Algorithmus- und KI Senior/Staff Engineer

Wie werden Sie einen Einfluss haben?

Sie spielen eine entscheidende Rolle bei der Gestaltung und Bereitstellung zuverlässiger, robuster KI-Anwendungen, Algorithmen und Frameworks, die die Qualität und Leistung unserer Produktangebote verbessern. Sie arbeiten mit einem engagierten Team von Algorithmus- und Softwareentwicklern zusammen und lernen von ihnen, um das Gesundheitswesen durch kostengünstige und hocheffiziente Diagnosesysteme zu revolutionieren.

Was werden Sie tun?

• Entwerfen, entwickeln und bereitstellen von LLM-basierten Agentensystemen (Chatbots, Co-Piloten, Agenten), die sicher, schnell und kosteneffizient sind.

• Verantwortung für den gesamten Produktentwicklungszyklus: entwickeln → prototypisieren → evaluieren → absichern → überwachen.

• Aufbau von Retrieval-augmented Generation (RAG) Pipelines (Indexierung, Chunking, Einbettungen, Neu-Rangierung, Verankerung).

• Anwendung von Kontext-Engineering (Prompt-Design, Tool-Aufrufe, Speicher, Kompression, Fensterstrategie).

• Integration von Tools über das Model Context Protocol (MCP) und andere Agenten-Frameworks.

• Entwurf und Bereitstellung von produktionsreifen Chatbots mit mehrstufigen Gesprächsabläufen, Eskalationsmechanismen und integrierten Sicherheitsvorkehrungen für nahtlose Nutzung über Web-, Mobil- und interne Plattformen.

• Implementierung von Risikokontrollen (Sicherheitsfilter, Jailbreak-Schutz, PII-Redaktion, Missbrauchserkennung, Audit-Logs).

• Optimierung der Leistung (Latenz, Effizienz, Token-/Kostenbudgets, Streaming, Caching, Modell-Routing).

• Einrichtung von Evaluierungen: Goldstandards, RAG/Verankerungs-Scores, Toxizität, A/B-Tests, Latenz- & Kosten-Benchmarks.

• Betrieb in der Produktion: Tracing, Prompt-/Versions-Herkunft, Drift-Erkennung, Incident-Response, SLOs.

• Zusammenarbeit mit funktionsübergreifenden Teams, einschließlich Software, Hardware und Data Science, um sicherzustellen, dass Algorithmen Produktanforderungen erfüllen und gut in Produktionssysteme integriert sind.

• Mentoring von Junior-KI-Ingenieuren, Festlegung von Codierungsstandards und Dokumentation sowie Förderung von Richtlinien im LLM-Engineering, einschließlich Reproduzierbarkeit, um die Zuverlässigkeit und Transparenz von Algorithmen sicherzustellen.

• Auf dem Laufenden bleiben über neue Technologien und Industriestandards, um Entwicklungs- und Evaluierungsmethoden kontinuierlich zu verbessern.

Wie gelangen Sie hierher?

Ausbildung

• Master-Abschluss in Informatik, Mathematik, Statistik, Bioinformatik oder einem verwandten Bereich; ein Ph.D. oder gleichwertige Erfahrung ist sehr wünschenswert.

Erforderliche Erfahrung und Fähigkeiten

• Mindestens 5 Jahre praktische Erfahrung in der Entwicklung von produktionsreifen Chatbots, davon mindestens 1 Jahr Erfahrung im Aufbau von LLM-basierten Agenten.

• Praktische Erfahrung mit wichtigen LLMs/APIs (OpenAI, LangChain oder Anthropic, Hugging Face etc.); Expertise im Prompt- und Kontext-Engineering für LLMs.

• Tiefe Erfahrung mit RAG-Pipelines und Vektor-/Hybrid-Suche (z.B. FAISS, pgvector, Pinecone), Neu-Rangierern und Verankerungs-/Zitationstechniken.

• Erfahrung in der Entwicklung und Integration von Tools unter Verwendung des Model Context Protocol (MCP), einschließlich Definition von Tool-Fähigkeiten und Verwaltung von Zugriffsrechten.

• Nachgewiesene Fähigkeiten in der Entwicklung robuster Chatbots mit Zustandsverwaltung, Tool-/Funktionsintegration, Fallback-Strategien und mehrsprachiger Unterstützung.

• Fundierte Programmierkenntnisse in Python (obligatorisch); Kenntnisse in TypeScript, Java/JavaScript oder Matlab sind von Vorteil.

• Erfahrung im Management der Sicherheit von KI-Agenten, einschließlich Inhaltsmoderation, Durchsetzung von Richtlinien, Red-Teaming und Halluzinationsminderung.

• Praktische Erfahrung mit Performance-Profiling von KI-Agentensystemen, Batch-/Streaming-Verarbeitung, Async/Concurrency, zeitgerechtem Caching, Kosten-/Latenz-Budgetierung.

• Erfahrung in der Evaluierung von LLMs mit Tools wie RAGAS, G-Eval oder ähnlichen; Vertrautheit mit Offline-/Online-Metriken und A/B-Test-Frameworks.

• Erfahrung im Management des Lebenszyklus von LLMs in der Produktion, einschließlich Versionierung, Rollback und kontinuierlicher Verbesserung, cloudbasierte CI/CD und containerisierte Deployments.

• Starke Kommunikationsfähigkeiten mit der Fähigkeit, Arbeit sowohl technischen Spezialisten als auch Laien zu präsentieren.

• Fähigkeit, selbstständig und kollaborativ in funktionsübergreifenden Teams zu arbeiten.

• Engagiert und motiviert: in der Lage, unklare Aufgaben zu definieren, klare Ziele zu setzen, schnell zu iterieren, Feedback einzuholen und konsequent umzusetzen.

Bevorzugt

• Vertrautheit mit Datensystemen: SQL/NoSQL, Message Queues, Objektspeicher und Schema-Design für Dokumente und Metadaten.

• Verständnis von KI-System-Sicherheit, Datenschutz und Compliance-Anforderungen in Produktionsumgebungen.

• Nachgewiesene Kompetenz in der Beratung von Junior-KI-Ingenieuren und Unterstützung der technischen Ausrichtung auf Teamebene.

• Erfahrung mit Observability-Tools und -Praktiken, einschließlich Logging, verteiltem Tracing (z.B. OpenTelemetry oder gleichwertige Erfahrung) und Metriküberwachung (z.B. Prometheus, Grafana).

• Praktische Erfahrung mit AWS SageMaker, Bedrock und Step Functions sowie anderen relevanten AWS-Diensten zum Aufbau, zur Bereitstellung und Orchestrierung von KI-Agenten in skalierbaren, produktionsreifen Workflows.

• Erfahrung in der Biotechnologiebranche ist von Vorteil.