Betway Global ist eine auf Verbraucher ausgerichtete Online-Sportwetten- und iGaming-Marke, die von Super Group (SGHC) betrieben wird. Zu den Produkten gehören Sportwetten und Online-Casino-Angebote, unterstützt durch regionale Aktivitäten wie Betway Africa. Die Marke unterhält Partnerschaften mit Sportteams und Veranstaltungen, darunter Arsenal, Manchester City, die Springboks und SA20. Zu den Aktivitäten von Betway Global gehören außerdem Initiativen für verantwortungsvolleres Glücksspiel im Rahmen des Responsible-Gaming-Programms SuperPlan von Super Group sowie Engagement in Gemeinden und Sponsoring.
Senior AI Engineer
Entwickle und betreibe produktive KI-Systeme für ein Online-Gaming-Unternehmen – von Azure Machine Learning über Retrieval-Augmented Generation bis hin zu agentischen Anwendungen. Stelle sichere, überwachte Lösungen bereit und führe sie vom Proof of Concept zu messbaren Geschäftsergebnissen.
Beschreibung
- Setze Geschäftsanforderungen in KI- und Machine-Learning-Lösungen mit klar definierten Erfolgskriterien um.
- Entwickle und optimiere Modelle für Klassifizierung, Prognosen, Empfehlungen, Anomalieerkennung und weitere Anwendungsfälle.
- Bereite Daten mit Feature Engineering, Bereinigung und explorativer Analyse strukturierter und unstrukturierter Quellen auf.
- Entwickle Retrieval-Augmented-Generation-Systeme mit Embeddings, Vektor- oder Hybridsuche, Reranking und fundierten Antworten.
- Verbinde und orchestriere große Sprachmodelle mit Azure OpenAI und Azure AI Foundry.
- Setze Prompt-Design, strukturierte Ausgaben, Tool-Aufrufe, Fine-Tuning oder Destillation ein, wenn sie zur Lösung passen.
- Bewerte generative Anwendungen hinsichtlich Qualität, Geschwindigkeit und Kosten und verwalte dabei Token- und Inferenznutzung.
- Erstelle agentische Systeme, die mithilfe von Tools und APIs mehrstufige Aufgaben planen und erledigen – mit Schutzmaßnahmen und menschlicher Prüfung.
- Entwickle Multi-Agenten-Workflows mit Semantic Kernel, Azure AI Agent Service, AutoGen oder LangGraph.
- Entwirf Agenten-Tools, Speicher, Zustandsverwaltung sowie Abläufe für Fehlerbehandlung und Eskalation.
- Entwickle Funktionen zur Sprachverarbeitung, etwa Entitätsextraktion, Zusammenfassungen, Stimmungsanalysen und Absichtserkennung.
- Implementiere Speech-to-Text für Stapelverarbeitung und Live-Transkription.
- Nutze Document Intelligence und OCR, um Informationen aus Formularen und Dokumenten zu extrahieren.
- Stelle Modelle und KI-Dienste über APIs, Container oder verwaltete Endpunkte mit automatisiertem CI/CD bereit.
- Richte Experiment-Tracking, Modellregister, Versionskontrolle und wiederholbare Trainingspipelines ein.
- Überwache Leistung, Drift, Qualität, Kosten und Zuverlässigkeit in der Produktion.
- Untersuche Betriebsprobleme und unterstütze Geschäftsanwendungen.
- Wende Praktiken für verantwortungsvolle KI an, darunter Fairness-Prüfungen, Inhaltssicherheit, Evaluierungstools und klare Angaben zu Einschränkungen.
- Erfülle Datenschutz-, Datensicherheits- und regulatorische Pflichten, einschließlich Kontrollen für personenbezogene Daten und den Speicherort von Daten.
- Schütze Systeme mit verwalteten Identitäten, Schlüsselverwaltung, Netzwerkschutz und Zugriff nach dem Prinzip der geringsten Berechtigungen.
- Sorge dafür, dass Modelle, Prompts, Datenquellen und Entscheidungen prüfbar sind.
- Stimme dich mit dem Data Engineering zu Pipelines, Feature-Zugriff und Datenqualität ab.
- Arbeite mit Softwareentwicklerinnen und -entwicklern zusammen, um KI-Funktionen in Produkte und interne Plattformen einzubetten.
