Senior Delivery Consultant – Data/ Migration, ProServe EMEA in Zürich

Amazon Web Services Professional Services (ProServe) team is seeking a Delivery Consultant specializing in Data to join our Healthcare and Life Sciences (HCLS) practice. You will be at the center of the most consequential shift in enterprise technology: making organizations truly AI-ready. Every agentic AI system, every foundation model grounded in enterprise knowledge, and every GenAI application that moves from prototype to production depends on the data layer beneath it - und das ist, was Sie aufbauen.

Sie werden moderne Datenplattformen (Lake, Lakehouse, Mesh) entwerfen und implementieren, Datenpipelines architektonisch gestalten, die rohe, fragmentierte Datenbestände in verwaltete, AI-bereite Vermögenswerte umwandeln; und Unternehmens-RAG-Architekturen, Vektor-Speicher, semantische Ontologien und Wissensgraph-Architekturen entwerfen und implementieren, die es Fundamentmodellen und AI-Agenten ermöglichen, genau zu schlussfolgern, Daten sicher abzurufen und autonom innerhalb regulierter Umgebungen auszuführen.

Sie werden praktisch in HCLS-Kundenumgebungen mit komplexer Datenherkunft, regulatorischen Überlagerungen (GxP, HIPAA, CDISC) und Altsystemen arbeiten und produktionsreife Datenprodukte liefern, die mehreren nachgelagerten Verbrauchern dienen, von der ML-Modellschulung bis hin zu agentischen Orchestrierungsschichten.

Die AWS Professional Services-Organisation ist ein globales Team von Experten, das Kunden dabei hilft, ihre gewünschten Geschäftsergebnisse bei der Nutzung von AWS-Diensten zu realisieren. Wir arbeiten zusammen mit Kundenteams und dem AWS Partner Network (APN), um Initiativen zur Transformation des Unternehmens-Cloud-Computing und der KI umzusetzen.

Wichtige Aufgaben:

• Entwerfen und Implementieren von produktionsreifen Datenpipelines, Datenseen, Lakehouses und Daten-Mesh-Architekturen innerhalb von Unternehmens-HCLS-Umgebungen, Integration mit Altsystemen und bestehenden Daten-Governance-Rahmenwerken.
• Datenprodukte erstellen, die mehreren nachgelagerten Anwendungen und Anwendungsfällen dienen — von AI/ML-Modelltraining bis hin zu agentischen AI-Systemen, wobei die Datenqualität, Herkunft und Zuverlässigkeit in großem Maßstab sichergestellt werden.
• Mit einem hohen Maß an Autonomie innerhalb schnelllebiger Lieferengagements arbeiten, Entscheidungen über Datenmodellierung, Pipeline-Design und Architektur treffen, ohne auf perfekte Spezifikationen oder ständige Aufsicht zu warten.
• Komplexe Datenzugriffs-, Sicherheits- und Datenschutzanforderungen, die für Pharma und Gesundheitswesen einzigartig sind, navigieren, einschließlich GxP-Compliance-Beschränkungen, HIPAA und regulatorischen Daten-Governance-Rahmenwerken.
• Kontextuelle Wissensschichten architektonisch gestalten, einschließlich Ontologien und Wissensgraphen, die AWS Context, Amazon Bedrock Knowledge Bases und benutzerdefinierte Ontologieerweiterungen nutzen, um AI-Agenten mit dem Vokabular und den Leitplanken auszustatten, um genau zu schlussfolgern und autonom innerhalb regulierter Umgebungen auszuführen.
• Über organisatorische Grenzen hinweg zusammenarbeiten, um den Datenzugriff zu sichern, den Kontext des Quellsystems zu verstehen und Herausforderungen bei der Datenqualität mit Teams aus der Kunden-IT, dem Geschäft und Partnerorganisationen zu lösen.
• Iterativ liefern, wenn Anforderungen unklar sind, unvollständige Geschäftsbedürfnisse in gut gestaltete Datenlösungen übersetzen, die sich weiterentwickeln können, während das Verständnis des Kunden reift.
• AI-DLC (AI-beschleunigte Entwicklungslebenszyklus)-Methoden auf die Datenlieferung anwenden, um Datenarbeitsabläufe neu zu gestalten, um AI-nativ für beschleunigte Skalierung und Tempo zu werden.

