- Konzeption, Entwicklung und Betrieb produktiver AI -Agent -Lösungen auf Databricks und Azure – vom ersten Prototyp bis zum skalierbaren Deployment.
- Entwicklung von KI -Agenten und Multi -Agent -Workflows zur zielgerichteten Verbindung von Large Language Models, Unternehmensdaten, APIs und internen Systemen.
- Implementierung von RAG, Tool Calling und Agent -Orchestrierung sowie Entwicklung wiederverwendbarer Tools, Prompts sowie Zustands - und Kontextkomponenten.
- Integration von Azure OpenAI und weiteren Foundation Models in Databricks sowie in bestehende Applikations - und Datenlandschaften.
- Entwicklung Python -basierter Agent -Services und APIs sowie deren Integration in bestehende Backend - und Cloud -Architekturen.
- Einsatz von Databricks Mosaic AI, Model Serving und MLflow zur Versionierung, Evaluation, Bereitstellung und Überwachung von Modellen und Agenten.
- Implementierung von Vector Search, Embeddings und Retrieval -Pipelines für den kontrollierten Zugriff auf relevante Unternehmensdaten.
- Orchestrierung von Agenten -, Daten - und Automatisierungsprozessen mit Databricks Workflows und definierten Tool -Zugriffen.
- Automatisierung der Bereitstellung mit GitLab CI/CD und Terraform , einschließlich reproduzierbarer Umgebungen, Tests und nachvollziehbarer Releases.
- Entwicklung von Evaluationen, Tracing und Monitoring für Antwortqualität, Groundedness, Sicherheit, Latenz, Kosten und Zuverlässigkeit.
- Etablierung von Guardrails, Berechtigungskonzepten und Human -in-the -Loop -Prozessen für den verantwortungsvollen Einsatz von AI Agents.
- Sicherstellung von Security und Governance mit Unity Catalog, Managed Identities, Key Vault, RBAC, Private Endpoints und Logging.
- Enge Zusammenarbeit mit Product Owner, Fachbereichen, Data -, Backend - und Cloud - Teams sowie Security und Privacy bei produktiven Agent -Use -Cases.
- Dokumentation von Agentenlogik, Tool -Schnittstellen, Datenflüssen, Architektur, Evaluationsverfahren und Runbooks für den nachhaltigen Betrieb
- Mehrjährige Erfahrung als AI Engineer, Machine Learning Engineer, Software Engineer oder in einer vergleichbaren technischen Rolle.
- Praktische Erfahrung mit LLM -Anwendungen und AI Agents , idealerweise mit RAG, Agent -Orchestrierung, Tool Calling und produktivem Deployment.
- Sehr gute Kenntnisse in Python sowie in API -Integration, automatisierten Tests, Code Reviews und modularer Softwareentwicklung.
- Fundierte Erfahrung mit Databricks , beispielsweise mit MLflow, Mosaic AI, Model Serving, Vector Search und Unity Catalog.
- Gute Kenntnisse der Microsoft -Azure -Plattform , insbesondere Azure OpenAI, Managed Identities, Key Vault, Storage und Networking.
- Erfahrung mit Agenten - und LLM -Frameworks , beispielsweise LangGraph, LangChain oder Semantic Kernel, und zustandsbehafteten Workflows.
- Praktische Erfahrung mit GitLab CI/CD für Testing, Versionierung und automatisierte Bereitstellung von AI -Anwendungen.
- Praktische Erfa hrung mit Terraform (Infrastructure as Code) für die Bereitstellung von Azure - und Databricks -Ressourcen.
- Solides Verständnis von LLMOps, Agent Evaluation und Observability , einschließlich systematischer Qualitätskontrollen.
- Kenntnisse in AI Security, Datenschutz und Governance , sicherem Modellzugriff, Guardrails und dem Schutz sensibler Informationen.
- Fähigkeit, AI Agents produktiv, zuverlässig und skalierbar bereitzustellen und fachliche Anforderungen in robuste Lösungen zu übersetzen.
- Kenntnisse des Model Context Protocol (MCP) und von Mustern zur Multi -Agent - oder Agent -to-Agent -Kommunikation.
- Erfahrung mit FastAPI, Docker und Kubernetes für den Betrieb containerisierter Agent -Services und APIs.
- Kenntnisse in Spark, SQL, Delta Lake und Databricks Workflows für Datenaufbereitung und KI -gestützte Prozesse.
- Erfahrung mit Human -in-the -Loop, strukturierten Ausgaben und kontrollierten Rollouts für AI -Anwendungen.
- Erfahrung in regulierten oder datenschutzsensiblen Unternehmensumfeldern