- Vermittle Methoden, Abwägungen und Ergebnisse an technische und nichttechnische Kolleginnen und Kollegen.
- Dokumentiere Architekturen, Evaluierungen, Lösungen und Betriebsanleitungen.
- Führe KI-Projekte mit messbaren Geschäftsergebnissen vom Proof of Concept bis in die Produktion.
- Erreiche vereinbarte Genauigkeits- und Latenzziele für Modelle und generative Anwendungen.
- Halte bereitgestellte Systeme zuverlässig, wartbar und überwacht und richte sie an den Anforderungen verantwortungsvoller KI aus.
- Erstelle gemeinsam nutzbare Komponenten, Pipelines und Praktiken für den Einsatz im gesamten Team.
Anforderungen
- 3–5 Jahre praktische Erfahrung in KI, Machine Learning oder Data-Science-Engineering, einschließlich produktiver Bereitstellungen.
- Ein Abschluss in Informatik ist bevorzugt; auch verwandte Abschlüsse in Ingenieurwissenschaften, Informationssystemen, Data Science, Statistik oder quantitativen Fächern werden berücksichtigt.
- Eine einschlägige berufliche Zertifizierung ist bevorzugt, etwa Microsoft Azure AI Engineer Associate (AI-102) oder Azure Data Scientist Associate (DP-100).
- Praktische Erfahrung mit der Bereitstellung von Lösungen mithilfe von Azure-KI- und Machine-Learning-Diensten.
- Nachweisliche Umsetzungserfahrung in mehreren Bereichen, etwa Machine Learning, RAG, LLM-Anwendungen, agentischer KI, NLP oder Speech-to-Text.
- Gute Python- und SQL-Kenntnisse mit Schwerpunkt auf sauberem, getestetem und wartbarem Code.
- Verständnis der Modellevaluierung und die Fähigkeit, Lösungen vor der Bereitstellung zu validieren.
- Fähigkeit, Daten-, Modell- und Integrationsprobleme wirksam zu diagnostizieren.
- Fähigkeit, selbstständig zu arbeiten und funktionsübergreifend zusammenzuarbeiten.
- Bereitschaft, kontinuierlich dazuzulernen.
- Erfahrung mit Microsoft Azure, Azure Machine Learning, Azure AI Foundry und Azure OpenAI Service.
- Erfahrung mit Azure AI Search und Azure AI Services.
- Erfahrung mit Azure Functions, Azure Container Apps und AKS.
- Vertrautheit mit Azure Key Vault, Microsoft Entra ID, verwalteten Identitäten, Azure Monitor und Application Insights.
- Erfahrung mit Azure Data Lake Storage, Azure SQL, Cosmos DB, Azure Databricks und Microsoft Fabric.
- Gute SQL-Kenntnisse und Erfahrung im Umgang mit großen Mengen strukturierter und unstrukturierter Daten.
- Python-Erfahrung mit pandas, scikit-learn, PyTorch oder TensorFlow sowie Hugging Face Transformers.
- Erfahrung mit LangChain, LlamaIndex, Semantic Kernel oder einem vergleichbaren Orchestrierungsframework.
- Erfahrung mit MLflow und Prompt flow.
- Erfahrung mit Git, Azure DevOps, GitHub Actions, Docker und Infrastructure as Code mit Bicep oder Terraform.
- Erfahrung beim Erstellen von REST-APIs, üblicherweise mit FastAPI oder einem vergleichbaren Framework.
- Eine Bonitäts- und Strafregisterüberprüfung ist erforderlich.
- Eine Überprüfung der Qualifikationsnachweise ist erforderlich.
- Bereitschaft zu einer hybriden Arbeitsform in Johannesburg mit Anwesenheit im Büro von Montag bis Donnerstag.
Zusatzleistungen
- Hybrides Arbeitsmodell mit Büroarbeit von Montag bis Donnerstag und mobilem Arbeiten am Freitag.
- Möglichkeiten zur beruflichen Weiterentwicklung und zum Ausbau der Karriere.
- Berücksichtigung für das Talent Management and Talent Development Programme.
- Möglichkeiten, neue KI-Technologien kennenzulernen und einzusetzen.
- Zur Unterstützung produktiver Releases oder bei der Behebung von Vorfällen kann eine gewisse Flexibilität erforderlich sein.