MLOps Engineer/-in

Entwicklung und Implementierung praxisnaher GenAI-Lösungen für industrielle Anwendungen, Konzeption und Realisierung von Systemen mit Retrieval Augmented Generation (RAG) für Dokumentenanalyse und Wissensmanagement, Entwicklung von Assistenz- und Agentenlösungen zur gezielten Unterstützung von Ingenieuren, Servicemitarbeitern und weiteren Fachbereichen, Integration von Large Language Models (LLMs) in bestehende Systeme und Workflows, Optimierung und Finetuning von LLM-basierten Anwendungen für spezifische Use Cases, Gestaltung von Prompt-Engineering-Strategien sowie Conversation-Flows, Enge Zusammenarbeit mit Fachbereichen zur Identifikation, Bewertung und Umsetzung geeigneter KI-Anwendungsfälle, Evaluation und kontinuierliches Monitoring von KI-Lösungen im Hinblick auf Performance, Robustheit und Qualität

Getreu der Vision "We drive innovation to improve people's lives" liefern die Hamilton Unternehmen seit 1950 Lösungen für die Gesundheitsbranche. Wir sind ein innovativer Vorreiter was Beatmungsgeräte, das automatisierte Pipettieren und Lagern von Proben sowie die Entwicklung von Prozesssensoren anbelangt. Die Business Unit Robotics entwickelt, produziert und vertreibt Pipettier-Roboter, um Liquid Handling Prozesse für die Pharma-, über die Nahrungsmittelindustrie bis hin zur Zell- oder DNA-Forschung zu automatisieren.

• Abgeschlossenes Hochschulstudium in Data Science, Software Engineering oder einem vergleichbaren Fachgebiet

• Leidenschaft für GenAI-Konzepte wie Classical & Agentic RAGs und aktuelle Entwicklungen im Bereich KI

• Solide Kenntnisse in Softwareentwicklung, inkl. sauberer Code-Praktiken, Versionskontrolle (Git), Unit-Tests und modularen Architekturen

• Fundiertes Wissen in den Grundprinzipien von DevOps, insbesondere Continuous Integration/Continuous Delivery (CI/CD), Automatisierung und Infrastructure as Code (IaC)

• Sehr gute Programmierkenntnisse in Python und SQL

• Erfahrung beispielsweise mit Cloud-Plattformen (z. B. Azure AI Foundry, AWS Bedrock, Google Vertex AI), Tools (z. B. Docker, Git, REST APIs, Jupyter Notebooks), Datenverarbeitung (z. B. Pandas, NumPy, Text-Preprocessing), LLM-Frameworks (z. B. LangChain, LlamaIndex, Haystack) sowie Vektordatenbanken (z. B. Pinecone, Weaviate, Chroma, FAISS) von Vorteil