Senior KI-Ingenieur

• 15. August 2026
• 100%
• Unbefristet
• Lausanne

Senior KI-Ingenieur

• Vollzeit
• Abteilung: Diagnostics
• Dépt: Diagnostics
• Division: Engineering

Unternehmensbeschreibung

Nexthink ist der Marktführer für Software zur Verwaltung der digitalen Mitarbeitererfahrung. Das Unternehmen bietet IT-Verantwortlichen eine beispiellose Sichtbarkeit, die es ihnen ermöglicht, Probleme, die Mitarbeiter überall mit jeder Anwendung oder jedem Netzwerk beeinträchtigen, im großen Stil zu sehen, zu diagnostizieren und zu lösen, bevor die Mitarbeiter das Problem bemerken. Als erste Lösung, die es der IT ermöglicht, von der reaktiven Problemlösung zur proaktiven Optimierung überzugehen, ermöglicht Nexthink seinen mehr als 1 300 Kunden, ihren mehr als 18 Millionen Mitarbeitern bessere digitale Erfahrungen zu bieten. Mit Standorten in Lausanne, Schweiz, und Boston, Massachusetts, verfügt Nexthink über 9 Büros weltweit.

LI-Hybrid #

Stellenbeschreibung

Sind Sie von KI begeistert und bestrebt, Innovationen in einem dynamischen und wirkungsorientierten Umfeld voranzutreiben? Haben Sie Erfahrung in der Entwicklung von KI-gestützten Anwendungen und haben Sie Freude daran, andere anzuleiten? Wenn ja, laden wir Sie ein, Nexthink als Senior KI-Ingenieur beizutreten!

Als erfahrenes Mitglied des KI-Teams werden Sie KI-gestützte Funktionen in der Cloud-Plattform von Nexthink prototypisieren, entwickeln und bereitstellen. Sie werden architektonische Entscheidungen leiten, Best Practices etablieren und sicherstellen, dass die KI-Systeme skalierbar, beobachtbar und produktionstauglich sind.

Verantwortlichkeiten

KI-Engineering & Architektur

Entwurf, Entwicklung und Betrieb von KI/ML-Systemen in Produktionsqualität, einschließlich LLM-gestützter Anwendungen, NLP-Modellen, RAG-Pipelines und Multi-Agenten-Systemen

Treffen von zentralen architektonischen Entscheidungen bezüglich Modellauswahl, Trainingsstrategien, Fine-Tuning, Retrieval-Mechanismen, Orchestrierungsschichten und Infrastruktur

Integration externer KI-Dienste (z. B. LLM-Anbieter) in die Cloud-Plattform von Nexthink

Lösung von Engineering-Herausforderungen im Zusammenhang mit Datenerfassung, Retrieval, Evaluierung, Inferenz, Latenz und Kostenoptimierung

Gute KI - Evaluierung & Qualität

Definition robuster Online- und Offline-Evaluierungsrahmen sowie Erfolgsindikatoren

Implementierung von Dashboards und Überwachungssystemen zur Verfolgung der Qualität und zur Erkennung von Regressionen in der Produktion

Entwurf automatisierter Evaluierungs-Pipelines für Prompts, Embeddings, Modelle und Agenten-Workflows

Gewährleistung der Beobachtbarkeit und Zuverlässigkeit von KI-Systemen in großem Maßstab

MLOps & Cloud Engineering

Implementierung und Wartung reproduzierbarer ML-Pipelines und CI/CD-Workflows für KI-Komponenten

Verwaltung des Deployments, der Überwachung und des Lebenszyklus von KI-Modellen und -Artefakten in der Produktion

Optimierung der Systeme hinsichtlich Skalierbarkeit, Leistung, Durchsatz und Kosten

Arbeit mit AWS (oder gleichwertigen Cloud-Plattformen), Docker und Orchestrierungs-Frameworks (Kubernetes/ECS)

Produkt & Querschnittliche Zusammenarbeit

Enge Zusammenarbeit mit Product Managers, Designern, Software Engineers und Data Scientists

Übersetzung ambivalenter Produktanforderungen in inkrementelle und testbare Engineering-Pläne

Proaktives Vorschlagen neuer KI-Funktionen basierend auf Nutzererkenntnissen und technologischen Fortschritten

Klare Kommunikation komplexer KI-Konzepte an technische und nicht-technische Stakeholder

Leadership & Mentoring

Anleitung und Coaching von Junior KI-Ingenieuren zu Best Practices in der Produktion

Etablierung von Engineering-Standards und KI-Best-Practices innerhalb des Teams

Förderung einer Kultur des Experimentierens, Lernens und des Wissensaustauschs

Qualifikationen

Bachelor/Master in Informatik, Maschinellem Lernen, Data Science oder einem verwandten Bereich.

Mehr als 5 Jahre Berufserfahrung im Software Engineering, einschließlich des Deployments und Betriebs von Cloud-Diensten in der Produktion

Praktische Erfahrung mit LLM-gestützten Produktionsanwendungen oder ML/NLP-Anwendungen.

Beherrschung von Python und KI-Frameworks

Gutes Verständnis der Grundlagen des maschinellen Lernens (überwachtes/unüberwachtes Lernen, Optimierung, Modellbewertung).

Fundiertes Verständnis der Grundlagen des maschinellen Lernens (Training, Optimierung, Evaluierung)

Erfahrung mit NLP-Systemen (Embeddings, semantische Suche, Retrieval-Systeme, Textklassifizierung usw.)

Erfahrung in der Integration und dem Betrieb von LLMs (Prompting, Evaluierung, Observability, RAG, agentische Workflows)

Praktische Erfahrung in MLOps: reproduzierbare Pipelines, Experiment-Tracking, automatisierte Evaluierung, CI/CD für Modelle und Prompts

Kenntnisse in Reinforcement Learning, Retrieval Augmented Generation (RAG) und Multi-Agenten-KI-Architekturen.

Gutes Datenverständnis: Fähigkeit, Logs zu inspizieren, Metriken zu entwerfen und Regressionen schnell zu identifizieren

Nachgewiesene Erfahrung mit AWS und Cloud-basierten KI-Deployments.

Exzellente Kommunikationsfähigkeiten in Englisch, in der Lage, komplexe KI-Konzepte technischen und nicht-technischen Stakeholdern zu erklären

Exzellente Problemlösungsfähigkeiten und die Fähigkeit, in einem dynamischen und kollaborativen Umfeld zu arbeiten.

Gute Zusatzkenntnisse

Fundierte Erfahrung mit AWS (oder einer gleichwertigen Cloud-Plattform) für eine skalierbare KI-Infrastruktur.

Erfahrung in der Optimierung von Modellen hinsichtlich Latenz, Durchsatz und Kosten.

Erfahrung im Fine-Tuning von großen Sprachmodellen.

Vertrautheit mit Multi-Agenten-Systemen und Orchestrierungs-Frameworks.

Erfahrung in der Entwicklung von KI-Systemen in Unternehmensumgebungen