AWS AI Engineer (m/w/d)

KEY JOB RESPONSIBILITIESEnd-to-End ML Platform Engineering: Konzeption und Implementierung skalierbarer ML-Infrastrukturen mit AWS SageMaker, MLflow und Kubeflow für komplette MLOps-Pipelines von Experimentation bis ProductionGenAI Solution Development: Design und Entwicklung von Large Language Model (LLM) Anwendungen mit Amazon Bedrock, Custom Foundation Models und RAG-Architekturen für intelligente GeschäftsanwendungenAdvanced ML Model Engineering: Entwicklung und Deployment von Custom Machine Learning Models für Computer Vision, NLP und Predictive Analytics mit TensorFlow, PyTorchAI-Powered Application Architecture: Integration von KI-Services in bestehende Geschäftsanwendungen durch MCPs, APIs, Microservices und Event-driven Architectures für nahtlose AI-ExperiencesMLOps and Model Governance: Aufbau von automatisierten ML-Pipelines mit CI/CD, Model Monitoring, A/B Testing und Explainable AI für verantwortungsvolle KI-Implementierung (ISO42001)Real-time Inference Systems: Implementierung hochperformanter, latenz-optimierter ML-Inference-Systeme mit SageMaker Endpoints, Lambda und Container-based DeploymentsData Science Collaboration: Enge Zusammenarbeit mit Data Scientists bei der Productionisierung von ML-Models und Optimierung von Training/Inference WorkflowsAI Strategy Consulting: Beratung von Kunden bei AI Adoption Strategies, Use Case Identification und Technology Selection für erfolgreiche KI-TransformationenA DAY IN THE LIFEDein Tag beginnt oft mit einem Review der ML Model Performance Metriken und Monitoring Dashboards, um sicherzustellen, dass alle produktiven AI-Services optimal funktionieren. Anschließend führst du ein Technical Stand-up mit deinem AI Engineering Team durch, um den Fortschritt aktueller ML-Implementierungen zu besprechen und mögliche Herausforderungen bei der Model Deployment zu adressieren.Der Vormittag wird häufig von Innovation Sessions mit Kunden geprägt, in denen du AI Use Cases evaluierst und technische Machbarkeitsstudien durchführst - sei es die Implementierung/Konzeptionierung von IDP, RAG systemen oder die Entwicklung einer Custom GenAI-Anwendung für Automatisierung. Dabei arbeitest du eng mit Product Ownern und Business Stakeholdern zusammen, um sicherzustellen, dass die KI-Lösung echten Mehrwert generiert.Nachmittags konzentrierst du dich auf hands-on Development und Experimentation: Du optimierst Hyperparameter für bessere Model Performance, entwickelst neue Feature Engineering Pipelines oder implementierst Techniques wie Prompt Engineering und Fine-tuning für LLMs. Ein wichtiger Teil deiner Arbeit ist auch das Technical Mentoring von Junior AI Engineers - du teilst deine Expertise in Code Reviews und leitest Workshops zu modernen ML Engineering Practices.Den Tag schließt du häufig mit Research und Innovation Aktivitäten ab, wo du neue AWS AI Services evaluierst, Proof-of-Concepts für emerging AI Technologies entwickelst oder an Thought Leadership Content wie Technical Blogs oder Conference Presentations arbeitest.