Weitere Stellen suchen

Zum Klienten

Weitere Informationen zum Klienten und laufend neue Jobchancen erhalten Sie nach Ihrer Anmeldung und dem Onboarding durch Ihren Fachberater per Mail oder online. Wir freuen uns, Sie persönlich kennenzulernen!

Arbeitsort

Zug (Distanz und Fahrzeit ab Ihrer Wohnadresse erhalten Sie nach Ihrer Anmeldung)

Jobbeschreibung

Talent Pool – Data & AI Engineer – DWH Transformation (w/m/d)

Ihr Aufgabengebiet

• Konzeption und Entwicklung LLM-gestützter Systeme zur Unterstützung von Data-Warehouse-Migrations- und Transformationsprozessen
• Entwicklung interner Tools und Workflows unter Einsatz von LLMs für die Generierung und Übersetzung von Datenflüssen (z.B. SQL, Spark, Flink, Kafka, dbt), Schema-Übersetzung und Datenvalidierung
• Konzeption und Implementierung von Evaluierungsframeworks für LLM-generierte Ergebnisse, z.B. ausführungsbasierte Prüfungen, Assertions und diff-basierte Validierung
• Aufbau und Betreuung von Datenpipelines und Orchestrierungs-Workflows in produktiven Umgebungen
• Optimierung und Fehleranalyse gross angelegter Datenverarbeitungssysteme in verteilten Umgebungen
• Einsatz von agentenbasierten Ansätzen und Tool-Use-Patterns, wo sinnvoll, mit Fokus auf zuverlässige und kontrollierte Ausführung
• Zusammenarbeit mit Data Engineers und Platform Teams zur Modernisierung bestehender Legacy-Data-Warehouse-Systeme

Was Sie ausmacht

• Nachweisbare Erfahrung in der Entwicklung von ML-/LLM-basierten Produkten oder internen Tools sowie im produktiven Einsatz solcher Systeme
• Fundierte Kenntnisse in Machine Learning oder Statistik, einschliesslich Feature Engineering, Evaluierungsmethoden und Versuchsdesign
• Praktische Erfahrung mit Data-Warehouse- oder Big-Data-Systemen, z.B. Snowflake, Databricks, BigQuery, Redshift, Teradata, Oracle, Spark oder Kafka
• Erfahrung in der Analyse von Legacy-Quellen (COBOL, SAS, JCL, DB2) mit LLM-Unterstützung sowie Interesse an Legacy-Code
• Erfahrung im operativen Einsatz von Tools zur Orchestrierung von Datenpipelines, z.B. Airflow oder Dagster
• Sehr gute SQL-Kenntnisse und Erfahrung mit mindestens einem weiteren Framework zur Datenverarbeitung (z.B. Spark, Flink, dbt) sowie ein gutes Verständnis der Prinzipien des Analytics Engineering
• Erfahrung mit Best Practices im Software Engineering, insbesondere Git-based Workflows, CI/CD Pipelines und Infrastructure-as-Code-Konzepten
• Vertrautheit mit LLM-Workflows wie Prompt Engineering, Verarbeitung und Parsing strukturierter Ausgaben, Token- und Kostenmanagement, Modellauswahl sowie Entwicklung robuster Evaluierungsstrategien
• Sehr gute Deutsch- und Englischkenntnisse

Was diese Stelle ausmacht

• Zahlreiche individuelle Benefits