Automation Engineer Submission Data and Content Generation & Reuse (AIDCG) - Pharma R&D — Roche

Vollständige Beschreibung

Bei Roche können Sie sich als Sie selbst zeigen, umarmt für die einzigartigen Qualitäten, die Sie mitbringen. Unsere Kultur fördert persönlichen Ausdruck, offenen Dialog und echte Verbindungen, in denen Sie geschätzt, akzeptiert und respektiert werden, wer Sie sind, so dass Sie sowohl persönlich als auch beruflich gedeihen können. Auf diese Weise wollen wir Krankheiten verhindern, stoppen und heilen und sicherstellen, dass jeder heute und für die kommenden Generationen Zugang zu medizinischer Versorgung hat. Treten Sie Roche bei, wo jede Stimme wichtig ist.

Die Position Über die Rolle Wir stellen einen GenAI Agent Developer ein, um der AIDCG-Initiative beizutreten, einem transformativen Programm, das sich auf die Automatisierung komplexer, mehrstufiger Dokumentengenerierungs-Workflows durch hochmoderne KI-Agenten konzentriert. Diese Rolle vereint fortschrittliches GenAI-Engineering, Open-Source-Innovation und AWS-Cloud-Expertise, um KI-Agenten in Produktionsqualität bereitzustellen, die genau, skalierbar und hochsicher sind. Sie entwerfen Orchestrierungs-Frameworks, die rohe, unstrukturierte Daten in hochstrukturierte, konforme Ausgaben umwandeln.

Beschreibung des Gebiets Aufgabenbereich

• Agentische Architektur: Design, Deployment und Skalierung von Multiagenten-Orchestrierungssystemen und autonomen Workflows unter Verwendung modernster Frameworks.
• Advanced RAG Pipelines: Erstellen und Optimieren von Advanced Retrieval-Augmented Generation (RAG) Pipelines über massive, heterogene Datensätze (strukturiert und unstrukturiert).
• Zustands- und Speichermanagement: Implementieren Sie robustes Zustandsmanagement, Kurz- / Langzeitspeichersysteme und Selbstkorrektur- / Reflexionsschleifen in Agentennetzwerken.
• Evaluation & Guardrails: Erstellen und implementieren Sie robuste Evaluierungsmetriken, Observability-Pipelines und Leitplanken für Inhaltsqualität, Halluzinationsreduktion, Bias-Minderung und Sicherheitsstandards.
• Performance-Optimierung: Überwachen und optimieren Sie die KI-Inferenzkosten, Latenz, Durchsatz, Token-Nutzung und die Zuverlässigkeit des Gesamtsystems.
• Security & Access Control: Implementieren Sie robuste Zugriffskontrollen, Datenverschlüsselung, Benutzerauthentifizierung und sofortige Injektionsminderung in allen LLM-Workflows.
• Collaboration & Best Practices: Dokumentieren und teilen Sie wiederverwendbare Agentenmuster, Eingabeaufforderungsbibliotheken und Engineering-Komponenten in funktionsübergreifenden technischen Teams.

Qualifikationen Bildung / Erfahrung

• Demonstrierte Erfahrung in der Übernahme mehrdeutiger Aufgaben, der erfolgreichen Förderung kleiner bis mittlerer Initiativen und der Tätigkeit als technischer Mentor.
• Nachgewiesene Erfolgsbilanz bei der Teilnahme an Initiativen zum Wissensaustausch, bei internen technischen Veranstaltungen und beim Navigieren in Gruppendynamiken in diversifizierten Umgebungen.

Technische Fähigkeiten

• GenAI Development: Advanced prompt engineering, fine-tuning, RAG/GraphRAG, schema-constrained outputs, function/tool-calling, and semantic caching.
• Agentische Frameworks: LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen und DSPy.
• Vektordatenbanken: FAISS, Milvus, Qdrant, Pinecone, Weaviate und Pgvector.
• LLM Serving & Infra: vLLM, Hugging Face TGI und Ollama (für lokale Entwicklung).
• Guardrails & Validation: NeMo Guardrails, Guardrails AI, Pydantic und Instructor.
• LLM Ops & Observability: Ragas, DeepEval, Langfuse, LangSmith und Phoenix.
• Daten Parsing: Unstrukturiert, Apache Tika, LlamaParse und PDFPlumber.
• Programmierung & DevOps: Python (FastAPI, asyncio), REST/GraphQL APIs, Git, CI/CD Pipelines, Docker, Kubernetes und OpenTelemetry.
• Emerging Protocols: Model Context Protocol (MCP) und Agent2Agent Kommunikationsstandards.

AWS Ecosystem (Baseline Experience)

• Amazon Bedrock: Foundation-Modellzugriff, benutzerdefinierte Konfigurationen und Workflows für Managed Agents.
• Amazon SageMaker: Feintuning, Hosting, Evaluierung und Bereitstellung von Open-Source-LMs.
• Amazon OpenSearch Service: Vektorsuche, Hybridsuche und Enterprise Retrieval-Infrastruktur.
• AWS Step Functions: Multi-step orchestration and state machine management for hybrid AI/traditional pipelines.

Zusätzliche Qualifikationen

• Problemlösung: Eine analytische Denkweise, die in der Lage ist, hochgradig abstrakte, mehrdeutige Logikschleifen in vorhersehbares Agentenverhalten aufzubrechen