KI/ML Ingenieur & MLOps 80-100%

Über den Job

Bei Sunrise denken wir größer, gehen weiter und schaffen neue Ideen. Für uns bedeutet Arbeitskultur, gemeinsam Grosses zu erreichen. Es ist der Ort, an dem Respekt und innovative Ideen mit echter Teamarbeit verschmelzen – jede Stimme zählt, jede Perspektive macht uns stärker. Unsere Leidenschaft treibt uns an, Neues auszuprobieren und kontinuierlich zu wachsen. Klingt nach dir? Dann werde Teil unserer Erfolgsgeschichte.

Im ADAO (AI, Data and Agentic Enablement Office) bringen wir Menschen zusammen, um die Zukunft von Sunrise durch Daten, Analytik, KI und agentische Technologien zu erschliessen. Wir denken gross, handeln zielgerichtet und verwandeln Ideen in echten Mehrwert für unsere Kunden und Teams. ADAO ist der Ort, an dem Innovation auf Vertrauen trifft: Wir schaffen starke Datenfundamente, skalieren sichere und zuverlässige KI-Fähigkeiten und befähigen Geschäftseinheiten durch ein Hub‑and‑Spoke-Betriebsmodell, um bedeutende Ergebnisse im gesamten Unternehmen zu liefern. Innerhalb dieses Modells arbeitest du im Team Agentic Enablement und Prompt Engineering & Conversation Design, wo der zentrale Hub Standards, Plattformen, Architektur und Best Practices bereitstellt, während funktionsübergreifende, ergebnisorientierte Pods in den Geschäftsbereichen eingebettet und von diesen geleitet werden. Du agierst als Engineering-Experte und arbeitest eng mit dem Business zusammen, um deren Prioritäten und Ziele zu erfüllen.

In dieser Rolle entwirfst, baust, implementierst und betreibst du produktionsreife ML- und GenAI-Lösungen, inklusive RAG-Komponenten, wo anwendbar, die messbaren Geschäftswert für Sunrise liefern. Dabei stellst du eine exzellente End-to-End-Lebenszyklusbetreuung sicher – von Experimenten über automatisierte Bereitstellung, Monitoring, Risikokontrollen bis hin zu kontinuierlicher Verbesserung in Übereinstimmung mit den ADAO-Standards und der Governance.

Du bist Teil des zentralen AI/ML Engineering & MLOps Chapters im ADAO Hub und unterstützt eingebettete Domain Pods durch wiederverwendbare Plattformkomponenten, Engineering-Standards und praktische Umsetzung.

DEINE HERAUSFORDERUNG:

• Entwicklung & Industrialisierung von ML/GenAI-Lösungen: Übersetze Geschäftsroadmaps in Lösungsdesigns und implementiere robuste Trainings-/Inference-Pipelines und Produktionsservices, die alle nicht-funktionalen Anforderungen erfüllen
  • Gemeinsame Gestaltung von Lösungsarchitekturen mit Data Scientists und Domain Pods (Batch/Echtzeit, APIs, RAG-Muster wo relevant)
  • Industrialisierung von Prototypen: automatisierte Tests, sichere Verpackung, Deployment/Rollback sowie Performance-/Kostenoptimierung

• Verantwortung & Weiterentwicklung von MLOps/LLMOps-Pipelines: Aufbau standardisierter CI/CD-Workflows, Verwaltung der Modell-Promotion von Entwicklung über Test bis Produktion und Pflege von Monitoring- sowie Drift-/Retraining-Mechanismen
  • Pflege von Standard-CI/CD/CT-Vorlagen inkl. Modell-/Prompt-Verpackung, Validierungsgates und Promotion dev→test→prod
  • Betrieb von Modell-Registry/-Versionierung und automatisierten Retraining-Auslösern in Übereinstimmung mit ADAO-Governance und CIO/IT-Change-Fenstern

• Betrieb von Experimentation & Feature Management: Bereitstellung reproduzierbarer Experimente, Verwaltung von Feature-Store-Mustern und Validierung sowie Förderung wiederverwendbarer Datensätze/Features über Pods hinweg
  • Bereitstellung von Experiment-Tracking, Dataset-/Feature-Versionierung und Feature-Store-Mustern (Offline/Online-Parität)
  • Durchführung von Evaluations-Frameworks für ML & GenAI (Regression, A/B-Tests, Sicherheits- & Mehrsprachigkeitsprüfungen) und Teilen wiederverwendbarer Assets

• Modell-Dokumentation, Governance & Risiko: Erstellung konformer Modelldokumentation, Implementierung erforderlicher Governance-/Sicherheits-/Datenschutzkontrollen und Unterstützung von GenAI-Sicherheits- und Auditmassnahmen
  • Erstellung von Model Cards und Compliance-Artefakten (Datenquellen, Einschränkungen, Datenschutz-/Bias-Kontrollen) sowie Nachweise für Audits
  • Implementierung von Responsible AI / GenAI Guardrails: Grounding, HITL-Freigaben, Audit-Logs und Risikoüberprüfungen mit Governance-Teams

