich ist Erfahrung mit Kafka, Vektordatenbanken oder anderen Technologien zur Verarbeitung von Echtzeitdaten und hochdimensionalen Daten.
Erforderlich ist Erfahrung in der Verwaltung von Machine-Learning-Workflows mit MLflow.
Erforderlich ist Erfahrung im Monitoring produktiver Systeme mit Werkzeugen wie Datadog oder OpenSearch.
Erforderlich ist die Fähigkeit, bei technischen Entscheidungen Qualität, Geschwindigkeit, Zuverlässigkeit, Skalierbarkeit und Kosten gegeneinander abzuwägen.
Erforderlich sind ausgeprägte Kommunikationsfähigkeiten und Erfahrung in der Zusammenarbeit mit Produkt-, Engineering- und Datenteams.

Von Vorteil

Von Vorteil ist Erfahrung in einem B2B-SaaS-Produktunternehmen.
Von Vorteil ist Erfahrung mit Orchestrierungswerkzeugen wie Airflow oder Argo Workflows.
Von Vorteil ist Vertrautheit mit SQL, Spark, Snowflake oder anderen Datenverarbeitungstechnologien.
Von Vorteil ist Erfahrung im Aufbau von Systemen, die strukturierte Daten, unstrukturierte Daten und generative KI verbinden.
Von Vorteil ist Erfahrung mit KI-Sicherheit, Datenschutz, verantwortungsvoller KI, Schutz vor Prompt Injection oder der Verhinderung von Datenlecks.
Von Vorteil ist Erfahrung in der Verbesserung von Latenz und Kosten von KI-Systemen im skalierten Betrieb.

So ist Remote hier geregelt

Die Tätigkeit erfolgt vollständig remote; für diese Rolle sind Einstellungen bei Wohnsitz im Vereinigten Königreich, in Irland, Deutschland, Portugal, Spanien oder den Niederlanden möglich.

Veröffentlicht: Datum unbekannt · Quelle geprüft: 17.10.2026.

Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.