Machine Learning Engineer für KI-gestützten Customer Support
Kanetics GmbH
Ansprechpartner: Anton Kogan
Deutschland
Endkundenprojekt
ITAPIsKünstliche IntelligenzAmazon Web ServicesMicrosoft AzureKundendienstCloud ComputingPythonMachine LearningNatural Language ProcessingProduktbeschreibungGoogle CloudFlaskLarge Language ModelsUnterstützung von KundenPrompt EngineeringFastAPIHuggingFaceApi DesignDockerBeschreibung
Projektziel: Entwicklung eines KI-gestützten Customer-Support-Systems, das eingehende Kundenanfragen automatisiert beantwortet, basierend auf vorhandenen internen Dokumenten wie FAQs, Produktbeschreibungen und Support-Guides. Das System soll perspektivisch in bestehende Support-Prozesse integriert werden und als erste Anlaufstelle für Kundenanfragen dienen.
Hauptaufgaben:
• Entwicklung eines automatisierten Antwort-Systems für Kundenanfragen
• Integration vorhandener interner Dokumente in das System
• Implementierung von Retrieval-Augmented Generation (RAG)
• Arbeit mit Embeddings und Vektorsuche
• Verwendung von LLMs wie OpenAI API oder vergleichbare Modelle
• Einsatz von Frameworks wie LangChain, LlamaIndex oder ähnliche
• Integration von Vektordatenbanken wie Pinecone, Weaviate oder FAISS
Voraussetzungen:
• Erfahrung mit Python
• Kenntnisse in Natural Language Processing (NLP)
• Expertise mit Large Language Models (LLMs)
• Erfahrung mit Retrieval-Augmented Generation (RAG)
• Kenntnisse in Embeddings & Vektorsuche
• Erfahrung mit OpenAI API oder vergleichbaren LLM-Anbietern
• Kenntnisse in LangChain, LlamaIndex oder ähnlichen Frameworks
• Erfahrung mit Hugging Face (Transformers, Tokenizer)
• Kenntnisse in Vektordatenbanken wie FAISS, Weaviate oder Pinecone
Optional / Nice to have:
• Erfahrung mit vLLM oder ähnlichen Inference-Engines
• Kenntnisse in Prompt Engineering & Evaluation von LLM-Outputs
• Erfahrung mit FastAPI oder Flask für APIs
• Docker-Kenntnisse
• Erfahrung mit Cloud-Umgebungen (AWS, GCP oder Azure)
Erwartetes Ergebnis: Ein funktionsfähiges KI-gestütztes Customer-Support-System, das automatisiert auf Kundenanfragen basierend auf internen Dokumenten antworten kann.
Hauptaufgaben:
• Entwicklung eines automatisierten Antwort-Systems für Kundenanfragen
• Integration vorhandener interner Dokumente in das System
• Implementierung von Retrieval-Augmented Generation (RAG)
• Arbeit mit Embeddings und Vektorsuche
• Verwendung von LLMs wie OpenAI API oder vergleichbare Modelle
• Einsatz von Frameworks wie LangChain, LlamaIndex oder ähnliche
• Integration von Vektordatenbanken wie Pinecone, Weaviate oder FAISS
Voraussetzungen:
• Erfahrung mit Python
• Kenntnisse in Natural Language Processing (NLP)
• Expertise mit Large Language Models (LLMs)
• Erfahrung mit Retrieval-Augmented Generation (RAG)
• Kenntnisse in Embeddings & Vektorsuche
• Erfahrung mit OpenAI API oder vergleichbaren LLM-Anbietern
• Kenntnisse in LangChain, LlamaIndex oder ähnlichen Frameworks
• Erfahrung mit Hugging Face (Transformers, Tokenizer)
• Kenntnisse in Vektordatenbanken wie FAISS, Weaviate oder Pinecone
Optional / Nice to have:
• Erfahrung mit vLLM oder ähnlichen Inference-Engines
• Kenntnisse in Prompt Engineering & Evaluation von LLM-Outputs
• Erfahrung mit FastAPI oder Flask für APIs
• Docker-Kenntnisse
• Erfahrung mit Cloud-Umgebungen (AWS, GCP oder Azure)
Erwartetes Ergebnis: Ein funktionsfähiges KI-gestütztes Customer-Support-System, das automatisiert auf Kundenanfragen basierend auf internen Dokumenten antworten kann.