Zum Hauptinhalt springen

Senior AI Engineer – Databricks & Azure

🏛 Ausgeschrieben von Constaff GmbH
Contracting⏱ 15 Monate📍 Köln 🏢 50% vor Ort 🚀 Start: Oktober 2026 ⏳ 100% Auslastung 🎓 Senior 🏭 IT/Software 🌐 Deutsch

Wir suchen einen erfahrenen Senior AI Engineer zur Entwicklung innovativer KI-Lösungen auf modernen Cloud-Plattformen. In dieser Rolle werden Sie produktive Agentic-AI-Systeme konzipieren und implementieren, die Unternehmensdaten intelligent nutzen.

Ihre Hauptaufgaben umfassen die Entwicklung von KI-Agenten und Multi-Agent-Workflows mit großen Sprachmodellen, die Integration von APIs und Unternehmensdaten sowie die Umsetzung fortgeschrittener Architekturen wie RAG (Retrieval-Augmented Generation) und Tool-Calling-Systeme. Sie werden Datenpipelines mit modernen Technologien aufbauen, Foundation Models in bestehende Landschaften integrieren und MLOps-Prozesse etablieren.

Gefordert werden mehrjährige Erfahrungen als AI Engineer, Machine Learning Engineer, Data Engineer oder Cloud Engineer. Sie sollten praktisches Wissen in LLMs, RAG-Systemen, Embeddings und Agentic AI mitbringen. Fundierte Kenntnisse in Python und SQL sind essentiell, ebenso wie umfangreiche Erfahrung mit der Databricks-Plattform (Spark, Delta Lake, MLflow, Mosaic AI). Gute Kenntnisse in Microsoft Azure und Azure OpenAI werden vorausgesetzt.

Erfahrung mit CI/CD-Pipelines, MLOps, Infrastructure as Code (Azure DevOps, GitHub Actions, Terraform, Bicep) sowie Cloud Security und AI Governance sind wichtig. Kenntnisse in Docker, Kubernetes, Kafka oder Azure Event Hubs sind von Vorteil.

Das Projekt bietet eine 15-monatige Zusammenarbeit mit Beginn im Oktober 2026. Die Position ist mit 50% Remote-Anteil ausgestaltet und befindet sich in Köln. Dies ist eine hervorragende Gelegenheit, an der Schnittstelle von KI und Cloud-Technologie zu arbeiten und innovative Lösungen zu gestalten.

Skills erklärt

AI Engineering
Entwicklung und Implementierung von Systemen mit künstlicher Intelligenz; umfasst Modellentwicklung, Training und Integration in Anwendungen.
Machine Learning Engineering
Fachgebiet für die Entwicklung, Implementierung und Optimierung von Machine-Learning-Modellen in Produktionssystemen; wird für Datenanalyse, Vorhersagen und Automatisierung angewendet.
Data Engineering
Data Engineering umfasst den Aufbau und die Verwaltung von Dateninfrastrukturen, Pipelines und Systemen zur Verarbeitung großer Datenmengen für Analysen und Anwendungen.
Cloud-Engineering
Planung, Entwicklung und Verwaltung von IT-Infrastrukturen und Anwendungen in Cloud-Umgebungen.
LLMs
Large Language Models – künstliche neuronale Netze für Sprachverarbeitung; werden eingesetzt für Textgenerierung, Analyse und Dialogsysteme.
RAG
Technik, bei der ein KI-Modell externe Datenquellen abfragt, um seine Antworten mit aktuellen oder spezifischen Informationen zu ergänzen.
Embeddings
Mathematische Darstellung von Wörtern, Bildern oder anderen Daten als Vektoren; ermöglicht es Maschinen, Bedeutungen und Ähnlichkeiten zwischen Inhalten zu verstehen.
Vector Search
Suchmethode, die Daten als mathematische Vektoren darstellt und Ähnlichkeiten findet; wird in KI-Anwendungen und Suchmaschinen für semantische Suche eingesetzt.
Agentic AI
Künstliche Intelligenz-Systeme, die eigenständig Aufgaben planen und ausführen können, ohne ständige menschliche Anleitung.
Python
Universelle Programmiersprache für Webentwicklung, Datenanalyse, Automatisierung und künstliche Intelligenz.
SQL
Programmiersprache zur Abfrage und Verwaltung von Daten in Datenbanken.
Databricks
Plattform für Datenverarbeitung und Machine Learning basierend auf Apache Spark; wird für Big-Data-Analysen und kollaborative Datenarbeit eingesetzt.
Apache Spark
Open-Source-Framework für verteilte Datenverarbeitung und Datenanalyse; ermöglicht schnelle Verarbeitung großer Datenmengen parallel auf mehreren Computern.
Delta Lake
Open-Source-Speicherformat, das strukturierte Daten mit Transaktionsfähigkeit und Versionskontrolle verwaltet und häufig in Big-Data-Umgebungen eingesetzt wird.
MLflow
Open-Source-Framework zur Verwaltung des Machine-Learning-Lebenszyklus, einschließlich Experiment-Tracking und Modell-Deployment.
Unity Catalog
Datenverwaltungs-Feature in der Databricks-Plattform zur zentralisierten Kontrolle von Daten-Assets und Zugriffsrechten.
Microsoft Azure
Cloud-Plattform von Microsoft für das Hosten von Anwendungen, Speicherung von Daten und IT-Infrastruktur über das Internet.
CI/CD
Automatisierte Prozesse für kontinuierliche Integration von Code-Änderungen und kontinuierliche Bereitstellung von Software-Updates.
MLOps
Praktiken und Tools zur Verwaltung von Machine-Learning-Modellen in Produktion, ähnlich wie DevOps für klassische Software – umfasst Training, Deployment, Monitoring und Wartung von KI-Systemen.
Infrastructure as Code
Methode, bei der IT-Infrastruktur (Server, Netzwerke, Speicher) durch Code definiert und automatisiert bereitgestellt wird.
Azure DevOps
Plattform von Microsoft für Softwareentwicklung, die Tools für Versionskontrolle, Projektmanagement, Testing und Deployment bereitstellt.
GitHub Actions
Automatisierungstool von GitHub, das es ermöglicht, Workflows wie Tests, Builds oder Deployments automatisch bei bestimmten Ereignissen im Code-Repository auszulösen.
Terraform
Infrastructure-as-Code-Tool zur automatisierten Bereitstellung und Verwaltung von Cloud-Infrastruktur über Konfigurationsdateien.
Cloud Security
Sicherheitsmaßnahmen und -praktiken zum Schutz von Daten, Anwendungen und Infrastruktur in Cloud-Umgebungen.
AI Governance
Rahmenwerk und Richtlinien zur Steuerung, Überwachung und Kontrolle von Künstlicher Intelligenz in Organisationen bezüglich Ethik, Sicherheit und Compliance.
API-Integration
Verbindung von Softwaresystemen über standardisierte Schnittstellen zum Datenaustausch.
Datenintegration
Prozess der Zusammenführung von Daten aus verschiedenen Quellen in ein einheitliches System oder Format.
Docker
Software-Plattform zur Containerisierung, die Anwendungen mit ihren Abhängigkeiten in isolierten Umgebungen verpackt.
Kubernetes
Open-Source-Plattform zur automatisierten Verwaltung, Skalierung und Orchestrierung von containerisierten Anwendungen.
Apache Kafka
Verteilte Streaming-Plattform zur Verarbeitung großer Datenmengen in Echtzeit, häufig für Datenaustausch zwischen Systemen genutzt.

