AI Solutions Engineer (w/m/d)

Als AI Solutions Engineer (w/m/d) konzipierst und implementierst du skalierbare KI-Systeme sowie LLM-basierte Anwendungen und verbindest diese mit komplexen Datenquellen und bestehenden IT-Systemen. Gemeinsam mit deinem Team entwickelst du innovative KI-Use-Cases und bringst sie bis zur produktionsreifen Lösung.

Tätigkeiten

Entwicklung von KI- & Automatisierungs-Pipelines:

Du konzipierst, entwickelst und implementierst produktionsreife KI-Systeme für die automatisierte Generierung und Skalierung von Produkt-Content.

Modell-Infrastruktur & Deployment:

Du evaluierst, feintunst und integrierst Large Language Models (LLMs) – sowohl cloudbasierte Services als auch On-Premise LLMs für hochsichere, DSGVO-konforme Kundenumgebungen.

Systemintegration & Daten-Engineering:

Du baust die Brücke zwischen komplexen Datenquellen der Automobilindustrie (PIM, CMS, LMS, Fahrzeugdatenbanken) und unseren KI-Modellen. Du entwickelst skalierbare Schnittstellen (APIs) und optimierst Datenstrukturen für Retrieval-Augmented Generation (RAG).

KI-gestützte Applikationen:

Du unterstützt bei der technischen Entwicklung von intelligenten Assistenzsystemen, Chatbots und interaktiven Tools für die digitale Mitarbeiterqualifizierung und Händlerschulungen.

Tech-Consulting & Prototyping:

Gemeinsam mit unserem Director Strategy & Technology entwickelst du Proof-of-Concepts (PoCs) und demonstrierst unseren Kunden (IT- und Datenmanagern bei OEMs) die technische Machbarkeit innovativer KI-Use-Cases.

Anforderungen

Ausbildung & Tech-Stack:

Erfolgreich abgeschlossenes Studium der Informatik, Data Science, Computer Science oder eine vergleichbare Qualifikation mit fundierter Berufserfahrung in der Softwareentwicklung (Fokus Python).

KI- & LLM-Expertise:

Tiefgehendes Verständnis von Generativer KI, Prompt Engineering, RAG-Architekturen und Frameworks wie LangChain, LlamaIndex oder Hugging Face.

Cloud- & Infrastruktur-Kenntnisse:

Praktische Erfahrung mit Cloud-Plattformen, idealerweise dem Google Cloud Ökosystem (Vertex AI, BigQuery, Cloud Functions), sowie Erfahrung mit Containerisierung (Docker, Kubernetes).

Daten-Verständnis:

Erfahrung in der Verarbeitung strukturierter und unstrukturierter Daten (SQL/NoSQL, Vektordatenbanken wie Pinecone, Chroma oder pgvector). Erfahrung mit Produktdaten aus dem Automotive-Bereich ist ein großes Plus.

Arbeitsweise:

Du bist ein echter „Builder“, denkst analytisch und hast den Anspruch, sauberen, skalierbaren und sicheren Code zu schreiben.

Sprachkenntnisse:

Fließende Englischkenntnisse (Projektsprache/Tech-Dokumentation) und gute Deutschkenntnisse für die Abstimmung im Team und mit Kunden.