Auf einen Blick
Führe die Entwicklung von agentic AI-Systemen, RAG-Lösungen und Enterprise Data Platforms an. Ideal für Principal-level Engineers mit 10+ Jahren Erfahrung und KI-Fachkenntnissen.
💰 $180.000–250.000/Jahr
📊 Lead
🕒 Vollzeit
🗺️ Americas
- 10+ Jahre Softwareentwicklung
- Strong Python und SQL
- Data Architecture Design und Operations
- RAG und LLM-Erfahrung
Python
Spark
Databricks
Kafka
Snowflake
RAG
LLM
Node.js
✅ Geeignet für
- Principal-level Engineers mit AI/ML-Fokus
- Data Architecture Leaders
- LLM und RAG-Spezialisten
🚫 Weniger geeignet
- Senior Engineers ohne 10+ Jahre Erfahrung
- Frontend- oder UI-spezialisierte Entwickler
💡 Gut zu wissen
- Dies ist eine Principal-level (nicht Staff) Position
- RAG und Agentic Models sind Kernkompetenzanforderungen
- RBC Hybrid Multi-cloud (AWS/Azure) erforderlich
Über das Unternehmen
RBC sucht einen Principal AI Engineer für die Entwicklung von agentic AI-Systemen, Retrieval Augmented Generation (RAG) und Enterprise Data Platforms, die datengestützte KI-Anwendungen für RBC ermöglichen.
Deine Aufgaben
- Architektur und Implementierung agentic Systems mit Tool-using Agents, Workflow-Orchestration und Multi-Step Reasoning Pipelines
- Design und Bereitstellung von RAG-Lösungen mit Document Ingestion, Vector Search und Grounding-Strategien
- Aufbau von Evaluation Harnesses und Quality Gates für Produktions-KI-Systeme
- Implementierung von Observability für KI-Systeme mit Tracing, Telemetrie und Drift Detection
- Leitung von Batch- und Real-Time Data Pipelines für Analytics und KI-Use-Cases
- Design von Data Products mit klaren Verträgen, Dokumentation und SLAs
- Backend-Services und APIs zur Verwaltung von Data Products und KI-Workflows
- Beitrag zu Reference Architectures und wiederverwendbaren Libraries für Team-übergreifende Beschleunigung
Deine Voraussetzungen
- Bachelor-Abschluss in Informatik oder verwandtem technischen Fachbereich
- 10+ Jahre professionelle Softwareentwicklung mit starkem Python und SQL (Spark, Databricks bevorzugt)
- Nachweisliche Erfahrung im Design und Betrieb skalierbarer Data-Architekturen
- Umfassendes Verständnis von Algorithmen, Datenstrukturen und Systems Engineering
- Praktische Erfahrung mit Data Engineering Platforms (PySpark, Databricks, Airflow, Kafka, Snowflake)
- Erfahrung mit Produktions-Services und APIs (Node.js und Apigee bevorzugt)
- Praktische Erfahrung mit KI-Systemen: RAG, LLM-Anwendungsentwicklung, Evaluation, Observability
Benefits
- Umfassendes Total Rewards Programm mit Boni und flexiblen Leistungen
- Wettbewerbsfähige Vergütung und Aktienoptionen
- Führung durch Coaching und Entwicklungsmöglichkeiten
- Innovative Herausforderungen mit KI und SRE-Prinzipien
