Amprion verbindet. Unser Übertragungsnetz transportiert Strom für 29 Millionen Menschen in einem Gebiet von der Nordsee bis zu den Alpen. Dort wird ein Drittel der deutschen Wirtschaftsleistung erzeugt. Unsere Leitungen sind Lebensadern der Gesellschaft. Wir halten unser Netz stabil und sicher – und bereiten den Weg für die Energiewende: Wir bauen unser Netz aus und arbeiten an neuen Ideen für ein klimaneutrales, sicheres und effizientes Energiesystem.  

WIR SUCHEN DICH ZUM NÄCHSTMÖGLICHEN ZEITPUNKT ALS  

AI-Integration Engineer (w/m/d)

AM STANDORT Dortmund, Berlin, Hamburg, Pulheim bei Köln | FUNKTIONSBEREICH: IT | BESCHÄFTIGUNGSGRAD: Vollzeit/Teilzeit  | VERTRAGSART: unbefristet | STELLENNUMMER: 7798 

Der AI-Integration Engineer übernimmt eine zentrale Rolle für die technische und organisatorische Überführung von KI-Lösungen aus MVP- und Delivery-Phasen in einen stabilen, produktiven Betrieb. In dieser Funktion Definition infrastrukturnaher Standards für Deployment, Integration und Betrieb, Aufbau der Brücke zwischen ML Engineers / Data Scientists, Business IT / Service-Clustern, KI-Governance sowie Plattform- und Infrastrukturfunktionen und Beitrag dazu, dass Produktivsetzung, Monitoring und Lifecycle-Management von Beginn an mitgedacht und nach Produktivsetzung kontinuierlich gesteuert werden.

IHRE AUFGABEN

• Strategische und operative Gestaltung der Anforderungen und Standards für Produktivsetzung, Betriebsübernahme und Skalierung von KI-Lösungen aller KI-Einheiten bei Amprion – unter Berücksichtigung der geltenden EU-AI-Act-Vorgaben, beginnend bereits in der PoC-/MVP-Phase
• Definition von Vorgehen und technischen Rahmenbedingungen für die Produktivsetzung von KI-Lösungen innerhalb und außerhalb von Azure (z. B. Architektur-Patterns, Sicherheits- und Compliance-Anforderungen, Betriebsmodelle)
• Konzeption und Weiterentwicklung von Deployment-Standards, CI/CD-Pipelines, Referenzarchitekturen sowie technischen Rahmenbedingungen für MLOps (inkl. Azure ML) in enger Abstimmung mit Plattform-, Infrastruktur- und Security-Teams
• Verantwortung für das Modell-Lifecycle-Management: Freigabeprozesse, Drift-Erkennung, Re-Training und Versionierung von Modellen sowie Performanz- und Skalierungsoptimierung (z. B. Quantisierung, Pruning, Batch-/Streaming-Verarbeitung, Nutzung von GPUs)
• Übergeordnetes Management, Strukturierung und Moderation der Übergabepunkte zwischen KI-Teams, Business IT / Service-Clustern und Fachbereichen; Klärung und Dokumentation klarer Verantwortlichkeiten für Datenanbindung, Monitoring, Support und Lizenzierung
• Prüfung und Unterstützung bei der produktiven Integrations- und Betriebsfähigkeit von Modellen und KI-Lösungen (u. a. Skalierung, Robustheit, Observability, Incident-/Change-Handling) sowie Mitverantwortung für Betrieb und Monitoring bestehender produktiver KI-Services

IHR PROFIL

• abgeschlossenes Hochschulstudium der Informatik, Wirtschaftsinformatik, Ingenieurwissenschaften oder eines vergleichbaren Studiengangs oder eine gleichwertige, in der Praxis erworbene Qualifikation im Bereich Software-, Daten- oder Cloud-/KI-Engineering
• mehrjährige Berufserfahrung (z. B. 3–5 Jahre) in der technischen Integration, dem Betrieb oder der Architektur von datengetriebenen bzw. (KI-)Lösungen in Unternehmensumgebungen; Erfahrung in komplexen Unternehmenslandschaften von Vorteil
• sehr gute Kenntnisse von Deployment-Standards und in Cloud- und Plattformtechnologien, bevorzugt Microsoft Azure (z. B. Azure ML, Kubernetes, Container-Orchestrierung, API-Management), sowie praktische Erfahrung im Aufbau und Betrieb von CI/CD-Pipelines und MLOps-Umgebungen
• Erfahrung in der Zusammenarbeit mit Data Scientists, ML Engineers, Softwareentwicklern, IT-Betrieb und Fachbereichen; Fähigkeit, technische Anforderungen und betriebliche Notwendigkeiten adressatengerecht zu vermitteln
• Kenntnisse in Themen wie Monitoring/Observability, Logging, Performance-Optimierung, Security und Compliance im Kontext produktiver KI-Workloads; Bereitschaft, diese Themen im Austausch mit Fach- und Security-Teams weiter zu vertiefen
• Eigenverantwortliche und strukturierte Arbeitsweise mit Blick für Qualität und Umsetzbarkeit, kombiniert mit Pragmatismus in der Lösungsfindung