Senior AI Engineer – RAG-Anwendungen

Was Sie tun werden

Sie werden dem Team Digital Innovation / AI Centre of Excellence für die Build- und Hypercare-Phasen komplexer KI-Services beitreten. Gemeinsam mit dem internen AI Platform Architect, einem weiteren Senior AI Engineer und Projektteams (Projektmanager, Business Analyst, Solution Architect) verwandeln Sie KI-Projekte in laufende, evaluierte und wartbare Services.

Die KI-Plattform läuft auf einem hybriden Betriebsmodell: verwaltete Azure-Services (Azure AI Foundry mit der OpenAI-Modellfamilie für LLM und Embeddings, Azure AI Search, Azure API Management, Azure AI Content Safety) kombiniert mit selbst gehosteten Open-Source-Komponenten auf AKS (Agentenorchestrierung in Python mit LangChain, Ingestion-Pipeline), mit MLflow auf Databricks für Evaluierung und Tracing. Das Team verantwortet Infrastructure-as-Code für alle anwendungsbezogenen Azure-Ressourcen unter Verwendung von Terraform und Azure DevOps Pipelines.

Ihre Ergebnisse variieren von Projekt zu Projekt, umfassen aber typischerweise:

• Die RAG-Pipeline End-to-End, von der Retrieval-Strategie bis zur Antwortgenerierung
• Die Ingestion-Pipeline: Konnektoren zu Quellplattformen, Chunking, Embedding, inkrementelle Aktualisierung
• Security Trimming und ACL-Propagierung
• Agentenorchestrierung, Prompt-Templates und Guardrails
• Das Evaluierungs- und Tracing-Setup: Offline-Evaluierungssets, Retrieval- und Antwortqualitätsmetriken, End-to-End-Tracing von Requests und Agentenschritten
• Die Terraform-, Helm- und Azure DevOps-Artefakte, die für den Betrieb und die Bereitstellung des Service erforderlich sind
• Observability und Kostenkontrolle: Instrumentierung für Latenz, Token-Verbrauch und Laufzeitkosten sowie Erkennung von Qualitätsregressionen nach Modell- oder Prompt-Änderungen
• Hypercare und Early Production: Incident-Analyse, Tuning, Runbooks und Dokumentation sowie Übergabe des Service an den Engineer, der die Run-Phase verantwortet

Was wir suchen

• Fortgeschrittene Erfahrung mit RAG (Retrieval-Augmented Generation), einschließlich Produktionsimplementierungen
• Fortgeschrittene Erfahrung mit Azure OpenAI Service und LLM / Large Language Models, in diesem Jahr eingesetzt
• Fortgeschrittene Erfahrung mit Azure Kubernetes Service (AKS), in diesem Jahr eingesetzt
• Fortgeschrittene Erfahrung mit Terraform, in diesem Jahr eingesetzt
• Fortgeschrittene Erfahrung mit Azure DevOps, in diesem Jahr eingesetzt
• Fortgeschrittene Erfahrung mit Python, in diesem Jahr eingesetzt
• Mittlere Erfahrung mit LangChain
• Mittlere Erfahrung mit Vektordatenbanken
• Erfahrung im Design und der Implementierung von Evaluierungsframeworks (Metriken, Testsets, Automatisierung) für RAG- oder LLM-Anwendungen
• Erfahrung in der Implementierung von Zugriffskontrolle auf Dokumentenebene in einem RAG-System, Propagierung von Berechtigungen von Quellsystemen zur Retrieval-Ebene
• Erfahrung im Erstellen von Kubernetes-Manifesten oder Helm-Charts und Terraform-Code für Azure im Rahmen der Bereitstellung von KI- oder ML-Workloads in der Produktion
• Muttersprachliche oder zweisprachige Kenntnisse in Niederländisch oder Französisch
• Vollständige professionelle Kenntnisse in Englisch

  Der Rahmen

  Dieser Einsatz läuft über 4 Wochen und beginnt schnellstmöglich. Sie sind 2 bis 3 Tage pro Woche vor Ort in Brüssel, der Rest erfolgt remote.

  Sie können diesen Einsatz freiberuflich oder als Mitarbeiter von HumanInTech übernehmen. Gleiche Rolle, gleiches Team. Wenn Sie bei uns angestellt sind, besteht Ihr Arbeitsverhältnis über diesen Einsatz hinaus fort. Nach dessen Ende suchen wir gemeinsam nach Ihrem nächsten Einsatz.

  Standort: Brüssel, hybrid

  Arbeitsadresse: Belgien

  Arbeitgeber / Vertragspartner: HumanInTech

  Bewerbungsfrist (Brüsseler Zeit): 18. Oktober 2026 um 02:00

  Zusammenarbeitsform: Freiberuflich oder bei HumanInTech angestellt

  Arbeitszeit: Vollzeit

  Erfahrung: 6–10 Jahre oder mehr

  Ausbildung: Bachelor oder mehr

  Veröffentlicht: Oktober 2026