Entwicklung und Integration von ML- und KI-basierten Anwendungen in skalierbare Softwareprodukte - Aufbau und Weiterentwicklung von MLOps-Strukturen zur Automatisierung und Optimierung von Datenpipelines, Modellen und Deployment-Prozessen
1
Du baust smarte KI-Helfer, die allen langweilige Routine abnehmen: Sie lesen Mails, checken das Anliegen und schicken z.B. den Fall direkt ins richtige Team. Mit modernen Cloud-Services stellst du sicher, dass die KI bei Spitzenlast hochfährt und danach wieder runter – schnell für Kund:innen, kostenschonend für die Firma
2
Betrieb und Weiterentwicklung von KI-Systemen (z. B. LLMs, RAG, AI-/ML-Ops, AI-Tools) - Analyse und Verwertung von Maschinendaten - Anforderungsanalyse und Projektmitarbeit in enger Zusammenarbeit mit internen Fachbereichen - Entwicklung und Umsetzung einer unternehmensweiten KI-Strategie
3
Künstliche Intelligenz im Unternehmen, Betrieb von LLMs + Ragging, Unterstützung bei Software Entwicklungsprojekten, Aufsetzen und Betrieb von AI Werkzeugen und Tools, Schulung von AI Werkzeugen, generelle Ausrichtung einer AI Strategie, AI- und ML-Ops
4
Entwicklung und Umsetzung von Machine-Learning-Modellen für Business-Anwendungen. Analyse großer Datenmengen (strukturierte und unstrukturierte Daten) zur Mustererkennung und Prognose. Auswahl und Implementierung geeigneter Algorithmen (z
5
Du designest & implementierst AI-Agenten und AI-Workflows in einer modernen Umgebung - Du entwickelst maßgeschneiderte Machine-Learning-Umgebungen und begleitest diese vom Prototyping im Notebook bis zur Produktlösung in der Produktion
6
Arbeiten im Team mit modernsten Tools (z.B. ML .NET, TensorFlow, Scikit-Learn, Keras, SonarCloud, Azure DevOps, Visual Studio) - Neu- und Weiterentwicklung von Softwarelösungen mittels Machine Learning - Mitarbeit an der Realisierung von hochmodernen .NET- und Angular-basierten Lösungen
7
Entwicklung und Umsetzung von Machine-Learning-Modellen für Business-Anwendungen - Analyse großer Datenmengen (strukturierte und unstrukturierte Daten) zur Mustererkennung und Prognose - Auswahl und Implementierung geeigneter Algorithmen (z. B
8
The conductivity needs to be measured, for example, during homogenization, heating for extrusion or rolling, and during heat aging, to be able to make predictions about the end product quality using machine learning or physical models
9
Du baust smarte KI-Helfer, die allen langweilige Routine abnehmen: Sie lesen Mails, checken das Anliegen und schicken z.B. den Fall direkt ins richtige Team. Mit modernen Cloud-Services stellst du sicher, dass die KI bei Spitzenlast hochfährt und danach wieder runter – schnell für Kund:innen, kostenschonend für die Firma
10