EXL ist ein Beratungs- und Dienstleistungsunternehmen, das Organisationen dabei unterstützt, Daten, Analysen und Technologie zu nutzen, um Abläufe zu verbessern und fundiertere Entscheidungen zu treffen. Das Leistungsspektrum umfasst Betriebsmanagement, entscheidungsorientierte Analysen und digitale Transformation. Dabei verfügt EXL über Erfahrung in der Unterstützung von Kunden aus dem Gesundheitswesen, dem Versicherungswesen, dem Finanzsektor und der Logistik. Das Unternehmen verbindet Data Science mit praxisnaher Geschäftsexpertise, um Lösungen zu entwickeln, die auf die Ziele, das Betriebsmodell und den Branchenkontext der jeweiligen Organisation zugeschnitten sind.
Senior Lead für generative KI-Entwicklung bei EXL (hybrid, USA)
Leiten Sie die Entwicklung unternehmensweiter LLM- und agentischer KI-Lösungen. Bauen Sie kontrollierte, produktionsreife Workflows auf AWS, Google Cloud und Snowflake.
Beschreibung
- Entwickeln und liefern Sie unternehmensweite GenAI-Systeme mit LLMs, Foundation-Modellen und agentischen KI-Frameworks.
- Erstellen Sie wiederverwendbare KI-Muster, Beschleuniger und Referenzarchitekturen.
- Überführen Sie geschäftliche Herausforderungen in skalierbare KI-Workflows und produktionsreife Machbarkeitsnachweise.
- Modernisieren Sie KI-Plattformen durch den Einsatz neuer GenAI-Technologien und bewährter Verfahren.
- Erstellen und pflegen Sie Prompt-Engineering-Frameworks, die kontrollierte und zuverlässige LLM-Ausgaben erzeugen.
- Etablieren Sie Verfahren für Prompt-Versionierung, Lebenszyklusverwaltung und Tests.
- Entwickeln Sie KI-Schutzmaßnahmen gegen Halluzinationen, Verzerrungen, Sicherheitsbedrohungen und Compliance-Risiken.
- Entwickeln Sie skalierbare Orchestrierungspipelines mit LangGraph, LangChain, CrewAI, Semantic Kernel oder ähnlichen Werkzeugen.
- Erstellen Sie wiederverwendbare KI-Komponenten, Werkzeuge, Agenten und Workflow-Vorlagen.
- Entwickeln Sie Multi-Agenten-Systeme und autonome Workflows.
- Arbeiten Sie mit Stakeholdern aus dem Geschäftsbereich zusammen, um wertvolle KI-Anwendungsfälle zu identifizieren.
- Erstellen Sie KI-Prototypen und MVPs mit synthetischen Daten und Unternehmensdaten.
- Überführen Sie Prototypen in Produktionsanwendungen, die Anforderungen an Skalierbarkeit, Sicherheit und Zuverlässigkeit erfüllen.
- Entwerfen Sie skalierbare GenAI-Architekturen für AWS, Google Cloud und Snowflake.
- Nutzen Sie Amazon Bedrock, SageMaker, Vertex AI, Snowflake Cortex AI und weitere cloudnative KI-Dienste.
- Entwerfen Sie RAG-Systeme mit Vektordatenbanken, Embeddings und semantischer Suche.
- Verbessern Sie die Modellbereitstellung, die Inferenzgeschwindigkeit und die Kosteneffizienz der Infrastruktur.
- Erstellen Sie Bewertungsframeworks für Genauigkeit, Relevanz, Latenz, Sicherheit und geschäftliche Wirkung.
- Entwickeln Sie Benchmarks für Prompts, Modelle und Workflows.
- Definieren Sie KPIs, Verfahren zur Beobachtbarkeit und Monitoring-Strategien.
- Verbessern Sie die Modellleistung durch Prompt-Tuning, optimierte Informationsbeschaffung und Verfeinerung von Workflows.
Anforderungen
- Bachelor- oder Masterabschluss in Informatik, künstlicher Intelligenz, Datenwissenschaft, Ingenieurwesen oder einem verwandten Fachgebiet.
- Mindestens 8 Jahre Erfahrung in Softwareentwicklung, maschinellem Lernen, Data Engineering oder der Entwicklung von KI-Lösungen.
- Mindestens 4 Jahre praktische Erfahrung mit generativer KI, LLMs und Foundation-Modellen.
- Fundierte Erfahrung im Entwurf unternehmensweiter GenAI-Lösungen mit fortgeschrittenen LLM-Architekturen und Prompt-Frameworks.
- Fachkenntnisse in der Entwicklung skalierbarer KI-Workflows, Orchestrierungspipelines und wiederverwendbarer KI-Komponenten.
- Fähigkeit, Geschäftsanforderungen in produktionsreife KI-Lösungen und Prototypen mit synthetischen Daten umzusetzen.
- Umfassende Kenntnisse in Prompt-Versionierung, Governance, Schutzmaßnahmen und kontrollierten LLM-Ausgaben.
- Fundiertes Verständnis von KI-Bewertungsframeworks, Benchmarking-Methoden und Optimierungstechniken.
- Erfahrung mit Vektordatenbanken, Embeddings, semantischer Suche und RAG-Architekturen.
- Sehr gute Python-Kenntnisse sowie Vertrautheit mit modernen Frameworks für KI- und Machine-Learning-Entwicklung.