• Observability, Zuverlässigkeit & Incident Response: Implementierung vollständiger Observability für Modelle und Services, Pflege von Runbooks und Alarmierung, Teilnahme an Incident-Resolution und Förderung von Zuverlässigkeitsverbesserungen
  • Definition von SLOs/SLIs und Implementierung von Monitoring/Alerting für Qualität, Drift, Latenz, Verfügbarkeit und Kosten
  • Pflege von Runbooks, Teilnahme an Bereitschaftsdiensten/Incident-Postmortems und Einleitung von Korrekturmassnahmen

• Enablement & wiederverwendbare Komponenten: Bereitstellung wiederverwendbarer ML/GenAI-Komponenten, Coaching von Teams zu MLOps/LLMOps Best Practices und Sicherstellung konsistenter Engineering-Standards im Hub und in den Pods
  • Erstellung wiederverwendbarer Bibliotheken und Referenzimplementierungen (RAG-Connectoren, Evaluations-Utilities, Deployment-Scaffolding)
  • Coaching von Pod-Ingenieuren durch Reviews, Pairing und Clinics; Beitrag zu ADAO AI Academy Materialien

• Wichtige Ergebnisse (illustrativ):
  • Standard ML/LLMOps Pipeline-Vorlage + Referenzarchitekturen (Batch/Echtzeit/RAG)
  • Modell-Registry & Artefakt-Versionierung (Modelle, Prompts, Datensätze, Features)
  • Monitoring-Dashboards + Drift-Erkennung + SLO-Berichte
  • GenAI Evaluations-Test-Suite (Regression, Sicherheit, Mehrsprachigkeit) und Akzeptanzgrenzen
  • Modell-Dokumentationspaket und operative Runbooks (auditbereit)

DEINE FÄHIGKEITEN:

• Bachelor-/Masterabschluss in Informatik, Data Science, Ingenieurwesen, Mathematik oder gleichwertige praktische Erfahrung
• 3+ Jahre Erfahrung in ML Engineering, MLOps, Software-/Datenengineering oder verwandten Rollen mit nachweislicher End-to-End-Produktion von ML/GenAI-Lösungen
• Praktische Erfahrung mit CI/CD und DevOps für ML-Workloads (Testing, Versionskontrolle, Release-Management) sowie IaC (Terraform/Pulumi) und GitOps
• Erfahrung mit ML-Frameworks (scikit-learn, PyTorch, TensorFlow) und Serving-Patterns (REST/gRPC, Batch, Streaming) sowie MLOps-Tools (MLflow, Kubeflow, Azure ML, Vertex AI, SageMaker)
• Starke Python-Softwareentwicklung (Testing, APIs), Container (Docker) und Cloud-Deployment-Muster; GenAI/RAG-Erfahrung ist von Vorteil
• Vertrautheit mit Feature Stores, Experiment-Tracking, Datenqualitätsprüfungen und Orchestrierungstools (Airflow/Dagster/Prefect), Arbeit in funktionsübergreifenden Hub- und Pod-Setups
• Starke Kommunikations- und Stakeholder-Management-Fähigkeiten, Ownership-Mentalität und Zuverlässigkeit unter Druck mit strukturiertem Engineering-Ansatz
• Fähigkeit, ohne formale Autorität zu beeinflussen, Standards im Hub und in den Pods zu fördern und sich kontinuierlich an sich entwickelnde KI/ML-Technologien anzupassen; Erfahrung in der Telekommunikation ist ein Plus

Bei Sunrise arbeitest du in einem dynamischen und multinationalen Umfeld, in dem jede Stimme gehört wird, Perspektiven geteilt und Werte gelebt werden. Vielfalt ist für uns nicht nur ein Programm, sondern Teil unserer DNA. Indem wir unsere Unterschiede feiern, erreichen wir gemeinsam Grosses.

Sunrise ist Partner von «Advance – Gender Equality in Business». Wir wurden zudem mit dem Schweizer LGBTI-Label und der «Fair-ON-Pay Advanced»-Zertifizierung ausgezeichnet, als Anerkennung für die Gleichbezahlung aller Mitarbeitenden für gleichwertige Arbeit.

Bereit, die Herausforderung anzunehmen? Dann werde Teil des Teams und gestalte unsere Zukunft aktiv mit!

#ChallengersWanted

Informationen für Agenturen: Bewerbungsunterlagen, die von Vermittlungsagenturen oder ähnlichen Stellen gesendet oder hochgeladen werden, sind nicht erwünscht, werden daher nicht berücksichtigt und gelöscht.

#LI-SJ1