ti&m steht für technology, innovation & management. Der Name reflektiert die konsequente Ausrichtung auf innovative Lösungen auf Basis zukunftsorientierter Technologien und agiler Vorgehensweisen. Die ti&m besitzt Niederlassungen in Zürich und Bern und umfasst aktuell 140 IngenieureInnen.
ti&m steht für technology, innovation & management. Der Name reflektiert die konsequente Ausrichtung auf innovative Lösungen auf Basis zukunftsorientierter Technologien und agiler Vorgehensweisen. Die ti&m besitzt Niederlassungen in Zürich und Bern und umfasst aktuell 140 IngenieureInnen.
Spannende und innovative GenAI-Projekte für unsere Kunden: von Kreativ-Workshops über Proof-of-Concepts bis zur gemeinsamen Umsetzung produktiver Lösungen
Konzeption und Implementierung von LLM-basierten Applikationen
Design und Umsetzung von Retrieval-Augmented-Generation-Systemen (RAG)
Umsetzung von Structured Information Extraction aus unstrukturierten Dokumenten
Design und Realisierung von agentischen Systemen und AI-Workflows
Prompt- und Context-Engineering zur gezielten Steuerung von LLM-basierten Lösungen
Sorgfältige Evaluation deiner Lösungen nach dem Prinzip des Evaluation Driven Development (EDD), inklusive Observability über AI-Evaluation- und Observability-Plattformen
Du bringst deine Expertise auch in die Angebotsphase ein und gestaltest Offerten fachlich mit
Optionale Berührungspunkte mit klassischem Software Engineering und MLOps: Wo es Sinn ergibt, arbeitest du eng mit unseren Software- und ML-Engineers zusammen
Fortwährendes Lernen und stetige Weiterbildung im Bereich GenAI sowie Einblicke in die verschiedenen Branchen unserer Kunden
Abwechslung und spannende Zusammenarbeit in internen Projektteams sowie vor Ort bei unseren Kunden
Was du mitbringst
Einige Jahre Erfahrung in der Entwicklung von GenAI-Anwendungen, idealerweise im produktiven Einsatz für Kunden oder eigene Produkte
Ein abgeschlossenes Masterstudium in Informatik, Data Science oder einem verwandten Fachgebiet
Nachgewiesene Expertise bei der Implementierung und Betrieb von Retrieval-Augmented-Generation-Systemen (RAG)
Erfahrung mit agentischen Systemen und AI-Workflows sowie dem Model Context Protocol (MCP)
Sorgfältiger Umgang mit der Evaluation von LLM-Lösungen, vertraut mit Evaluation Driven Development (EDD) und AI-Evaluation- und Observability-Plattformen (AEOPs)
Vertraut mit modernen Vektordatenbanken, z. B. Qdrant, sowie mit Embedding- und Re-Ranking-Modellen
Verständnis von Open-Weight Large Language Models, inklusive multimodaler Modelle
Erfahrung mit LLM-Runtimes sowie LLM-Proxies bzw. Gateways
Sicherer Umgang mit Python und Software-Engineering-Best-Practices
Ausgeprägte Kommunikationsstärke und Freude an der Zusammenarbeit mit Team und Kunden
Verhandlungssicheres Deutsch und Englisch in Wort und Schrift
Von Vorteil: Cloud-Erfahrung in Infrastructure as Code (IaC), idealerweise Azure sowie Erfahrung mit Guardrailing von LLM-Anwendungen