Ein abgeschlossenes Studium der Informatik, Informationstechnologie oder eine vergleichbare praktische Berufserfahrung
Ein starker Software‑Engineering‑Background im Backend‑ und/oder Full‑Stack‑Umfeld, kombiniert mit Product‑Mindset und Beratungserfahrung
Hands‑on‑Erfahrung in der Umsetzung von (Generative)‑AI‑Lösungen bis in den Produktivbetrieb – nicht nur auf Demo‑ oder Prototyp‑Ebene
Fundierte Kenntnisse gängiger LLM‑Applikationsmuster, etwa RAG, Graph‑Ansätze, Embeddings, Vector Search, Tool‑ bzw. Function Calling, Agents und Guardrails
Erfahrung mit mindestens einem LLM‑Framework oder ‑Stack, z. B. Semantic Kernel, LangChain oder LlamaIndex, sowie strukturierter Prompt‑Entwicklung
Fähigkeit zur systematischen Bewertung von AI‑Systemen, inklusive Offline‑ und Online‑Evaluation, Benchmark‑Design, qualitativer Reviews sowie Regressionstests für Prompts und Retrieval
Erfahrung mit verteilten Systemen und modernen Integrationsmustern wie APIs, Microservices, service‑orientierten und event‑getriebenen Architekturen
Sehr gute Kenntnisse in mindestens einer Programmiersprache und einem Framework, z. B. Python, TypeScript/Node.js, C# oder Java, sowie starke Fähigkeiten im API‑Design
Solides Cloud‑Know‑how auf Azure, AWS oder GCP – Erfahrung mit Azure‑AI‑Services (z. B. Azure OpenAI, Azure AI Search, Document Intelligence) ist von Vorteil
Ein ausgeprägtes DevOps‑Mindset, inklusive Git, CI/CD, Container‑Technologien, Infrastructure as Code (z. B. Terraform oder Bicep), Observability und Kostenbewusstsein
Grundlagen im Bereich IT‑Security, etwa OAuth2/OIDC, Authentifizierung und Autorisierung, Secrets‑Management, Verschlüsselung und Secure‑Coding‑Practices
Technische Führungserfahrung oder Mentoring‑Praxis ist ein Plus, ergänzt durch starke Kommunikationsfähigkeit, proaktive Arbeitsweise, Problemlösungskompetenz und hohe Detailgenauigkeit
Sehr gute Englischkenntnisse für die enge Zusammenarbeit im internationalen Team; Deutschkenntnisse sind von Vorteil, aber kein Muss
