Entwerfen und konzipieren von GenAI-Lösungen (einschliesslich RAG und Agents) zur Unterstützung bankfachlicher Anwendungsfälle Enge Zusammenarbeit mit Data Engineers und Fachexperten, um Daten und geschäftlichen Kontext zu verstehen und sicherzustellen, dass Modelle und Lösungen die relevanten Probleme adressieren Fokus auf erste Prototypen oder nicht-operationalisierte Anwendungsfälle Definition von Anforderungen und messbaren Leistungskennzahlen für Business Cases in enger Abstimmung mit den Fachbereichen Integration der Gen AI-Lösungen in die Plattform Enge Zusammenarbeit mit ML- und Cloud-Engineers sowie Fullstack-Entwicklern, um GenAI-Lösungen sicher und compliance-konform in die bestehende GenAI-Plattform zu integrieren Anforderungen Mehrjährige Erfahrung als Data Scientist Verständnis von GenAI-Technologien (RAG, Agents) und Erfahrung in der Optimierung von GenAI-Anwendungsfällen Fundierte Kenntnisse in ML-Frameworks (TensorFlow, PyTorch) und fortgeschrittenen Algorithmen, insbesondere im Bereich NLP und generative Modelle Solide Programmierkenntnisse in Python, inkl. Versionskontrolle Kenntnisse im Einsatz von ML-Pipeline-Tools (z. B. MLflow, Kubeflow oder Azure ML) Vertrautheit mit Bankprozessen und bankenspezifischen Vorschriften, die Einfluss auf Modellierungen haben Starkes Verständnis von Modellevaluation, Optimierungstechniken sowie dem Umgang mit Modellabweichungen oder -verzerrungen Erfahrung in der Übersetzung von Business-Logiken in technische Spezifikationen und Erkennen von Optimierungspotenzialen Fliessende Englischkenntnisse und gute Deutschkenntnisse (mind. B2) Persönlichkeit Sehr gute Kommunikationsfähigkeiten, um Teammitglieder zu koordinieren, Erwartungen zu managen und die Wertschöpfung sicherzustellen Fähigkeit, effektiv mit diversen Teams zusammenzuarbeiten Fähigkeit, pragmatische Lösungen für komplexe Herausforderungen zu entwickeln, insbesondere bei der Balance zwischen Innovation, technischer Machbarkeit sowie regulatorischen Anforderungen J-18808-Ljbffr