Back-End Engineering generative KI für die Unternehmenssteuerung | GKV | LLM (m/w/d)

Westhouse ist eines der führenden internationalen Recruitment Unternehmen für die Vermittlung von hochqualifizierten Fachexperten.

Für unseren Kunden suchen wir aktuell eine/n

Back-End Engineering generative KI für die Unternehmenssteuerung | GKV | LLM (m/w/d) - Hamburg (20%) | Remote (80%)

Rahmeninformationen

• Referenz:
• Start:
• Dauer: bis Ende 2026 + Verlängerungsoption (mehrere Jahre)
• Standort: Hamburg (20%) | Remote (80%)
• Arbeitsumfang: full-time
• Sprachen: Deutsch

Ihre Qualifikationen

• Erfahrung mit grundlegenden Konzepten der Informatik, insbesondere Datenstrukturen, Algorithmen, automatisierten Tests, objektorientierter Programmierung, algorithmischer Komplexität und den Auswirkungen von Designentscheidungen auf die Softwareleistung.
• Mindestens 3 Jahre Erfahrung im Bereich Software-Entwicklung in Python und übergreifende Kenntnisse in z. B. Full Stack, App Entwicklung, oder Entwicklung verteilter Anwendungen.
• Mindestens 1 Jahr Erfahrung in der Arbeit an produktiven KI/ Data Science/ Data Analytics Projekten und spezialisierte Kenntnisse in einzelnen Data Science Fachbereichen (z. B. NLP, OCR usw.). Verständnis des ML-Lebenszyklus von der Datenextraktion bis zur Modellierung, Produktentwicklung und A/B‑Tests.
• Verständnis grundlegender Konzepte und Algorithmen der Statistik und des maschinellen Lernens.
• Erfahrung mit Big‑Data-Technologien (z. B. Hadoop, BigQuery, Spark) sowie in der Arbeit mit diversen Datenbanken.
• Erfahrung mit der Datenverarbeitung, -visualisierung und -modellierung in Python. Darüber hinaus fundierte Kenntnis von SQL.
• Erfahrung mit Cloud‑Computing‑Plattformen (z. B. MS Azure, AWS, GCP).
• Erfahrung in der Arbeit nach DevSecOps‑Grundsätzen und Vertrautheit mit bewährten Bereitstellungsmethoden der Branche unter Verwendung von CI/CD‑Tools und Infrastruktur als Code (z. B. Jenkins, Docker, Kubernetes, Terraform).
• Erfahrung mit Prompt Engineering für große Sprachmodelle (LLMs) sowie in der Anwendung von Techniken zur Bereitstellung anwendungsspezifischer Informationen für LLMs, wie z. B. Retrieval‑Augmented Generation (RAG).
• Erfahrung im Einsatz moderner Softwarebibliotheken wie LangChain zur Entwicklung von Workflows und Systemen auf Basis von LLMs.
• Projekterfahrung als Back‑End Engineer bzw. einer vergleichbaren Rolle in einer GKV in einem der folgenden Bereiche (mindestens einige Monate, bitte Rolle innerhalb des Projekts und Details über das Projekt beschreiben):
• ___Entwicklung eines fachbereichsübergreifenden KI‑gestützten Wissensmanagement‑Systems für eine GKV (z. B. Stationäre Versorgung, Hilfsmittel) mit LLM‑basierter Extraktion, Zusammenfassung und semantischer Suche (RAG) inkl. Re‑Ranking für Gesundheits‑ und Rechtsdokumente (Gerichtsurteile, Verträge, Richtlinien) zur Optimierung der internen Wissensverwaltung.
• ___KI‑getriebene Extraktion, Zusammenfassung und Darstellung von Vertragsinhalten und Preislisten für Leistungserbringer in der speziellen ambulanten Palliativversorgung (SaPV).
• ___LLM‑getriebene Extraktion, Zusammenfassung und Darstellung von Widersprüchen inkl. Anträgen, Verwaltungsakten, Gutachten und Kundenkorrespondenz im Bereich Pflege und Hilfsmittel.
• ___KI‑gestützte Extraktion, Strukturierung und Zusammenfassung von Leistungsabrechnungsdokumenten im Rahmen von Erörterungsverfahren zu Krankenhausabrechnungen – inklusive Aufbau einer Verarbeitungs‑Pipeline mit OCR (Azure Document Intelligence), Datenstrukturierung (XML) und LLM‑basierter Analyse zur Dokumenttyp‑Gruppierung, zeitlichen Einordnung und inhaltlichen Zusammenfassung.

