Ai-port GmbH
ai-port ist ein unabhängiger Lösungsfinder für Digitale Transformation und den Einsatz von Künstlicher Intelligenz im Bereich der Arbeit - und wir haben JOBfellow entwickelt.
Wir und unser Netzwerk wollen Gefährten sein, die Unternehmen auf dem Weg der Digitalen Transformation mit ihrem Wissen begleiten. Dabei unterstützen wir unsere Kund*innen bei der Arbeit mit externen Dienstleistern, helfen bei der Konzeption, Bewertung sowie der Koordinierung externer Lösungen, entwickeln eigene Tools und behalten dabei die Gesamtheit des Unternehmens im Auge.
Sie suchen als Unternehmen Kandidat*innen mit nachfolgenden Profilen - schreiben Sie uns an: mail@ai-port.de
Wir bauen Talent-Pools in nachfolgenden "neuen" Jobprofilen auf - die Pools werden nach und nach freigeschaltet.
I. Direkte KI-Entwicklung und -Implementierung
Dies sind die Rollen, die KI-Systeme bauen, trainieren und warten. Sie sind oft in R&D-Abteilungen, Tech-Teams oder als Teil von spezialisierten KI-Units zu finden.
Machine Learning Engineer (MLE)
Fokus: Entwicklung, Training und Einsatz (Deployment) von ML-Modellen. Integration in Produkte und Dienste. Skalierung von ML-Lösungen.
Warum jetzt/zukünftig: Jedes Unternehmen, das Daten nutzt, wird ML-Modelle für Vorhersagen, Personalisierung oder Automatisierung einsetzen (z.B. Kunden-Churn-Vorhersage, Empfehlungssysteme, Betrugserkennung).
Data Scientist
Fokus: Analyse von Daten zur Gewinnung von Erkenntnissen, Entwicklung von Prototypen für ML-Modelle. Übersetzung von Geschäftsproblemen in Datenfragen.
Warum jetzt/zukünftig: Fundamentale Rolle, um den Wert aus Unternehmensdaten zu extrahieren und neue KI-Anwendungsfälle zu identifizieren.
KI-Ingenieur:in (AI Engineer)
Fokus: Gesamtheitliche Entwicklung und Integration von KI-Systemen. Kann ML, NLP, Computer Vision umfassen. Oft breiter aufgestellt als reine MLEs.
Warum jetzt/zukünftig: Für Unternehmen, die eine breite Palette von KI-Lösungen implementieren wollen.
NLP Engineer / Scientist
Fokus: Entwicklung von Systemen zum Verstehen, Generieren und Analysieren menschlicher Sprache. Wichtig für Chatbots, Kundenservice-Automatisierung, Textanalyse, Wissensmanagement.
Warum jetzt/zukünftig: Sprachbasierte Interaktionen werden im Kundenservice, Marketing und in internen Prozessen immer wichtiger.
Computer Vision Engineer / Scientist
Fokus: Entwicklung von Systemen zur Analyse und Interpretation von Bildern und Videos. Relevant für Qualitätskontrolle in der Produktion, Sicherheitsüberwachung, medizinische Diagnostik, autonomes Fahren (Logistik).
Warum jetzt/zukünftig: Visuelle Daten sind überall, ihre automatisierte Analyse bietet immense Effizienzpotenziale.
MLOps Engineer
Fokus: Brücke zwischen Entwicklung und Betrieb von ML-Modellen. Sicherstellung, dass KI-Modelle zuverlässig, skalierbar und effizient in der Produktion laufen.
Warum jetzt/zukünftig: Ohne MLOps bleiben viele KI-Projekte im Prototypen-Stadium stecken. Essentiell für die Produktivsetzung und Wartung von KI.
II. KI-Strategie, Management und Anwendung
Diese Rollen sind für die strategische Ausrichtung, das Management und die effektive Anwendung von KI im Unternehmen zuständig.
KI-Produkmanager:in (AI Product Manager)
Fokus: Definition von KI-gestützten Produkten und Funktionen. Übersetzung von Kundenbedürfnissen in technische Anforderungen für KI-Teams. Management des gesamten Produktlebenszyklus.
Warum jetzt/zukünftig: Die Notwendigkeit, KI-Technologie in gewinnbringende Produkte zu verwandeln, erfordert spezialisierte Produktmanager.
