Job Opportunities API

The Public Ledger of Openings

← Back to the ledger

Senior AI Engineer – Architecture & Platform (m/w/d)

ottonova
Companyottonova
CategoryEngineering
LocationMünchen
RemoteOn-site (inferred)
EmploymentNot stated
LevelSenior
SalaryNot stated by the employer
Posted29 Jun 2026
Last verified12 Aug 2026
SourceEmployer ATS (personio)
Applications are handled by the employer, not by us.Apply on the employer's site →
Description
ottonova ist Deutschlands erste digitale private Krankenversicherung. Wir sind  anders : Wir leben dafür, Kunden eine zeitgemäße, einfache und digitale Customer Experience zu bieten und treiben mit unseren agilen Teams Innovation in der Versicherungsbranche voran. Als digitales Unternehmen setzen wir von Anfang an auf datengetriebene Prozesse. Unsere automatisierten Systeme erzeugen täglich eine große Menge an Daten, die in unserer zentralen Data & Analytics Einheit analysiert und für intelligente Anwendungen genutzt werden. Die Datenquellen einer digitalen Versicherung sind dabei so vielfältig wie in kaum einer anderen Branche – von Kundenchats und Schadenshistorien bis hin zu Sales- und Finanzkennzahlen. Unser Team Artificial Intelligence ist der jüngste Bereich innerhalb von Data & Analytics – und hat schnell gezeigt, was mit KI möglich ist: Lösungen wie automatisierte E-Mail-Zuordnung, intelligente Dokumentenverarbeitung und Chat-Teilautomatisierung entlasten unsere Fachbereiche bereits heute spürbar. Jetzt suchen wir Verstärkung, um noch mehr möglich zu machen. Dein Fokus: Umsetzung von AI Use Cases Der Großteil deiner Zeit fließt in die direkte Umsetzung von AI Use Cases: Du entwickelst (generative) KI-Lösungen von der ersten Idee bis zum produktiven Einsatz – inklusive automatisiertem Deployment. Dein Ziel: die Optimierung von Prozessen und Nutzererlebnissen, z.B. durch personalisierte Kundeninteraktionen oder die Unterstützung unserer Service-Agents bei der Bearbeitung von Chats Du entwickelst und implementierst zuverlässige Validierungs- und Testverfahren, um die Generalisierbarkeit und Zuverlässigkeit der KI-Modelle sicherzustellen Du überwachst und optimierst kontinuierlich die eingesetzten Modelle hinsichtlich Leistung und Effizienz Bei der Implementierung arbeitest du eng mit dem Produktmanagement, unseren Full-Stack-Engineers und Fachbereichen zusammen, um KI-Lösungen nahtlos in unsere Systeme zu integrieren Mitwachsende Verantwortung: Solution Architecture & Platform Darüber hinaus übernimmst du Verantwortung für die technische Weiterentwicklung unserer AI-Plattform – in dem Maß, wie du das Team und die Systeme kennenlernst: Du konzipierst die technische Lösungsarchitektur für neue AI Use Cases, identifizierst kritische Abhängigkeiten frühzeitig und validierst technische Annahmen – bevor die Umsetzung startet Du gibst dem Team technische Orientierung und bist Sparringspartner für die Frage, wie wir unsere AI-Plattform sinnvoll weiterentwickeln Du hilfst uns, technische Standards, Best Practices und wiederverwendbare Patterns zu etablieren – pragmatisch und passend zu unserer Teamgröße Unser gemeinsamer Anspruch als Team Für uns alle gehört es als eine Form von Selbstverständnis zu unserer Rolle und wird so auch Teil deines Alltags sein: Technologie-Scouting: Du analysierst neue KI-Trends und Technologien und bewertest ihr Potenzial für ottonova, um Innovationen gezielt voranzutreiben Knowledge Sharing: Du stellst den Erfolg und effektiven Einsatz der implementierten KI-Lösungen durch Dokumentationen und Knowledge-Sharing-Sessions sicher und fungierst als technischer Sparringspartner für das Team Grundlage deines Profils bildet ein Studienabschluss in Informatik, Computer Science oder einem verwandten technischen, mathematischen oder naturwissenschaftlichen Fachgebiet 5+ Jahre Erfahrung in der Entwicklung und Produktivsetzung von KI/ML-Lösungen in Unternehmensumgebungen mit einem starken Portfolio erfolgreicher Anwendungsfälle Fundierte Kenntnisse in generativer KI (LLMs, Retrieval-Augmented Generation, Agentic Workflows, Vektordatenbanken, Embeddings) sowie im klassischen Machine Learning Cloud & MLOps Expertise: Erfahrung mit Cloud-basierten ML-Services (z.B Modell-Hosting, Serverless Compute) und gängigen MLOps-Tooling (z.B. Docker, CI/CD-Pipelines).  Erfahrung mit AWS ist ein großes Plus (Bedrock, Lambda, Fargate, E