Das Unternehmen ist ein führender Innovator im Bereich der Mobilität und setzt auf künstliche Intelligenz und maschinelles Lernen, um die nächste Generation der Mobilität zu gestalten, insbesondere im Bereich des automatisierten Fahrens. In dieser zentralen Technologieeinheit, die sich auf KI, Generative KI und Generatives Design spezialisiert hat, sind Sie verantwortlich für die Identifizierung, Industrialisierung und Skalierung neuer Technologien in praktischen Anwendungsfällen. Sie übernehmen die technische Verantwortung für komplexe, bereichsübergreifende KI-Initiativen – von der Anforderungsanalyse bis hin zur Implementierung. Zudem identifizieren, bewerten und managen Sie eigenständig KI-bezogene Projekte. Ihre Aufgabe besteht darin, End-to-End, skalierbare KI-Systeme zu entwerfen und zu entwickeln, um die effiziente Industrialisierung von Kundenprojekten zu ermöglichen, mit einem besonderen Fokus auf Generative KI. Sie arbeiten eng mit internen IT-Einheiten, Geschäftsbereichen und bereichsübergreifenden Partnern zusammen und koordinieren die Zusammenarbeit mit internen sowie externen Partnern. Darüber hinaus fördern Sie den kulturellen Wandel, indem Sie Kollegen aus verschiedenen Disziplinen coachen, ermächtigen und inspirieren. Sie unterstützen die Bewertung neuer Technologien und tragen zur Gestaltung der Technologie-Roadmap des Unternehmens bei.

Der ideale Kandidat verfügt über einen Hochschulabschluss in Informatik, Wirtschaftsinformatik, Mathematik, Physik oder einem vergleichbaren Bereich. Zudem sollten Sie mindestens 3 Jahre praktische Erfahrung in der Softwareentwicklung mit Python mitbringen, beispielsweise durch Praktika, Werkstudententätigkeiten oder Abschlussarbeiten. Des Weiteren sind mindestens 2 Jahre Erfahrung in der Implementierung und Industrialisierung von KI-Lösungen erforderlich, einschließlich der Verwendung eines bedeutenden Open-Source-Frameworks wie LangChain oder Pytorch. Sie sollten über fundierte methodische Kenntnisse in mindestens zwei der folgenden Bereiche verfügen: Generative KI, Computer Vision, Natural Language Processing, MLOps oder Plattformentwicklung. Praktische Erfahrung im Datenengineering, einschließlich dem Aufbau und der Verwaltung von Datenbanksystemen und Datenpipelines, ist ebenfalls notwendig. Sie sollten mit bewährten Verfahren in der Softwareentwicklung vertraut sein, einschließlich der Prinzipien des Clean Code, objektorientierter Programmierung, DevOps und Testing; Erfahrung mit AWS oder Azure ist von Vorteil.