KI-Strategieberater:in / Head of AI Strategy
("AI Lead" oder "Head of Digital Transformation")
Fokus: Entwicklung einer unternehmensweiten KI-Strategie. Identifikation von KI-Anwendungsfällen, Bewertung von Technologien, Management von KI-Investitionen und -Initiativen.
Warum jetzt/zukünftig: Viele Unternehmen wissen, dass sie KI brauchen, aber nicht, wie sie sie effektiv implementieren sollen. Diese Rolle schließt die Lücke.
KI-Trainer:in / KI-Adoption Specialist
Fokus: Schulung von Mitarbeitern im Umgang mit KI-Tools, Entwicklung von Best Practices, Förderung der KI-Kompetenz im Unternehmen.
Warum jetzt/zukünftig: Die Akzeptanz und effektive Nutzung von KI hängt stark von der Befähigung der Mitarbeiter ab.
Profil anschauen
Prompt Engineer / KI-Optimierer:in (für Generative KI)
Fokus: Spezialist für die Kommunikation mit und Optimierung der Ausgaben von Generativen KI-Modellen. Schafft Richtlinien und Bibliotheken für effektive Prompts.
Warum jetzt/zukünftig: Generative KI wird in fast jeder Abteilung eingesetzt werden (Marketing, HR, Entwicklung, Kundenservice), und die Qualität der Ergebnisse hängt maßgeblich von guten Prompts ab.
Ethical AI Lead / AI Governance Specialist
Fokus: Sicherstellung eines verantwortungsvollen Einsatzes von KI, Einhaltung von Richtlinien (Fairness, Transparenz, Datenschutz, Compliance).
Warum jetzt/zukünftig: Regulatorische Anforderungen und das Bewusstsein für potenzielle Risiken von KI (Bias, Diskriminierung) nehmen stark zu.
III. KI-gestützte Fachrollen (Traditionelle Berufe mit starkem KI-Fokus)
Diese Rollen nutzen KI-Tools intensiv, um ihre primären Aufgaben besser zu erfüllen. Hier werden traditionelle Berufe durch KI augmentiert.
Marketing-Spezialist:in mit KI-Fokus
("Performance Marketing Manager AI" oder "Data-Driven Marketing")
Fokus: Nutzung von KI für personalisiertes Marketing, A/B-Testing, Content-Generierung, Zielgruppenanalyse, Kampagnenoptimierung.
Warum jetzt/zukünftig: KI revolutioniert das Marketing durch datengetriebene und automatisierte Ansätze.
Profil anschauen
Kundenservice-Manager:in mit KI-Fokus
Fokus: Implementierung und Optimierung von KI-gestützten Chatbots, Voicebots, intelligenten Wissensdatenbanken und Agenten-Assistenzsystemen.
Warum jetzt/zukünftig: KI verbessert die Effizienz und Qualität des Kundenservice erheblich.
HR-Analyst:in / HR-Manager:in mit KI-Fokus
("People Analytics Specialist" oder "HR Digitalization Lead")
Fokus: Einsatz von KI für Talent Acquisition (KI-gestützte Vorauswahl, Matching), Mitarbeiterentwicklung (personalisierte Lernpfade), Fluktuationsanalyse.
Warum jetzt/zukünftig: KI kann HR-Prozesse effizienter und fairer gestalten.
Supply Chain / Logistik-Manager:in mit KI-Fokus
("Digitalisierung Manager Logistik" oder "Data Scientist Supply Chain")
Fokus: Nutzung von KI für Nachfrageprognosen, Routenoptimierung, Lagerbestandsmanagement, Risikoanalyse in Lieferketten.
Warum jetzt/zukünftig: KI verbessert die Effizienz, Resilienz und Kostenkontrolle in komplexen Lieferketten.
Profil anschauen
Cybersecurity Analyst mit KI-Fokus
("Threat Intelligence Analyst" oder "SOC Analyst mit KI-Erfahrung")
Fokus: Einsatz von KI für die Erkennung von Bedrohungen, Anomalie-Erkennung, Verhaltensanalyse und Automatisierung von Abwehrmaßnahmen.
Warum jetzt/zukünftig: KI ist entscheidend, um die wachsende Komplexität und Geschwindigkeit von Cyberangriffen zu bewältigen.