> Markdown version of [/jobs/ext/1214081-lead-ai-solution-architect-lead-genai-architect](https://www.wearedevelopers.com/jobs/ext/1214081-lead-ai-solution-architect-lead-genai-architect). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Lead AI Solution Architect / Lead GenAI Architect - **Company:** mindheads GmbH - **Location:** Nürnberg, Germany - **Experience:** Expert - **Contract:** Permanent contract - **Skills:** Artificial Intelligence, Amazon Web Services, Microsoft Azure, Cloud Computing, Encodings, Continuous Integration, Graph Database, Python (Programming Language), Routing, Large Language Models, Multi-Agent Systems, Generative AI, Fastapi, AI Platforms, Kubernetes, Information Technology, Machine Learning Operations, Restful APIs, Docker, Microservices - **Published:** July 9, 2026 - **Apply:** https://mindheads.de/project-managers.php?positionID=6453&hv=8b4d222e2f41ab69419e113298fa67e8 ## About the Role Mehrjährige Erfahrung als AI Solution Architect, GenAI Architect oder in einer vergleichbaren technischen Architekturrolle - Mindestens 2-3 erfolgreich umgesetzte Projekte im Bereich Generative AI oder Large Language Models - Tiefes technisches Verständnis moderner Large Language Models (LLMs) und deren Architektur - Praktische Erfahrung in der Entwicklung und Integration produktiver LLM-Lösungen - Idealerweise Erfahrung mit Fine-Tuning, Modellanpassung oder Evaluierung von LLMs - Sehr gute Kenntnisse in Retrieval Augmented Generation (RAG) sowie idealerweise GraphRAG - Erfahrung mit AI Agents, Multi-Agent-Systemen, Model Context Protocol (MCP), Tool Calling und Function Calling - Erfahrung mit Frameworks wie LangChain, LangGraph, LlamaIndex oder vergleichbaren Technologien - Kenntnisse im Einsatz von Vektor-Datenbanken, semantischer Suche und Embedding-Technologien - Sehr gute Kenntnisse in Python, FastAPI, REST-APIs und Microservice-Architekturen - Erfahrung mit Docker, Kubernetes, CI/CD sowie produktiven KI-Deployments - Erfahrung mit On-Prem-Infrastrukturen, Sovereign Cloud oder vergleichbaren Enterprise-Umgebungen - Sehr gute Deutschkenntnisse in Wort und Schrift (mindestens C1) - Erfahrung mit Azure OpenAI, AWS Bedrock, Azure AI Foundry, Google Vertex AI oder vergleichbaren Enterprise-KI-Plattformen - Kenntnisse in LLMOps, Monitoring, Observability und AI Security - Erfahrung mit regulierten IT-Umgebungen (z. B. Behörden, Gesundheitswesen oder Finanzsektor) - Erfahrung mit Knowledge Graphs und GraphRAG - Technischer Hochschulabschluss, idealerweise in Informatik, Künstlicher Intelligenz, Data Science, Mathematik, Physik oder einem vergleichbaren Abschluss Für Fragen, Anregungen oder Wünsche stehen wir Ihnen gern zur Verfügung. ## Description Gesucht wird eine Persönlichkeit, die nicht nur KI-Architekturen konzipiert, sondern diese auch technisch umsetzen kann. Im Mittelpunkt stehen die Architektur und Integration moderner Large Language Models (LLMs), der Aufbau produktiver GenAI-Plattformen sowie die Entwicklung intelligenter AI-Agenten und RAG-basierter Lösungen. Das Projekt findet in einem On-Prem- bzw. Sovereign-Cloud-Umfeld statt. Daher sind Erfahrungen mit entsprechenden Infrastruktur- und Architekturkonzepten von großem Vorteil. Aufgaben: - Architektur, Konzeption und technische Umsetzung moderner Generative-AI-Lösungen - Entwicklung und Integration produktiver Large-Language-Model-(LLM)-Anwendungen - Aufbau skalierbarer RAG- und GraphRAG-Architekturen - Entwicklung von AI Agents und Multi-Agent-Systemen - Implementierung von Model Context Protocol (MCP), Tool Calling und Function Calling - Konzeption von LLM-Gateways, Model Routing und Multi-LLM-Architekturen - Integration von KI-Lösungen in bestehende Unternehmens- und Fachanwendungen - Entwicklung performanter Python-Services und REST-APIs - Aufbau containerbasierter Deployments mit Docker und Kubernetes - Umsetzung von CI/CD-, LLMOps- und Observability-Konzepten - Erstellung technischer Architekturkonzepte und Unterstützung der Entwicklungsteams - Enge Zusammenarbeit mit Fachbereichen und technischen Stakeholdern ## Related Videos - [Should we build Generative AI into our existing software?](https://www.wearedevelopers.com/videos/1129-should-we-build-generative-ai-into-our-existing-software) - [Intro to FastAPI](https://www.wearedevelopers.com/videos/462-intro-to-fastapi) - [Creating a routing app with Google Maps API from scratch](https://www.wearedevelopers.com/videos/831-creating-a-routing-app-with-google-maps-api-from-scratch) - [Docker Compose: Rediscovered](https://www.wearedevelopers.com/videos/1978-docker-compose-rediscovered) - [How E.On productionizes its AI model & Implementation of Secure Generative AI.](https://www.wearedevelopers.com/videos/623-how-e-on-productionizes-its-ai-model-implementation-of-secure-generative-ai) - [Building and Deploying Multi-Agent Systems with ADK and Vertex AI](https://www.wearedevelopers.com/videos/1918-building-and-deploying-multi-agent-systems-with-adk-and-vertex-ai) ## Related Articles - [Graph and AI Trends 2026: Why Is AI Running but Not Yet Delivering?](https://www.wearedevelopers.com/magazine/680-graph-and-ai-trends-2026-why-is-ai-running-but-not-yet-delivering) - [Got AI ideas but no money? Here are 10 free ways to level up your AI skills with Google Cloud](https://www.wearedevelopers.com/magazine/600-got-ai-ideas-but-no-money-here-are-10-free-ways-to-level-up-your-ai-skills-with-google-cloud) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [MLOps – What’s the deal behind it?](https://www.wearedevelopers.com/magazine/125-mlops-what-s-the-deal-behind-it) - [MLOps And AI Driven Development](https://www.wearedevelopers.com/magazine/82-mlops-and-ai-driven-development) - [From Prototype to Production: Build AI Agents with This Free 4-Course Learning Path](https://www.wearedevelopers.com/magazine/655-from-prototype-to-production-build-ai-agents-with-this-free-4-course-learning-path)