Cloud Ai Architect

Werde unser/e neue/r
Cloud AI Architect (all genders)
– Und gestalte die Zukunft datengetriebener Plattformen
Als
Cloud AI Architect
bist du verantwortlich für die
hands‐on Konzeption, Implementierung und den stabilen Betrieb
von AI‐ und datengetriebenen Systemen in komplexen Enterprise‐Umgebungen.
Du arbeitest
AI‐first, produktionsnah und mit hoher Ownership
: von der ersten Architekturentscheidung über Deployment‐Strategien bis hin zu Stabilität, Security und Kostenkontrolle im Live‐Betrieb.
Diese Rolle ist
keine reine Konzept‐ oder
Beratungsrolle. Du triffst
konkrete technische Entscheidungen
, setzt sie selbst um und übernimmst Verantwortung dafür, dass agentische Systeme, Datenplattformen und AI‐Workloads
zuverlässig, skalierbar und wirtschaftlich
laufen.
Deine Aufgaben & Verantwortlichkeiten
AI‐First Plattform‐ & Betriebsarchitektur
Du verfolgst einen konsequenten
AI‐First Engineering Ansatz
.
Plattformen und Betriebsmodelle werden von Beginn an so entworfen, dass sie den spezifischen Anforderungen von
LLMs, agentischen Systemen und AI‐Workloads
gerecht werden.
Dazu gehören:
Aufbau und Weiterentwicklung von
Cloud‐Plattformen auf Microsoft Azure
für AI‐ und Data‐Systeme
(Compute, Storage, Netzwerk, Identity, Tooling)
Einsatz und Betrieb von Databricks
als zentrale Plattform für Data Engineering, Machine Learning und AI‐Workloads
Architektur von
Agent‐Orchestrierung, Laufzeitumgebungen, Control Planes und Tool‐Integrationen
Sicherstellung, dass Plattformen
produktionsreif, skalierbar, beobachtbar und betrieblich beherrschbar
sind
DevOps, Deployment & Release Management
Du verantwortest die
technische Umsetzung und den stabilen Betrieb
von AI‐, Agenten‐ und Data‐Systemen über ihren gesamten Lifecycle hinweg.
Aufbau und Betrieb von
CI/CD‐Pipelines
für AI‐, Agenten‐ und Data‐Komponenten in Azure
Definition und Umsetzung von
Release‐ und Update‐Strategien
(z. B. Canary Releases, Versionierung, kontrollierte Agenten‐Updates)
Reproduzierbare Deployments und saubere Rollbacks
, insbesondere für Databricks‐ und AI‐Workloads
Enge Zusammenarbeit mit Engineering Manager und Produktverantwortlichen bei Architektur‐ und Betriebsentscheidungen
Stabilität, Security & Governance
Du übernimmst Verantwortung für den
sicheren und stabilen Betrieb
geschäftskritischer Systeme.
Verantwortung für
Verfügbarkeit, Performance, Fehlertoleranz und Incident‐Handling
Umsetzung von
Security by Design
in Azure‐ und Databricks‐Umgebungen, u. a.:
Rollen‐ und Berechtigungskonzepte (Azure IAM)
Secrets‐Management
Netzwerk‐ und Systemisolation
Audit‐ und Compliance‐Anforderungen
Aufbau und Durchsetzung von
Governance‐Regeln für agentische Systeme
(Zugriffe, Guardrails, Policies, Kontrollmechanismen)
Kosten, Performance & Skalierung
Du stellst sicher, dass technische Exzellenz und Wirtschaftlichkeit zusammenpassen.
Transparenz und aktive Steuerung der
Betriebskosten in Azure und Databricks
(Compute, Storage, Token‐Kosten, Latenz)
Design von Architekturen, die
mit wachsenden Datenmengen und Agenten‐Netzwerken skalieren
Bewertung technischer und wirtschaftlicher Trade‐offs gemeinsam mit Engineering Manager und Product Strategist
Produktivsetzung & Betrieb
Du begleitest Systeme
bis in den produktiven Enterprise‐Betrieb
– und darüber hinaus.
Verantwortung für
Go‐Live‐Vorbereitung, Stabilisierung und Übergang in den Regelbetrieb
Erstellung von
Runbooks, Betriebsdokumentation und Architecture Decision Records
Vorbereitung der
Übergabe an Kunden‐IT oder interne Betriebsteams
Technischer Ansprechpartner in kritischen Projekt‐ und Betriebssituationen
Was wir suchen
Core Profile
Sehr erfahrener,
hands‐on Engineer
mit Schwerpunkt auf Cloud‐Plattformen (Microsoft Azure), DevOps und Enterprise‐Betrieb
Nachweisliche produktive Erfahrung mit Azure und Databricks
in Enterprise‐Umgebungen
Erfahrung mit
AI‐ und Data‐Workloads im produktiven Einsatz
(keine reine Infrastruktur‐ oder Konzeptrolle)
Starkes
AI‐First‐Mindset
mit klarem Verständnis für Stabilität, Security und Betrieb
AI‐ & Data Engineering
Erfahrung mit
LLM‐basierten Systemen und agentischen Architekturen
Verständnis für
ML‐Lifecycle‐Konzepte
(Training, Inferenz, Monitoring)
Architektur von agentischen Systemen inkl. Guardrails, Policies und Kontrollmechanismen
Cloud, DevOps & Plattform
Sehr gute praktische Erfahrung mit:
Microsoft Azure
(Compute, Networking, Storage, IAM, Security)
Databricks
(Data Engineering, ML‐ & AI‐Workloads)
CI/CD‐Pipelines
und Infrastructure as Code (z. B. Terraform, Bicep)
Monitoring, Logging und Observability im Enterpri