Das Unternehmen steht für digitale Exzellenz und bietet vielfältige Entwicklungsmöglichkeiten für alle Mitarbeiter. Hier wird gemeinsames Wachstum und Lernen in anspruchsvollen Projekten und interdisziplinären Teams gefördert. Der Fokus liegt auf IT und dem Erfolg der Kunden. Als Treiber der KI-Transformation verbindet das Unternehmen Mut zur Veränderung mit technologischer Expertise und zukunftsfähigen Strategien. In dieser Rolle entwickeln Sie Enterprise-Ready GenAI-Lösungen, einschließlich agentischer Systeme und GenAI-Funktionalitäten, die robust, skalierbar und auditierbar in Enterprise-Landschaften laufen. Sie setzen AI-Architekturen um, implementieren Architekturmuster wie AI-Microservices und AI-Gateways und integrieren GenAI in bestehende Fachanwendungen. Dabei arbeiten Sie mit Meta-Modellen, Domänen-Sprachen und strukturierten Schnittstellen. Ihre Aufgaben umfassen auch das Testing, Monitoring und die Implementierung von Policies für AI-Komponenten. Sie arbeiten eng mit Cloud- und Plattformteams zusammen und nutzen Technologien wie Java, Spring Boot, TypeScript und React. Das Arbeitsumfeld ist geprägt von Teamarbeit, Offenheit und einer starken Unternehmenskultur, die auf gemeinsamen Erfolgen basiert. Es werden auch zahlreiche Entwicklungs- und Weiterbildungsmöglichkeiten angeboten.

Der ideale Kandidat bringt mehrjährige Erfahrung in der Entwicklung von geschäftskritischen Anwendungen mit, vorzugsweise in Microservice- oder Event-getriebenen Architekturen. Sehr gute Kenntnisse in Java, Spring Boot, Quarkus sowie TypeScript, React, Angular oder Vue sind erforderlich. Erfahrung im Umgang mit Docker und Kubernetes sowie Kenntnisse in mindestens einer großen Cloud-Plattform sind von Vorteil. Zudem sollten erste praktische Erfahrungen mit LLMs oder GenAI-Projekten vorhanden sein, wie z.B. Retrieval-Augmented Generation oder Workflow-Orchestrierung. Ein klares Verständnis von Separation of Concerns und deterministischen Kontrollschichten ist wichtig, ebenso wie ein ausgeprägtes Sicherheits- und Qualitätsbewusstsein. Teamorientierung und Neugier sind ebenfalls entscheidend, um eng mit Architekten, Data/ML-Teams und Fachbereichen zusammenzuarbeiten. Sehr gute Deutsch- und Englischkenntnisse sind notwendig.