Als IT-Freelancer automatisch auf Projekte wie dieses bewerben

Nexus ist die KI-gestützte Plattform für IT-Freelancer, die täglich neue Projektausschreibungen analysiert und passgenaue Bewerbungstexte generiert – vollautomatisch, in Sekunden. Kein manuelles Schreiben mehr: Nexus liest die Ausschreibung, erkennt die gefragten Skills und erstellt einen individuellen Bewerbungstext, den du per Klick versendest.

  • ✓ Projektausschreibungen direkt von Anbietern aus dem DACH-Raum
  • ✓ KI-Bewerbungstext in unter 30 Sekunden – individuell auf jedes Projekt zugeschnitten
  • ✓ Automatischer Versand per E-Mail + Anlage in Pipedrive
  • ✓ Kostenlos starten – keine Kreditkarte erforderlich

Häufige Fragen zu Nexus

Was ist Nexus und für wen ist es geeignet?
Nexus richtet sich an selbstständige IT-Freelancer, die regelmäßig auf Projektausschreibungen antworten. Die Plattform automatisiert den gesamten Bewerbungsprozess – von der Analyse der Ausschreibung bis zum Versand der Bewerbung.
Wie schreibt Nexus den Bewerbungstext?
Nexus analysiert die Projektbeschreibung mit Claude (Anthropic) und gleicht die Anforderungen mit deinem hinterlegten Profil ab. Der generierte Text ist individuell, professionell und direkt versendbar – du kannst ihn vor dem Absenden noch anpassen.
Welche Projektplattformen werden unterstützt?
Nexus erhält Projekte direkt von Projektanbietern aus dem DACH-Raum – neue Ausschreibungen erscheinen automatisch in deiner Pipeline, ohne dass du Plattformen manuell durchsuchen musst.
Kostet Nexus etwas?
Der Einstieg ist dauerhaft kostenlos. Für professionelle Nutzung mit erweiterten Funktionen gibt es kostenpflichtige Pläne – ohne versteckte Kosten oder automatische Verlängerung.

Nie wieder Bewerbungen schreiben.

Nexus matcht deine Skills und schreibt Bewerbungen automatisch.

Kostenlos registrieren →

Keine Kreditkarte erforderlich

Kostenloser CV-Check

Wie gut passt dein Data Engineering-Profil zum Markt?

  • ✓ Market Fit gegen 102 Data Engineering-Ausschreibungen
  • ✓ Welche Skills dir fehlen und was sie bringen
  • ✓ Dein Stundensatz im Vergleich
CV vor die Jury bringen →

Kostenlos · anonym gespeichert · von FreelancerJury

Marktgeschwindigkeit

⏳

Projekte dieser Skills werden nach durchschnittlich 3,3 Tagen geschlossen.

Stundensatz vs. Markt

Kein Stundensatz für dieses Projekt hinterlegt.

Ø 100 €/h (für diese Skills)

Untergrenze 48 €Median 100 €Top 10% 115 €

Tipp

Zeiterfassung & Projektverwaltung

Projekte, Stunden und Rechnungen in einer App. Flow ist die schlanke Lösung für IT-Freelancer und Agenturen – kostenlos starten.

Flow ausprobieren

Ähnliche Projekte

Tipp

Konferenzraum in Hamburg

Für das nächste Kunden- oder Teammeeting in Hamburg: vollausgestattet mit Beamer, Whiteboard und Videokonferenz – ab 49 €/h, direkt am Gänsemarkt.

Konferenzraum mieten