AI Engineer (m/w/d)

Du denkst in Systemen, verstehst Datenarchitekturen und willst KI nicht nur nutzen, sondern die technische Grundlage dafür schaffen? Du möchtest leistungsstarke KI-Infrastrukturen entwickeln und betreiben, die im Alltag wirklich funktionieren?

‚Dann komm als Persönlichkeit zum Q‑FOX®!‘

Der AI‑FOX® ist der Spezialist für Künstliche Intelligenz innerhalb der Q‑FOX® Gruppe. Wir begleiten Unternehmen von der ersten KI-Strategie über die Identifikation und Umsetzung konkreter Anwendungsfälle bis hin zum produktiven Einsatz intelligenter Lösungen, Agentensysteme und KI-gestützter Geschäftsprozesse.

Mit technologischem Know-how, unternehmerischem Verständnis und einem klaren Fokus auf messbaren Mehrwert machen wir Künstliche Intelligenz zu einem echten Wettbewerbsfaktor für unsere Kunden.

Als Teil der Q‑FOX® Gruppe profitieren wir von der engen Verzahnung mit den anderen Inhaltsgesellschaften. So entstehen kurze Entscheidungswege, fachübergreifender Austausch und ein vielseitiges technologisches Umfeld mit spannenden Entwicklungsmöglichkeiten und direktem Praxisbezug.

Worum es geht

Als AI Engineer (m/w/d) entwickelst, betreibst und integrierst Du KI-Systeme in Unternehmensumgebungen.
Du stellst sicher, dass Modelle wie On-Premise GPTs und RAG-Lösungen stabil, sicher und performant laufen – und bildest damit das technische Rückgrat unserer KI-Projekte.

• Aufbau, Konfiguration und Betrieb von On-Premise-LLMs, RAG-Systemen und KI-Infrastrukturen

• Entwicklung und Integration von Schnittstellen, Pipelines und APIs

• Deployment und Skalierung von KI-Lösungen in Unternehmensumgebungen

• Performance-Tuning, Monitoring und Absicherung der KI-Systeme

• Sicherstellung von Stabilität, Effizienz und Sicherheit der Infrastruktur

• Technische Evaluierung neuer Modelle, Tools und Architekturen

• Enge Zusammenarbeit mit AI Consultants, Developern und Kundenteams

• Erfahrung im Bereich Machine Learning, NLP oder LLM-Implementierung

• Sicherer Umgang mit Python sowie gängigen ML-Frameworks (z. B. PyTorch, TensorFlow)

• Kenntnisse in RAG-Architekturen, Embeddings und Prompt Engineering

• Erfahrung mit MLOps / LLMOps sowie Deployment-Strategien

• Kenntnisse in Containerisierung (Docker, Kubernetes)

• Verständnis von IT-Infrastruktur, Netzwerken und IT-Security (z. B. Zugriffskontrolle, Verschlüsselung)

• Strukturierte, analytische und lösungsorientierte Arbeitsweise

• Abgeschlossenes Studium, z. B. in Informatik, Data Science, Ingenieurwesen oder eine vergleichbare Qualifikation