2 Technische KI / ML -Experten (m/w/d) - Fokus NLP / LLM / RAG / Python – 100% Homeoffice
Projektbewertung
Die Ausschreibung bietet einen sehr detaillierten und umfassenden Einblick in die Projekterfordernisse für zwei technische KI-Experten im Telekommunikationsbereich mit attraktiven Rahmenbedingungen wie 100% Remote-Arbeit, klarer Technologie-Roadmap und potenzieller Langzeitperspektive.
Einleitung
Unser Telekommunikationskunde sucht aktuell zwei Senior KI-Spezialisten (m/w/d) mit technischen Background im folgenden Projektsetting:
a) Rahmendaten:
01.10.2025 - 31.12.2025 (Erstbeauftragung - Beauftragung immer in 3-Monatszyklen) (mit sehr sicherer Verlängerungsoption)
Einsatzumfang: Vollzeit
Einsatzort: 100% Remote möglich
Projektsprache: Deutsch
Ihre Aufgaben
b) Leistungsbeschreibung:
Du entwickelst KI-Lösungen Ende-zu-Ende: von der Datenaufbereitung über Modellierung und Evaluation bis zum Deployment und Betrieb in produktiven Umgebungen. Der Schwerpunkt liegt auf der Nutzung von LLMs in RAG-Architekturen.
Anforderungen des Kunden:
- 3+ Jahre praktische Erfahrung in Machine Learning (End-to-End), idealerweise mit Projekten in NLP/LLM (z. B. NER, semantische Suche) oder Computer Vision.
- Fundiertes Python mit testbarem, sauberem Code. Java-Know-how für Services ist ein Plus.
- Erfahrung mit Software- und Daten¬pipelines (CI/CD, Containerisierung) sowie MLOps-Prozessen in Produktion.
- Vertraut mit Integration/Architektur von KI-Modulen in Microservices bzw. bestehende IT-Landschaften.
- Souveräne Zusammenarbeit in cross-funktionalen Teams, klare Kommunikation und strukturierte Anforderungsaufnahme.(Nice to have, aber nicht zwingend: Edge-AI-Erfahrung, Grundkenntnisse in Java/Kotlin für Service-Anbindungen.)
Erforderliche Tools:
- Programmier-/ML-Stack: Python, plus mindestens eines: PyTorch oder TensorFlow/Keras
- NLP/LLM & Suche: Erfahrung mit semantischer Suche auf Basis von Lucene/Elasticsearch oder vergleichbaren Vektor-/Index-Ansätzen.
- MLOps/Plattform: Docker, Git, CI/CD (z. B. GitHub Actions/Azure DevOps), MLflow für Tracking; Cloud-Grundlagen in Microsoft Azure (z. B. Functions, AKS) oder OpenShift/Kubernetes.
- Daten & Storage: SQL- und Vektor-Datenbanken.