ML/LLM Engineer/-in

Integration und Fine-Tuning von Open-Weight- und kommerziellen LLMs (GPT OSS, Mistral, Cohere, OpenAI), Entwicklung und Optimierung multimodaler Verarbeitungspipelines (Text, Audio, Bild) inkl. OCR, Docling und Whisper, Design und Verbesserung von RAG-Pipelines mit Fokus auf Recall, semantische Relevanz und Robustheit, Implementierung von Query-Focused Summarization (QFS) für präzise, kontextgerechte Informationsaufbereitung, Optimierung von Chunking-, Embedding- und Indexierungsstrategien für skalierbares Retrieval, Definition und Auswertung von Metriken zu Relevanz, Halluzinationskontrolle und Modellzuverlässigkeit, Aufbau von Human-in-the-Loop Prozessen für Qualitätskontrolle, Sicherstellung von Model Governance, Zugriffsmanagement und sicherem Umgang mit Daten, Dokumentation von Modellarchitekturen, Benchmarks und Deployment-Prozessen, Aktives Verfolgen aktueller Entwicklungen in Open-Source-LLMs und verantwortungsvoller KI

Rotkreuz vor Ort, mit zusätzlicher Option auf Homeoffice

• Nachweisbare Erfahrung im produktiven Einsatz von LLMs

• Tiefes Verständnis von Frameworks wie PyTorch, Transformers und LangChain

• Erfahrung im Fine-Tuning von Open-Weight Modellen (GPT OSS, Mistral, Cohere)

• Gute Kenntnisse von Datenpipelines, Vector-Datenbanken und RAG-Architekturen

• Vertraut mit multimodaler Verarbeitung (Text, Audio, Bild) sowie ETL-Pipelines für unstrukturierte Daten

• Erfahrung mit MLflow, Kubeflow oder Weights & Biases

• Sehr gute Python-Kenntnisse sowie Erfahrung mit Pandas, NumPy und PyTorchLightning

• Analytische und strukturierte Arbeitsweise, sowie Interesse an verantwortungsvoller und transparenter KI