21.10.2026 aktualisiert
VL
100 % verfügbar
Senior AI Engineer – Agentic AI, LLM & Data Engineering (Python, GCP)
Schwalbach am Taunus, Deutschland
Weltweit
M.Sc. Digital Engineering (Spezialisierung Künstliche Intelligenz)Über mich
Senior AI Engineer (Frankfurt am Main): Agentic AI, LLM, RAG und Data Engineering mit Python auf GCP. Remote bevorzugt, Vor-Ort/Reisen möglich. Verfügbar ab 01.11.2026, Voll- oder Teilzeit.
Skills
RAGLLMVertex AIApache AirflowElasticsearchPythonNode.jsGoogle CloudApache SparkKubernetesApache KafkaDockerDatabricks
Senior AI Engineer mit 5+ Jahren Erfahrung in Data- und AI-Engineering sowie vier Jahren SAP BI für Enterprise-Kunden.
Enterprise AI: LLMs (OpenAI, Vertex AI, Bedrock, Open-Weight via vLLM), RAG und Hybrid Search, Agent-Orchestrierung (LangGraph), Prompt Design, MCP, LiteLLM Gateway, Guardrails
Integration & Security: REST/OpenAPI, MCP, Event Streams (SSE, Kafka), Per-User-Auth, Access Control, Sandboxing (gVisor), NetworkPolicy, Audit Logging
Data: Python, Node.js, SQL, Databricks, Spark, Delta Lake, Elasticsearch, BigQuery, Airflow, Kafka, SAP BI, ABAP
Cloud & Delivery: GCP (GKE, Vertex AI), Azure, Kubernetes, OpenShift, Docker, GitLab CI/CD, Langfuse, Grafana
Responsible AI: Grounding- und Zitierregeln, Evaluation, Privacy by Design; GARP Risk and AI Zertifikat (in Arbeit)
Branchenfokus: Banking, Finance, Versicherungen
Erfahrung
Berufserfahrung5 - 10 Jahre
Freelancer seit2026
Sprachen
DeutschGrundkenntnisseEnglischverhandlungssicher
Projekthistorie
Multi-User-AI-Agent für Finanzanalysten auf GKE, integriert ins Backend (typisierte Tools, Per-User-Skills, zitierte Berichte). Integration: Tools aus OpenAPI-Spec (Read-only-Allowlist), MCP-Server für Claude Code, LiteLLM-Gateway. Security: Aufrufe mit eigenen Credentials der Nutzer, Sandboxing, NetworkPolicy. RAG: Hybrid Retrieval (BM25 + kNN auf Vertex-AI-Embeddings, RRF). LLM-Pipelines (ESG-Incident-Pipeline, LangGraph-Finanzrisiko-Pipeline). Stack: Python, Node.js, LiteLLM, MCP, LangGraph, Elasticsearch, Vertex AI, Kubernetes (GKE).
Streaming-Datenplattform end-to-end: Kafka-Ingestion, S3, Elasticsearch-Indexierung, Live-Kibana-Dashboards auf OpenShift. Ablösung von Vector CANalyzer durch Echtzeit-Dashboards. Data-Quality-Algorithmen mit Spark, Databricks und Delta Lake auf Azure. Schulung der Kollegen (Elasticsearch, OpenShift, Docker). Stack: Python, Kafka, Spark, Databricks, Delta Lake, Elasticsearch, Kibana, OpenShift, S3, Azure.
Ingestion-Service von der Google-Trends-API in BigQuery. Kafka-Streaming (Faust), Airflow-Orchestrierung, FastAPI-Query-Layer; POC auf GitHub veröffentlicht. Stack: Python, Kafka, Faust, Airflow, BigQuery, FastAPI, Kubernetes.