Principal AI Engineer - Conversational Banking

Unser Kunde ist eine führende digitale Bank in Europa, die in mehr als 20 Märkten aktiv ist. Die Mission des Unternehmens besteht darin, das vertrauenswürdigste digitale Hauptbankkonto in Europa zu schaffen. In dieser Rolle als Principal AI Engineer werden Sie eine Schlüsselposition einnehmen, um die nächste Generation intelligenter, multikanaliger Konversationsökosysteme und automatisierter Backend-Intelligenz zu gestalten. Ihre Aufgaben umfassen die Unterstützung der Vision für Conversational Banking, das von KI angetrieben wird, sowie die Entwicklung nahtloser Automatisierung für die Betriebsabläufe. Sie werden als technische Autorität fungieren und eng mit den Teams für Data Science, Engineering und Produktentwicklung zusammenarbeiten, um eine Architektur zu entwerfen, die für hohe Verfügbarkeit und niedrige Latenzzeiten optimiert ist. Zu Ihren Hauptaufgaben gehört es, komplexe KI-Prototypen in kundenorientierte Funktionen zu transformieren, fortschrittliche Techniken zu implementieren und Standards für Beobachtbarkeit und Bewertung zu etablieren. Darüber hinaus werden Sie eine kollaborative Umgebung fördern, die auf gegenseitigem Lernen und Wissensaustausch basiert. Ihr Einfluss wird entscheidend sein, um die technische Strategie und Skalierbarkeit voranzutreiben und die Effizienz der KI-Dienste zu gewährleisten.

Der ideale Kandidat bringt umfangreiche Erfahrung in der Produktion mit, insbesondere im Aufbau, der Bereitstellung und Wartung von maschinellen Lernmodellen oder LLM-basierten Anwendungen in Umgebungen mit hohem Volumen. Sie sollten über fundierte Kenntnisse in der Backend-Entwicklung verfügen, insbesondere in der Entwicklung skalierbarer Mikrodienste und der Gestaltung von APIs, mit einer Kernkompetenz in Python und Kotlin. Erfahrung in der Anwendung von KI-Engineering und MLOps ist ebenfalls erforderlich, einschließlich der Implementierung von RAG, Feintuning-Methoden und Prompt-Engineering. Zudem sollten Sie praktische Kenntnisse im Aufbau von Datenpipelines, im Management von Feature-Stores und in der Strukturierung von Daten für die Modellnutzung mitbringen. Kenntnisse in AWS, containerisierten Diensten wie Kubernetes und Docker sowie cloud-nativen Modellbereitstellungsplattformen sind von Vorteil. Eine ergebnisorientierte technische Führungspersönlichkeit, die in der Lage ist, technische Komplexität in greifbare Geschäftsergebnisse umzuwandeln, ist ebenfalls wünschenswert.