Ihre Aufgaben

• Konzeption und Implementierung einer modularen Data‑Processing‑Pipeline in Python zur automatisierten Extraktion, Bereinigung und Anreicherung großer unstrukturierter Dokumentmengen (z. B. Verträge, Leistungsabrechnungen, Gutachten).
• Entwicklung und Integration von LLM‑basierten Komponenten (z. B. GPT, Claude, Mistral) zur semantischen Suche, Zusammenfassung und Re‑Ranking von Dokumentinhalten auf Basis von Retrieval‑Augmented Generation (RAG).
• Aufbau einer skalierbaren Backend‑Architektur auf AWS (alternativ: Azure oder GCP) mit Fokus auf Containerisierung (Docker, Kubernetes) und Infrastructure‑as‑Code (Terraform).
• Design und Umsetzung von ETL‑Prozessen zur Datenintegration aus heterogenen Quellen (SQL, CSV, XML, JSON, API) unter Nutzung von Pandas, PySpark und SQLAlchemy.
• Implementierung von OCR‑gestützten Dokumentenverarbeitungs‑Workflows (Azure Document Intelligence, Tesseract) zur strukturierten Erfassung von Gesundheits‑ und Abrechnungsdokumenten.
• Entwicklung und Optimierung von Machine‑Learning‑Modellen (z. B. Klassifikation, Clustering, Regressionsmodelle) zur automatischen Dokumenttyp‑Erkennung und Inhaltsanalyse.
• Erstellung und Pflege von Unit‑, Integration‑ und End‑to‑End‑Tests zur Qualitätssicherung der entwickelten Services unter Einsatz von pytest, unittest, mock und CI/CD‑Pipelines (Jenkins, GitLab CI).
• Implementierung von API‑Schnittstellen (REST/GraphQL) zur Bereitstellung der KI‑Ergebnisse an interne Systeme oder Web‑Frontends.
• Entwicklung von Data‑Visualization‑Komponenten zur interaktiven Darstellung von Analyseergebnissen (Dash, Plotly, Streamlit).
• Prompt Engineering und Workflow‑Automatisierung mit LangChain oder LlamaIndex, einschließlich Anpassung und Evaluierung von Prompts für anwendungsspezifische LLM‑Tasks.
• Integration von Sicherheits‑ und Datenschutzmaßnahmen gemäß DevSecOps‑Grundsätzen (Logging, Secrets‑Management, Compliance‑Anforderungen im Gesundheitswesen).
• Analyse und Performance‑Optimierung bestehender Softwarekomponenten unter Berücksichtigung von algorithmischer Komplexität und Ressourceneffizienz.
• Mitwirkung an der fachlichen Modellierung von Wissensdomänen (z. B. Pflege, Hilfsmittel, Krankenhausabrechnungen) zur Verbesserung der internen Wissensmanagement‑Systeme.
• Dokumentation der Architektur, Datenflüsse und KI‑Modelle sowie Erstellung technischer Reports für Projektbeteiligte und Fachbereiche.
• A/B‑Tests und Evaluation neuer KI‑Modelle oder Prompt‑Strategien zur Verbesserung der Ergebnisqualität und Benutzerakzeptanz.

Interessiert?

Wir freuen uns auf Ihre aussagekräftigen Bewerbungsunterlagen in elektronischer Form.

Ihre Ansprechpartner

Jesse Lüder
P:
E:

#J-18808-Ljbffr