Senior Plattform AI Engineer (w/m/d)
PAR GmbH
Ansprechpartner: Tessa Henrich-Scheufele
Frankfurt am Main, Deutschland
ITKünstliche IntelligenzSoftware-PlattformAtlassian JiraCliGitHubSAP NetWeaverScrumSoftwareentwicklungVersionierungRemote Application PlatformGitLabFalcon-PlattformGitlab-CiArtificial Intelligence Markup Language (AIML)
Beschreibung
Wir suchen ab sofort einen Senior Plattform AI Engineer (w/m/d) im Rahmen der Arbeitnehmerüberlassung.
Info: 80% remote, 20% onsite in Frankfurt am Main
Aufgabenbeschreibung:
Zu erbringende Arbeitsergebnisse:
- Konzipierte und umgesetzte Framework-Bausteine mit Schema, Contract, Tests und Dokumentation.
- Architecture Decision Records und arc42-Dokumentation zu den getroffenen Entscheidungen, jeweils mit der verworfenen Alternative.
- Ein Verfahren, mit dem die Ergebnisgüte agentischer Abläufe gemessen wird, einschließlich Testfällen, Bewertungsmaßen und einer Wiederholungsprüfung bei einem Modellwechsel.
- Pipelines in GitLab CI/CD, in denen die Qualitätsprüfungen als blockierende Stufen hängen.
- Eine gepflegte Registry der Bausteine mit Versionierung, Auffindbarkeit und einem beschriebenen Weg für Beiträge anderer Teams.
- Nachvollziehbare Wissensweitergabe: Dokumentation, Vorführungen im Team und Formate mit den nutzenden Teams, etwa Hackathons oder Sprechstunden.
Leistungsinhalte und Aufgaben:
- Erhebung des Befähigungsbedarfs eines Teams: Vorkenntnisse, Arbeitsweise, vorhandene Werkzeuge und konkrete Anwendungsfälle.
- Auswahl und Durchführung geeigneter Formate, etwa Einführungsschulung, vertiefende Einheiten zum Toolstack, begleitete Arbeit am eigenen Anwendungsfall.
- Schulung der Teams in der Nutzung des bereitgestellten Toolstacks und der zugehörigen KI-Werkzeuge.
- Vermittlung der Arbeitsweise und nicht nur der Bedienung: Zuschnitt von Aufgaben für agentische Abläufe, Umgang mit dem Kontext sowie Prüfung und Abnahme maschinell erzeugter Ergebnisse.
- Vermittlung der Grenzen und der typischen Fehlerbilder, insbesondere der freien Erfindung von Inhalten, und der daraus folgenden Prüfpflichten.
- Vermittlung der im Konzern geltenden Rahmenbedingungen für den Einsatz künstlicher Intelligenz, insbesondere freigegebene Modelle, Umgang mit Daten und Kennzeichnungspflichten.
- Erstellung und Pflege von Schulungsunterlagen, Leitfäden und Beispielen als Beitrag zu dem Gesamtbestand, den der Product Owner verantwortet.
- Ableitung wiederverwendbarer Beispiele und Referenzfälle aus der Arbeit mit den Teams, anstelle einer Einzellösung je Team
- Begleitung eines Teams nach Abschluss der Schulung bis zur selbstständigen Nutzung, mit vorab vereinbartem Endpunkt.
- Aufnahme der in den Teams erkannten Bedarfe, Hindernisse und Fehlerbilder und Weitergabe an den Product Owner sowie an die Entwicklung.
- Ansprechperson für Fragen der nutzenden Teams zum Einsatz der Werkzeuge.
- Aufbau eines Netzes von Ansprechpersonen in den nutzenden Teams zur nachhaltigen Verankerung der Befähigung.
- Mitwirkung an Backlog Refinements und an den Planungsformaten des ART.
- Bewertung neuer Werkzeuge, Modelle und Verfahren auf ihre Eignung für die Umgebung, einschließlich begrenzter Erprobungen mit dokumentiertem Ergebnis.
Anforderungsprofil:
Muss-Anforderungen
- Sehr gutes Verständnis agiler Arbeitsweisen, insbesondere des SDLC end-to-end.
- Praktische Erfahrung mit MCP-Servern und agentischen Skill und deren Arbeitsweise
- Laufende eigene Arbeit mit KI-Werkzeugen in der Softwareentwicklung über mindestens [12] Monate zusammenhängend. Beispiele: Kiro CLI, GitHub Copilot, Claude Code, Cursor oder Gleichwertiges.
- Mehrjährige Erfahrung in Wissensvermittlung und Beratung im IT-Umfeld.
- Sicheres Benennen und Einordnen der gängigen Fachbegriffe: Large Language Model, Context Window, Embeddings, Retrieval Augmented Generation, Tool Calling, Agent, Orchestrierung, Guardrails, Prompt Injection, Evaluation, Halluzination als Fehlerbild sowie Kosten je Token.
- Fähigkeit, die Grenzen und die typischen Fehlerbilder dieser Technik zu benennen und daraus Einsatzentscheidungen abzuleiten. Dazu gehören erfundene Inhalte, stille Qualitätsverluste bei langem Kontext, nicht wiederholbare Ergebnisse, Abhängigkeit von der Modellversion, Kostenverläufe und die Frage, wo ein klassisches Programm die bessere Lösung ist. Nachweis: Darstellung eines eigenen Falls, in dem ein KI-gestützter Ansatz nicht getragen hat, mit der daraus gezogenen Entscheidung.
- Fähigkeit, eigenes Wissen weiterzugeben und vorzuführen: eine technische Lösung so erklären, dass ein anderes Team sie danach selbst einsetzen kann, und dabei auch mit Rückfragen und Widerspruch umgehen.
- Deutschkenntnisse auf dem Niveau C1 oder höher in Wort und Schrift.
- Scrum in der Praxis: aktive Mitarbeit im Team, Arbeit am Backlog, vertikaler Schnitt von Aufgaben und ein belastbares Verständnis von Definition of Done. Werkzeugkenntnis in Jira.