Aufgaben Entwicklung moderner Datenpipelines in der Cloud (Azure) oder on-prem Aktive Mitarbeit an Projekten, die Daten und KI verbinden: von klassischem ML bis hin zu GenAI (RAG, Agentic AI, MCP) Einsatz eines breiten Tech-Stacks: Python (PyTorch, scikit-learn, FastAPI, LangChain) ergänzt durch Tools wie Spark, Pandas und Airflow Arbeit mit MLOps-Technologien wie Docker, Kubernetes, Terraform, MLflow oder Azure ML Kundenkontakt von Workshops bis zur Umsetzung skalierbarer Lösungen Abwechslungsreicher Alltag zwischen Datenanalyse, Architektur-Design und Implementierung Zusammenarbeit in einem motivierten, offenen und unkomplizierten Team – professionell und unverkrampft Raum für Weiterbildung sowie die Möglichkeit, Neues auszuprobieren und voneinander zu lernen
