Cloud Platform Engineer (Automation)

Du möchtest intelligente Agenten und Automatisierungslösungen nicht nur prototypisch entwickeln, sondern sicher und skalierbar in Produktion bringen? In dieser Rolle verbindest du AI Engineering, Data Engineering und Cloud Architecture. Gemeinsam mit unser em crossfunktionalen Team entwickelst du auf Databricks und Azure Lösungen, die Daten, Large Language Models und interne Systeme miteinander verbinden. Aufgaben: Du konzipierst und entwickelst produktive Agentic -AI -Lösungen auf Databricks und Azure - vom ersten Prototyp bis zum skalierbaren Betrieb.

• Du entwickelst KI -Agenten und Multi -Agent -Workflows , die Large Language Models, Unternehmensdaten, APIs und interne Systeme sicher miteinander verbinden.

• Du setzt RAG -, Tool -Calling - und Workflow -Architekturen um und entwickelst wiederverwendbare Komponenten für Prompts, Tools, Agenten und Datenzugriffe.

• Du integrierst Azure OpenAI und weitere geeignete Foundation Models in die Databricks -Plattform sowie in bestehende Applikations - und Datenlandschaften.

• Du entwickelst Daten - und Verarbeitungspipelines auf Databricks , unter anderem mit Python, SQL, Spark und Delta Lake, und schaffst damit eine verlässliche Datenbasis für KI -Anwendungen.

• Du nutzt Databricks Mosaic AI und MLflow , um Modelle, Prompts und Agenten zu entwickeln, zu versionieren, zu evaluieren, bereitzustellen und zu überwachen.

• Du automatisierst Daten- und KI -gestützte Prozesse mit Databricks Workflows und integrierst diese in bestehende Unternehmensprozesse und Systemlandschaften.

• Du gestaltest die erforderliche Azure - und Databricks -Architektur für einen sicheren, skalierbaren und kosteneffizienten Betrieb.

• Du etablierst CI/CD - und MLOps -Prozesse für Datenpipelines, Modelle und Agenten. Dazu gehören automatisierte Tests, Deployment -Pipelines, Infrastructure as Code und die Versionierung relevanter Artefakte.

• Du entwickelst Qualitäts - und Evaluationsverfahren für KI -Anwendungen, beispielsweise für Antwortqualität, Groundedness, Sicherheit, Latenz, Kosten und Zuverlässigkeit .

• Du stellst den sicheren und nachvollziehbaren Betrieb durch Unity Catalog, Secrets Management, Managed Identities, RBAC, Private Endpoints, Logging und Monitoring sicher.

• Du bindest interne Datenquellen, Systeme und APIs sicher an und unterstützt die Fachbereiche bei der technischen Umsetzung konkreter AI - und Automatisierungs -Use - Cases.

• Du arbeitest eng mit Product Owner, Fachbereichen, Data - und Cloud -Teams sowie Security, Privacy und Governance zusammen und bringst deine technische Perspektive aktiv in Architekturentscheidungen ein.

• Du dokumentierst Architekturen, Datenflüsse, Agentenlogik, Betriebsprozesse und Security Controls so, dass eine nachhaltige Übergabe in den produktiven Betrieb möglich ist.

Mehrjährige Erfahrung als AI Engineer, Machine Learning Engineer, Data Engineer, Cloud Engineer oder in einer vergleichbaren technischen Rolle.

• Praktische Erfahrung bei der Entwicklung von Anwendungen mit Large Language Models , idealerweise mit RAG, Embeddings, Vector Search, Tool Calling oder agentenbasierten Architekturen.

• Sehr gute Kenntnisse in Python und SQL sowie Erfahrung mit Software -Engineering - Praktiken wie Git, automatisierten Tests, Code Reviews und modularer Softwareentwicklung.

• Fundierte Erfahrung mit Databricks , beispielsweise mit Spark, Delta Lake, Workflows, Unity Catalog, MLflow oder Mosaic AI.

• Gute Kenntnisse der Microsoft -Azure -Plattform , insbesondere Azure OpenAI, Managed Identities, Key Vault, Storage, Networking und Monitoring.

• Erfahrung mit der produktiven Integration von APIs, Datenquellen und Unternehmenssystemen sowie ein gutes Verständnis verteilter und ereignisgetriebener Architekturen.

• Praktische Erfahrung mit CI/CD, MLOps und Infrastructure as Code , beispielsweise mit GitHub Actions oder Azure DevOps sowie Terraform oder Bicep.

• Solides Verständnis von Cloud Security, Datenschutz und AI Governance , insbesondere von Berechtigungskonzepten, Datenklassifizierung, sicheren Modellzugriffen und dem Schutz sensibler Informationen.

• Erfahrung mit dem Monitoring produktiver KI -Lösungen und der systematischen Bewertung von Prompt -, Retrieval - und Agentenqualität. Fähigkeit, Anforderungen aus den Fachbereichen in robuste, wartbare und skalierbare technische Lösungen zu übersetzen. Nice to have: Erfahrung mit gängigen Agenten - und LLM -Frameworks sowie mit strukturierten Ausgaben, Guardrails und Human -in-the-Loop -Prozessen.

• Kenntnisse in Docker und Kubernetes sowie im Betrieb containerisierter KI - Anwendungen und APIs.

• Erfahrung mit Event Streaming, beispielsweise auf Basis von Azure Event Hubs oder Apache Kafka .

• Verständnis für die Kosten -, Latenz - und Skalierungsoptimierung LLM -basierter Anwendungen.

• Erfahrung in regulierten oder datenschutzsensiblen Unternehmensumfeldern