Leitender KI-Ingenieur in Softcloud

BusinessTwin sucht einen erfahrenen Senior AI Engineer, der in der Lage ist, komplexe KI-Architekturen auf Basis von LLM eingehend zu analysieren, neu aufzubauen und zu optimieren. Unser Produkt läuft bereits in der Produktion, erfordert jedoch eine deutliche Verbesserung der Qualität der Suche, Indizierung und Arbeit mit großen Dokumenten. Wir brauchen einen Spezialisten, der nicht nur Probleme erkennt, sondern auch persönlich Lösungen umsetzt und dem Team bei der Skalierung des Systems hilft.

Ihre Hauptaufgaben:

1. Prüfung des bestehenden Systems

• Analyse der Architektur von RAG-Pipelines (Python FastAPI + LangChain).
  

Dokumentpipeline (PDF/DOCX/Images: 400; text-decoration: none">

• Indizierung, Abruf, Chunking.

  
  
  

2. Rekonstruktion und Optimierung

• Entwicklung einer effektiven Chunking-Strategie für verschiedene Arten von Dokumenten.
  
  

• Verbesserung der RAG-Architektur (Hybridsuche, Reranking, Multi-Pipeline-Aufnahme).
  
  

• Einstellungen für Suchqualitätsmetriken, RAG-Bewertung und Überwachung.
  
  

• Optimierung der Kosten für Inferenz, Latenz und Durchsatz.
  
  

• Integration von Änderungen mit der bestehenden Chat-API.
  
  

3. Komplexe Anwendungsfälle lösen

• Hierarchischer Abruf bei fragmentiertem Kontext.
  
  

• Kartenreduzierung oder selektive Zusammenfassung für große Dokumente.
  
  

• Agent-Orchestrierung mit Speicherfenstern.
  
  

• Multi-Vektor-Abruf und Cross-Encoder-Neueinstufung.
  
  

• Multi-Pipeline-Aufnahme für heterogene Formate.
  
  

4. Wissenstransfer

• Dokumentation der Architektur und implementierter Lösungen.
  
  style="font-weight: 400; Schriftstil: normal; Textdekoration: keine">

  Einrichtung des Überwachungs- und Qualitätskontrollsystems.
  
  

Optimierte Sucharchitektur. none">Systemverarbeitung großer und komplexer Dokumente. style="font-weight: 400; font-style: normal; text-decoration: none">

Erfahrung im Aufbau von RAG-Systemen style="font-weight: 400; font-style: normal; text-decoration: none">

Nice to Have

• RAG-Bewertungsframeworks (RAGAS, LangSmith).
  
  

• 
  
  

• Architektur.
  
  

• Node.js/TypeScript auf Basisbasis.
  
  

• PostgreSQL für Roboter aus Metadaten.
  
  

Technischer Text:

Backend: Python (FastAPI), LangChain, Node.js (Fastify), Go

AI: RAG, OCR, semantische Suche, Einbettungsmodelle

Daten: PostgreSQL, Weaviate, MinIO, Redis

Frontend: React + TypeScript + Vite

Text: Merkmale, WebSocket, REST

Meine Wahl

• ? Geprüfte Schriftart:

  Neues Roboterformat:
  

• 
  

• , um den klassischen RAG-Schreibtisch zu beleuchten und die neue Jugendherberge zu unterstützen.
  

• , eine minimale Anzahl von Prozessen.
  

• Zusammenarbeit mit einem starken Ingenieurteam, die offen für neue Technologien und architektonische Lösungen ist.
  

• Ein echter Beitrag zur Entwicklung einer KI-Plattform der neuen Generation, das den Markt für die Automatisierung des Dokumentenflusses bildet.