Stellenbeschreibung
Laufzeit: Feb/März - 12 Monate++
Auslastung: 80-100%
Einsatzort: Remote
1. Rollenbeschreibung
Der Senior Machine Learning / NLP Engineer konzipiert, entwickelt, trainiert und betreibt fortgeschrittene Machine-Learning- und Natural-Language-Processing-Lösungen in produktiven Umgebungen. Der Fokus liegt auf datengetriebenen, skalierbaren KI-Systemen, insbesondere im Kontext von Textverarbeitung, Large Language Models (LLMs) und Generative AI.
2. Aufgaben und Leistungen
2.1 Konzeption & Architektur
• Analyse fachlicher Anforderungen und Übersetzung in ML-/NLP-Lösungsdesigns
• Entwurf von End-to-End-Architekturen (Datenpipeline, Training, Inferenz, Monitoring)
• Auswahl geeigneter Modelle, Frameworks und Infrastruktur
2.2 Entwicklung & Modellierung
• Entwicklung und Training von ML- und NLP-Modellen, u. a.:
o Textklassifikation, Information Extraction, NER
o Semantic Search, RAG-Architekturen
o Conversational AI / Chatbots
o LLM Fine-Tuning (z. B. PEFT, LoRA)
• Implementierung in Python unter Nutzung gängiger ML-/DL-Frameworks
2.3 Integration & Produktivsetzung
• Integration der Modelle in bestehende Anwendungen und IT-Landschaften
• Aufbau von Inferenz-Services (APIs, Batch, Streaming)
• Sicherstellung von Performance, Skalierbarkeit und Stabilität
• Unterstützung bei MLOps-Themen (CI/CD, Modellversionierung, Monitoring)
2.4 Qualität, Governance & Sicherheit
• Bewertung von Modellqualität, Bias, Robustheit und Nachvollziehbarkeit
• Dokumentation von Modellen, Trainingsdaten und Entscheidungen
• Einhaltung von Datenschutz-, Sicherheits- und Compliance-Anforderungen
2.5 Beratung & Wissenstransfer
• Fachliche Beratung von Stakeholdern (IT, Fachbereiche, Management)
• Unterstützung von Teams bei Architektur- und Technologieentscheidungen
• Wissenstransfer und Enablement interner Teams
3. Fachliche Qualifikation (Mindestanforderungen)
• Mehrjährige praktische Erfahrung (typ. ? 5 Jahre) im Bereich:
o Machine Learning
o Natural Language Processing
• Sehr gute Kenntnisse in:
o Python
o ML-/DL-Frameworks (z. B. PyTorch, TensorFlow)
o NLP-Libraries und LLM-Ökosystemen
• Erfahrung mit produktiven KI-Systemen (nicht nur Forschung/Prototypen)
• Solides Verständnis von Statistik, Datenstrukturen und Algorithmen
4. Zusatzqualifikationen (je nach Projekt relevant)
• Erfahrung mit:
o Cloud-Plattformen (AWS, Azure, GCP oder souveräne Cloud-Umgebungen)
o Containerisierung (Docker, Kubernetes)
o Vektordatenbanken und Suchsystemen
• Kenntnisse in:
o GenAI-Architekturen
o Responsible AI / AI Governance
• Erfahrung in regulierten oder sicherheitskritischen Umfeldern
5. Arbeitsweise & Soft Skills
• Eigenständige, strukturierte und ergebnisorientierte Arbeitsweise
• Fähigkeit zur Kommunikation komplexer technischer Inhalte
• Hohe Problemlösungskompetenz
• Erfahrung in interdisziplinären Projektteams