Cloud Platform Engineer (Automation) (m/w/d)
ChauTech Consulting GmbH
Ansprechpartner: Jörn Giese
Köln, Deutschland
ITAzure OpenAIAPIsMicrosoft AzureCloud-EngineeringPythonAzure Machine LearningSQLAzure AutomationCloud PlatformAzure Data FactoryApache KafkaTerraformAzure Data AnalyticsDatabricks
Beschreibung
Unser Kunde ist ein bundesweit tätiges Unternehmen aus der Telekommunikationsbranche mit Sitz in Köln, das seinen Kunden Mobilfunk- und Komplettangebote aus einer Hand bietet und für Qualität, faire Preise und Flexibilität bekannt ist.
Aufgabenbeschreibung:
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 einem crossfunktionalen Team entwickelst du auf Databricks und Azure Lösungen, die Daten, Large Language Models und interne Systeme miteinander verbinden.
Aufgaben:
- Konzeption und Entwicklung produktiver Agentic-AI-Lösungen auf Databricks und Azure – vom ersten Prototyp bis zum skalierbaren Betrieb
- Entwicklung von KI-Agenten und Multi-Agent-Workflows, die LLMs, Unternehmensdaten, APIs und interne Systeme sicher miteinander verbinden
- Umsetzung von RAG-, Tool-Calling- und Workflow-Architekturen sowie wiederverwendbaren Komponenten für Prompts, Tools, Agenten und Datenzugriffe
- Integration von Azure OpenAI und weiteren Foundation Models in bestehende Applikations- und Datenlandschaften
- Entwicklung von Daten- und Verarbeitungspipelines auf Databricks (Python, SQL, Spark, Delta Lake)
- Nutzung von Databricks Mosaic AI und MLflow zur Entwicklung, Versionierung, Evaluierung und Überwachung von Modellen, Prompts und Agenten
- Automatisierung daten- und KI-gestützter Prozesse mit Databricks Workflows
- Gestaltung der erforderlichen Azure- und Databricks-Architektur für sicheren, skalierbaren und kosteneffizienten Betrieb
- Etablierung von CI/CD- und MLOps-Prozessen (automatisierte Tests, Deployment-Pipelines, Infrastructure as Code, Versionierung)
- Entwicklung von Qualitäts- und Evaluationsverfahren für KI-Anwendungen (Antwortqualität, Groundedness, Sicherheit, Latenz, Kosten, Zuverlässigkeit)
- Sicherstellung eines sicheren, nachvollziehbaren Betriebs durch Unity Catalog, Secrets Management, Managed Identities, RBAC, Private Endpoints, Logging und Monitoring
- Enge Zusammenarbeit mit Product Owner, Fachbereichen, Data- und Cloud-Teams sowie Security, Privacy und Governance
- Dokumentation von Architekturen, Datenflüssen, Agentenlogik, Betriebsprozessen und Security Controls
Profilanforderungen:
- Mehrjährige Erfahrung als AI Engineer, Machine Learning Engineer, Data Engineer, Cloud Engineer oder in vergleichbarer technischer Rolle
- Praktische Erfahrung mit LLM-Anwendungen, idealerweise RAG, Embeddings, Vector Search, Tool Calling oder agentenbasierten Architekturen
- Sehr gute Kenntnisse in Python und SQL sowie Erfahrung mit Git, automatisierten Tests, Code Reviews und modularer Softwareentwicklung
- Fundierte Erfahrung mit Databricks (Spark, Delta Lake, Workflows, Unity Catalog, MLflow, Mosaic AI)
- Gute Kenntnisse der Microsoft-Azure-Plattform, insbesondere Azure OpenAI, Managed Identities, Key Vault, Storage, Networking und Monitoring
- Erfahrung mit produktiver Integration von APIs, Datenquellen und Unternehmenssystemen sowie Verständnis verteilter, ereignisgetriebener Architekturen
- Praktische Erfahrung mit CI/CD, MLOps und Infrastructure as Code (z. B. GitHub Actions, Azure DevOps, Terraform, Bicep)
- Solides Verständnis von Cloud Security, Datenschutz und AI Governance
- Erfahrung mit Monitoring produktiver KI-Lösungen und Bewertung von Prompt-, Retrieval- und Agentenqualität
- Fähigkeit, fachliche Anforderungen in robuste, skalierbare technische Lösungen zu übersetzen
- Freude an interdisziplinärer Zusammenarbeit und eigenverantwortlichem Arbeiten
Nice to have:
- Erfahrung mit gängigen Agenten- und LLM-Frameworks, strukturierten Ausgaben, Guardrails und Human-in-the-Loop-Prozessen
- Kenntnisse in Docker und Kubernetes
- Erfahrung mit Event Streaming (z. B. Azure Event Hubs, Apache Kafka)
- Verständnis für Kosten-, Latenz- und Skalierungsoptimierung LLM-basierter Anwendungen
- Erfahrung in regulierten oder datenschutzsensiblen Unternehmensumfeldern