Forward Deployed Engineer III, Google Cloud Consulting (Deutsch)

Mindestanforderungen:

• Bachelor-Abschluss oder gleichwertige praktische Erfahrung.
• 2 Jahre Erfahrung im Entwerfen, Bauen und Bereitstellen von NLP-Modellen und Generative AI Agents.
• Erfahrung in der Implementierung von DevOps- und MLOps-Pipelines.
• Erfahrung im Aufbau von Generative AI Lösungen in einer kundenorientierten Rolle.
• Erfahrung in ML-Infrastruktur (z. B. Model Deployment, Model Evaluation, Datenverarbeitung und Debugging) und Programmierung in Python.
• Fähigkeit, fließend Deutsch zu kommunizieren, um das Client Relationship Management in dieser Region zu unterstützen.

Bevorzugte Qualifikationen:

• Master oder PhD in AI, Computer Science oder einem verwandten technischen Bereich.
• Erfahrung in der Implementierung von Multi-Agent-Systemen unter Verwendung von Frameworks (z. B. LangGraph, CrewAI oder Googles ADK) und komplexen Mustern wie ReAct, Self-Reflection und hierarchischer Delegation.
• Kenntnisse von Large Language Model ("LLM-native") Metriken (tokens/sec, cost-per-request) und Techniken zur Optimierung des State Managements und des granularen Tracing.
• Nachgewiesene Fähigkeit zur Implementierung sicherer agentischer Workflows unter Einbeziehung von MCP, Tool-Calling und OAuth-basierter Authentifizierung.
• Fähigkeit, fließend Französisch, Spanisch, Italienisch oder andere europäische Sprachen zu kommunizieren, um das Client Relationship Management in dieser Region zu unterstützen.

Verantwortlichkeiten

• Agieren als primärer Entwickler für komplexe AI Anwendungen, wobei der Übergang von Rapid Prototypes zu produktionsreifen agentischen Workflows (z. B. Multi-Agent-Systeme, Model Context Protocol (MCP) Servern) erfolgt, die einen messbaren Return on Investment (ROI) generieren.
• Architektur und Programmierung des Bindeglieds zwischen Googles AI Produkten und der Live-Infrastruktur des Kunden, einschließlich APIs, Legacy Data Silos und Security Perimeters.
• Aufbau von hochperformanten Evaluation (Eval) Pipelines und Observability Frameworks, um sicherzustellen, dass agentische Systeme präzise Anforderungen an Genauigkeit, Sicherheit und Latenz erfüllen.
• Identifizierung von wiederholbaren Field Patterns und technischen "Friction Points" im AI Stack von Google, um diese in wiederverwendbare Module oder formale Product Feature Requests für die Engineering Teams umzuwandeln.