Über das Team:

Diverse Erfahrungen: Amazon schätzt vielfältige Erfahrungen. Selbst wenn Sie nicht alle bevorzugten Qualifikationen und Fähigkeiten erfüllen, die in der Stellenbeschreibung aufgeführt sind, ermutigen wir Kandidaten, sich zu bewerben. Wenn Ihre Karriere gerade erst beginnt, keinen traditionellen Weg verfolgt hat oder alternative Erfahrungen umfasst, lassen Sie sich davon nicht abhalten, sich zu bewerben.

Warum AWS: Amazon Web Services (AWS) ist die umfassendste und am weitesten verbreitete Cloud-Plattform der Welt. Wir haben das Cloud-Computing geprägt und nie aufgehört zu innovieren — deshalb vertrauen Kunden von den erfolgreichsten Startups bis hin zu Global 500-Unternehmen auf unser robustes Produkt- und Dienstleistungsangebot, um ihre Geschäfte zu betreiben.

Work-Life-Balance: Wir schätzen die Harmonie zwischen Arbeit und Leben. Erfolg im Beruf sollte niemals auf Kosten von Opfern zu Hause gehen, weshalb wir Flexibilität als Teil unserer Arbeitskultur anstreben. Wenn wir uns am Arbeitsplatz und zu Hause unterstützt fühlen, gibt es nichts, was wir in der Cloud nicht erreichen können.

Inklusive Teamkultur: Hier bei AWS liegt es in unserer Natur zu lernen und neugierig zu sein. Unsere von Mitarbeitern geleiteten Interessengruppen fördern eine Kultur der Inklusion, die uns ermächtigt, stolz auf unsere Unterschiede zu sein.

Mentoring und Karrierewachstum: Wir erhöhen kontinuierlich unsere Leistungsstandards, während wir bestreben, der beste Arbeitgeber der Erde zu werden. Deshalb finden Sie hier endlose Wissensaustausch-, Mentoring- und andere karrierefördernde Ressourcen, die Ihnen helfen, sich zu einem besser gerundeten Fachmann zu entwickeln.

Grundlegende Qualifikationen:

• 5+ Jahre Erfahrung in Datenengineering, Datenarchitektur und/oder Entwicklung von Datenplattformen, mit praktischer Implementierung von Produktionsdatenpipelines.
• Bachelor-Abschluss in Informatik, Ingenieurwesen, Datenwissenschaft, verwandtem Bereich oder gleichwertiger Erfahrung.
• Kenntnisse in modernen Entwurfsmustern für Datenplattformen, einschließlich Datenseen, Lakehouses, Daten-Mesh und Zero-ETL-Mustern sowie Streaming-Architekturen, unter Verwendung von Diensten wie Amazon SageMaker Lakehouse, SageMaker Unified Studio, Amazon S3 Tables, Amazon Redshift und Zero-ETL-Integrationen.
• Erfahrung in der Architektur und dem Engineering von Ontologien und Wissensgraphen in Unternehmensumgebungen.

Bevorzugte Qualifikationen:

• AWS-Zertifizierungen in Data Analytics oder Machine Learning Specialty bevorzugt.
• Erfahrung in der Gesundheits- und Lebenswissenschaftsbranche, einschließlich Vertrautheit mit Compliance- und Sicherheitsrahmenwerken (HIPAA, GxP) und klinischen Datenstandards (OMOP, CDISC, FHIR).
• Praktische Erfahrung mit Apache Iceberg, Spark, Databricks, Snowflake, Kafka oder gleichwertigen verteilten Datenverarbeitungsrahmen.
• Erfahrung in der Gestaltung und Implementierung von Wissensgraph-Architekturen, Ontologiemodellen oder semantischen Datenschichten, die AI/ML und agentische AI-Systeme unterstützen.
• Erfahrung mit Daten-Governance- und Katalogisierungstools (z.B. AWS Glue Data Catalog, Collibra, Alation) und der Nachverfolgung der Datenherkunft sowie der Gestaltung von Datenzugriffsmustern, die Identität und minimalen privilegierten Zugriff unterstützen.
• Erfahrung in der Zusammenarbeit mit Kunden-Geschäftsteams, IT und Partnerorganisationen, um Datenanforderungen zu verstehen und Zugangsprobleme zu lösen sowie technische Konzepte sowohl technischen als auch geschäftlichen Zielgruppen zu vermitteln.
• Kenntnisse in AI-DLC oder gleichwertigen AI-beschleunigten Entwicklungsmethoden — einschließlich Prompt Engineering als Entwicklungsdisziplin, Mob-Programmierung mit AI und Erfahrung in der Validierung von AI-generiertem Datenpipeline-Code für die Produktionsbereitstellung in regulierten Umgebungen.