Senior Softwareentwickler für KI und maschinelles Lernen

Arbeitszeit: Nicht angegeben
Erfahrung: Gefordert sind praktische Produktionserfahrung mit Multi-Agenten-Systemen und RAG sowie fundierte Erfahrung mit generativer KI, Evaluation und KI-Infrastruktur.
Vergütung: Gehalt nicht angegeben

Die Rolle in Kürze

Die Rolle konzipiert und realisiert produktionsreife generative KI-Lösungen für komplexe Geschäftsziele und verantwortet deren Qualität, Infrastruktur und Bereitstellung. Sie arbeitet mit Engineering-, Produkt- und Datenteams zusammen und vermittelt technische Abwägungen an nichttechnische Beteiligte.

Deine Aufgaben

Multi-Agenten-Workflows und werkzeuggestützte Agenten werden entworfen, entwickelt und betrieben; dazu gehören Orchestrierung, Zustandsverwaltung, Sicherheitsleitplanken und Rückfallstrategien für robuste Produktionspipelines.
Durchgängige RAG-Systeme werden aufgebaut und gepflegt, von Dokumentenaufnahme, Segmentierung und Embeddings über Vektorsuche und Reranking bis zur Antwortgenerierung unter Berücksichtigung von Qualität, Quellenzuordnung und Latenz.
Sprachmodelle und generative KI-Dienste werden hinsichtlich Kosten, Leistung und Datenschutz bewertet und integriert; dabei wird eine passende Kombination verwalteter und intern betriebener Modelle ausgewählt.
Prompting-Strategien werden entwickelt, versioniert und optimiert; automatisierte Prompt-Tests und Regressionsverfolgung sichern Ausgabequalität und Zuverlässigkeit.
Evaluationsrahmen mit automatisierten Metriken, LLM-as-judge-Verfahren, menschlichen Bewertungsprotokollen, Halluzinationserkennung und Driftüberwachung werden verantwortet. Klassische NLP-Verfahren werden bei Bedarf eingesetzt und Veränderungen der Datenverteilung hinsichtlich ihrer Auswirkungen auf das Modellverhalten beobachtet.
Skalierbare, sichere KI-Infrastruktur wird auf AWS mit Bedrock, SageMaker, Lambda und OpenSearch nach bewährten Architekturprinzipien und Infrastructure-as-Code-Verfahren aufgebaut und betrieben.
Der gesamte Bereitstellungszyklus wird verantwortet, einschließlich CI/CD für Modelle und Agenten, Teststrategien, Beobachtbarkeit und Rollback-Verfahren.
Datenqualität wird durch gründliche Validierung und Datenaugmentation gesichert; Datensätze für Training, Fine-Tuning und Evaluation werden aktiv beschafft.

Das solltest du mitbringen

Erforderlich

Erwartet werden Einfallsreichtum, Energie, Begeisterung und neue Perspektiven.
Erforderlich sind fundierte Kenntnisse moderner KI-Technologien und des Software Engineering sowie Interesse daran, technische Fortschritte kontinuierlich zu verfolgen.
Erforderlich sind Produktionserfahrung im Entwurf von Multi-Agenten-Systemen mit Werkzeugnutzung, Speicher- und Zustandsverwaltung sowie fehlertolerantem Routing und Vertrautheit mit LangChain, LangGraph, AutoGen oder eigenen Orchestratoren.
Erforderlich ist praktische Erfahrung mit durchgängigen RAG-Pipelines im Produktionsmaßstab, einschließlich Segmentierung, Embedding-Modellen, Vektordatenbanken, Retrieval-Optimierung und Antwortgenerierung.
Erforderlich ist fundierte Erfahrung mit Definition und Betrieb von Evaluationspipelines für generative KI, einschließlich automatisierter Bewertung, Gestaltung menschlicher Evaluationen, Halluzinationsminderung und Driftüberwachung.
Erforderlich sind nachgewiesene Erfahrung mit Foundation Models und GenAI-Anbietern wie AWS Bedrock, OpenAI, Anthropic und Meta sowie Sicherheit im Umgang mit Fine-Tuning, Instruction-Tuning und Prompt Engineering in großem Maßstab.
Erforderlich sind solide Grundlagen klassischer NLP-Verfahren wie Entitätenerkennung, Textklassifikation, Absichtserkennung und Themenmodellierung sowie gutes Urteilsvermögen zu deren Einsatz ergänzend zu oder anstelle von Sprachmodellen.
Erforderlich ist praktische Erfahrung mit Amazon Bedrock, einschließlich Foundation-Model-APIs, Bedrock Agents, Knowledge Bases und Guardrails.
Erforderlich sind sichere Kenntnisse von SageMaker, Lambda, ECS/EKS, S3, OpenSearch, IAM, CloudWatch und VPC-Netzwerken.
Erforderlich ist Vertrautheit mit Modellregistrierungen, CI/CD für maschinelles Lernen, Feature Stores, Canary Deployments, Monitoring und Rollback.
Erforderlich ist Erfahrung mit Terraform oder AWS CDK zur reproduzierbaren Bereitstellung von Infrastruktur.
Erforderlich sind Python-Kenntnisse für produktionsreifen Code, einschließlich Paketierung, Tests mit pytest, Typannotationen, asynchroner Programmierung und sauberer Abstraktionen für ML-Pipelines.
Erforderlich ist Vertrautheit mit traditionellen ML-Frameworks und Fine-Tuning-Abläufen.
Erforderlich ist Erfahrung mit Langfuse, Arize, Langsmith oder gleichwertigen Werkzeugen zur Nachverfolgung von Durchläufen, Metriken und Artefakten.
Erforderlich ist die Fähigkeit, unklare Geschäftsziele in konkrete technische Lösungen zu übersetzen und technische Abwägungen nichttechnischen Beteiligten zu vermitteln.
Erwartet werden ausgeprägte Kooperationsfähigkeit und Sicherheit in der Zusammenarbeit über Engineering-, Produkt- und Datenteams hinweg.
Erwartet wird eine gründliche, evidenzorientierte Arbeitsweise mit sorgfältigem Messen, Testen und Überwachen vor der Auslieferung.
Erforderlich ist ein Masterabschluss in maschinellem Lernen oder Informatik.

Von Vorteil

Kenntnisse von LLM-as-judge-Mustern sind von Vorteil.
Erfahrung mit Bedrock Model Evaluation ist von Vorteil.
Eine Spezialisierung im NLP-Bereich wird bevorzugt.

Das wird angeboten

Es werden Lernmöglichkeiten geboten.

Veröffentlicht: 03.07.2026 · Quelle geprüft: 18.10.2026.

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