Senior Delivery Consultant – Data , ProServe EMEA (AWS) in Genève

Das Amazon Web Services Professional Services (ProServe) Team sucht einen Delivery Consultant, der sich auf Daten spezialisiert hat, um unserer Healthcare und Life Sciences (HCLS) Praxis beizutreten. Sie werden im Zentrum des bedeutendsten Wandels in der Unternehmens-technologie stehen: Organisationen wirklich AI-bereit zu machen.

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 Grundmodellen und AI-Agenten ermöglichen, genau zu schlussfolgern, sicher auf Daten zuzugreifen und autonom innerhalb regulierter Umgebungen zu agieren.

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 ML-Modelltraining bis hin zu agentischen Orchestrierungsschichten.

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 — vom AI/ML-Modelltraining bis hin zu agentischen AI-Systemen, wobei 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 zu agieren.
• Über organisatorische Grenzen hinweg zusammenarbeiten, um den Datenzugriff zu sichern, den Kontext des Quellsystems zu verstehen und Herausforderungen bei der Datenqualität mit Teams aus Kunden-IT, 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.

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 im Entwerfen und Implementieren 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 Nachverfolgung der Datenherkunft sowie Entwerfen von Datenzugriffsmustern, die Identität und minimalen 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.