Senior GenAI Architect - Interne Projekte & Effizienz (m/w/d)

Das Unternehmen ist ein digitaler Lösungsanbieter, der sich auf die Bereiche Automotive, Rail und Smart Industry spezialisiert hat. Als strategischer Entwicklungspartner begleitet es seine Kunden durch den gesamten Entwicklungsprozess, angefangen bei Einzelkomponenten bis hin zu Komplettlösungen aus Hard- und Software. In dieser Rolle als Senior GenAI Architect sind Sie verantwortlich für die Konzeption und Umsetzung von AI-, GenAI- und Agentic-AI-Architekturen in verschiedenen Kundenprojekten. Ihre Hauptaufgaben umfassen die Entwicklung skalierbarer End-to-End-Lösungen für Generative AI und LLMs sowie die technische Umsetzung von Proof-of-Concepts und innovativen Plattformlösungen. Sie beraten Kunden und Stakeholder auf Enterprise-Level und arbeiten eng mit DevOps, Data Scientists und Enterprise Architects zusammen. Zudem evaluieren und integrieren Sie neue Tools, Frameworks und Technologien. Das Arbeitsumfeld ist geprägt von einem motivierten und unterstützenden Team, das eine echte Leidenschaft für Technologie hat. Flexible Arbeitszeiten und die Möglichkeit, hybrid zu arbeiten, bieten Ihnen die Freiheit, Ihre Arbeitszeit an Ihr Leben anzupassen. In diesem dynamischen Umfeld haben Sie die Möglichkeit, Ihre Ideen einzubringen und Verantwortung zu übernehmen.

Der ideale Kandidat bringt ein abgeschlossenes Studium in (Wirtschafts-)Informatik oder einen vergleichbaren Hintergrund mit. Zudem sollten Sie mindestens 5 Jahre Berufserfahrung als Solutions oder Enterprise Architect im Cloud- und Data-Umfeld vorweisen können. Fundierte Kenntnisse in Generative AI, LLMs und deren produktivem Einsatz sind erforderlich. Erfahrung mit Cloud-Plattformen wie AWS, Azure oder GCP, einschließlich Architekturdesign und Plattformbetrieb, sind ebenfalls wichtig. Sie sollten sicher im Umgang mit Tools wie TensorFlow, PyTorch, HuggingFace, LangChain, LangGraph oder AutoGen sein und sehr gute Kenntnisse in Python, insbesondere im AI/ML-Kontext, mitbringen. Kenntnisse in DevOps und MLOps, wie CI/CD für ML und Container-Technologien (Docker, Kubernetes), sind von Vorteil. Erfahrung mit ML-Frameworks sowie Methodenkompetenz in agilen Arbeitsmethoden und Architektur-Frameworks sind ebenfalls wünschenswert. Ein C1-Sprachlevel in Deutsch und Englisch wird vorausgesetzt, ebenso wie die Bereitschaft zu projektbezogenen Reisen. Kommunikations- und Präsentationsstärke auf allen Unternehmensebenen sowie im Umgang mit externen Partnern sind ebenfalls wichtig.