AI & MLOps Engineering Consultant (Experienced, German-speaking)

Bei Machine Learning Architects Basel (MLAB) unterstützen und befähigen wir Menschen und Organisationen beim Entwerfen, Bauen und Betreiben zuverlässiger Daten- und Machine-Learning-Lösungen. Unsere Daten- und KI-Reisen sowie effektive Lösungsmuster ermöglichen es unseren Kunden, Daten- und KI-Produkte über die Pilot- und Prototypenphasen hinaus zu operationalisieren, zu skalieren und kontinuierlich bereitzustellen. Diese Muster und Rahmenwerke drehen sich nicht nur um die neuesten Technologien, sondern berücksichtigen auch Rollen, Fähigkeiten und Prozessanpassungen.

Wir helfen unseren Kunden, das volle Potenzial von Daten- und KI-Lösungen zu realisieren, von der Identifizierung von Anwendungsfällen über die Implementierung von Daten- und ML-Plattformen bis hin zur Integration und dem Testbetrieb von ML-Modellen, LLMs und anderen GenAI-Lösungen. Wir entwerfen, testen, integrieren und betreiben Daten-, Modell- und Code-Pipelines sowie End-to-End-Daten-/ML-/LLM-Systeme (DataOps, MLOps & DevOps). Wir befähigen technische und nicht-technische Teams und Einzelpersonen, Data Science und Management, Daten, ML und Zuverlässigkeitsengineering in einem End-to-End-Ansatz zu nutzen.

Aufgaben

• Beratung, Engineering & Training: Sie betrachten Daten-, Software- und Machine-Learning-Engineering als Schlüsselkompetenzen zur Bewältigung der Herausforderungen der digitalen Transformationen unserer Kunden und möchten ihnen helfen, sowohl ihr Potenzial als auch ihre Grenzen zu verstehen und wirkungsvolle, wertvolle Dienstleistungen zu erbringen.
• Anforderungsanalyse: Sie analysieren die Anforderungen der Kunden und identifizieren und definieren die besten Lösungen.
• Implementierung von Datenpipelines, ML/LLM-Integrationen, Zuverlässigkeitsengineering & AI/ML-Operationalisierung: Sie verstehen, wie man erfolgreich Daten- und Machine-Learning-Projekte von der Prototyp- oder Pilotphase in die Produktion überführt, Software und Modelle integriert und testet sowie bewährte Ingenieurlösungen wie Nachverfolgbarkeit, Zuverlässigkeit, Skalierbarkeit, Messbarkeit und Automatisierung innerhalb eines anspruchsvollen Projekt- und Technologieumfelds implementiert.
• Konzeptentwicklung: Sie tragen zu unseren Lösungsblaupausen und Konzepten (z.B. unserem ‚Digital Highway für Daten- & ML-Systeme‘) bei.
• Expertise & Thought Leadership: Sie streben danach, ein Experte und vertrauenswürdiger Berater im Bereich AI Engineering und MLOps zu werden.
• Eigenverantwortung, Kommunikation, Wissensaustausch & Teamarbeit: Sie übernehmen Verantwortung für Ihre Arbeit, präsentieren Ihre Ergebnisse verschiedenen Stakeholdern, teilen Ihr Wissen und arbeiten (pro-)aktiv mit unseren und den Teams Ihrer Kunden zusammen.

Anforderungen

• Berufserfahrung (mindestens 3 Jahre) als Machine Learning, AI oder Software Engineer mit Fokus auf Daten- und ML-Systeme.
• Erfahrung mit und idealerweise zertifiziert in großen Daten- und KI-Plattformen (z.B. Snowflake, Databricks, Dataiku, IBM Watson).
• Vertrautheit mit Best Practices und Themen aus DataOps, DevOps und MLOps wie Data Mesh, Data Lake/Warehouses und Zuverlässigkeitsengineering.
• Vertrautheit mit Datenengineering, ML und Generative AI-Modellen, -Rahmenwerken & -Tools.
• Verständnis und starkes Interesse am End-to-End-Lebenszyklus von Projekten, Code-, Modell- und Datenpipelines sowie an der Zusammenarbeit mit verschiedenen Stakeholdern.
• Technische, praktische Erfahrung mit mindestens einigen der folgenden: Programmiersprachen, verteilte Systeme (Hadoop, Spark) und Datenstrukturen, SQL- und NoSQL-Datenbanken, Cloud-Services, REST API und Microservices, Docker und Kenntnisse in Kubernetes, agile Entwicklungsmethoden und CI/CD.
• Erfahrung in einer kundenorientierten oder beratenden Rolle.
• Fließend in Deutsch und Englisch (schriftlich und mündlich).
• Schweizer Pass oder gültige EU/EFTA-Arbeitsgenehmigung.

Vorteile

• Ein junges und dynamisches Dienstleistungsunternehmen mit einem erfahrenen, kompetenten und leidenschaftlichen Team.
• Ein unternehmerisches Umfeld und die Chance, einen echten Einfluss auf die Entwicklung und das Wachstum des Unternehmens zu haben.
• Arbeiten an innovativen Themen in den Bereichen Daten, KI und Analytik, die einen echten Einfluss auf verschiedene Branchen haben.
• Eine Kultur, die sowohl leistungsorientiert als auch kundenorientiert ist und gleichzeitig teamorientiert, freundlich und unterstützend ist, einschließlich regelmäßiger Wissensaustausch-Sitzungen und Teamevents.
• Ein hybrides Arbeitsmodell mit Flexibilität, solange sowohl die Kundenanforderungen (von denen die meisten eine Präsenz vor Ort erfordern) als auch interne Verpflichtungen (d.h. ein Team-Bürotag pro Woche) erfüllt werden.