1. تصميم وبناء تطبيقات مدعومة بالذكاء الاصطناعي: بناء حلول مدعومة بالذكاء الاصطناعي، وتطبيقات ويب، وواجهات برمجة التطبيقات (APIs)، وتكاملات سير العمل باستخدام الذكاء الاصطناعي التوليدي (GenAI)، والوكلاء، وذكاء المستندات، والرؤية الحاسوبية، والتعلم الآلي التقليدي أو ما شابه ذلك، ولكن فقط حيث يتفوق الذكاء الاصطناعي على الحلول التقليدية الأبسط. تحويل مشكلات الأعمال غير الواضحة إلى فرضيات قابلة للاختبار وأجزاء عمودية تعمل للتحقق المبكر من صحتها مع المستخدمين. تقييم النماذج الأولية من فريق الذكاء الاصطناعي الأساسي لدى LEONI، أو مستخدمي الأعمال، أو المطورين غير المحترفين. اتخاذ القرار مع أصحاب المصلحة بشأن تقويتها، أو إعادة كتابتها، أو دمجها، أو شرائها، أو إيقافها، ونقل الحلول المختارة إلى مرحلة الإنتاج مع الاختبارات، والتكامل والتسليم المستمرين (CI/CD)، والقابلية للملاحظة، والتوثيق.
2. دمج الذكاء الاصطناعي مع أنظمة وبيانات LEONI: بناء تكاملات آمنة وقابلة لإعادة الاستخدام، وبروتوكولات سياق النموذج (MCPs)، وواجهات برمجة التطبيقات مع أنظمة المؤسسة والهندسة في LEONI. احترام حدود الهوية والوصول وحوكمة البيانات الحالية بدلاً من نسخ البيانات إلى تطبيقات ذكاء اصطناعي معزولة. العمل مع مالكي الأنظمة لجعل الأنظمة الاستراتيجية مهيأة للذكاء الاصطناعي بشكل متزايد.
3. هندسة سلوك موثوق للذكاء الاصطناعي: تصميم التقييمات، ومجموعات بيانات الاختبار، واختبارات المخرجات الاحتمالية، مع معايير جودة متفق عليها مع مالكي العمليات. تطبيق ضمانات مناسبة للمخاطر، والمراجعة البشرية، والحلول البديلة، وإظهار قيود النموذج للمستخدمين بوضوح. حماية حلول الذكاء الاصطناعي من المخاطر الخاصة بالذكاء الاصطناعي مثل حقن الأوامر (prompt injection)، وتسريب البيانات من خلال الاسترجاع، وأفعال الوكيل غير المقصودة، وبالتعاون مع الشؤون القانونية وأمن المعلومات، تطبيق عناصر التحكم المتعلقة بالامتثال للائحة العامة لحماية البيانات (GDPR)، وقانون الذكاء الاصطناعي للاتحاد الأوروبي، ومتطلبات أمن المعلومات لشركة LEONI. مراقبة الجودة، والاستخدام، وزمن الاستجابة، والتكلفة، والأعطال أثناء التشغيل.
4. المساهمة في منصات الذكاء الاصطناعي والأسس القابلة لإعادة الاستخدام: بناء خدمات ذكاء اصطناعي، وقوالب، ومستودعات بداية، وتطبيقات مرجعية قابلة لإعادة الاستخدام. صياغة نهج LEONI لتطوير البرمجيات بمساعدة الذكاء الاصطناعي لتكنولوجيا المعلومات بالإضافة إلى المطورين غير المحترفين والتطبيقات المدارة التي تبنيها قطاعات الأعمال. اختيار ومقارنة النماذج وخيارات الاستضافة (مثل الاستضافة السحابية مقابل النماذج مفتوحة الأوزان) بناءً على معايير الجودة والتكلفة وزمن الاستجابة وحماية البيانات، وإدارة تحديثات النماذج وإلغائها وعمليات النقل دون تعطيل المستخدمين. المساعدة في تحديد واجهات قياسية لمعالجة المستندات، والاسترجاع، والوصول إلى النماذج، والمصادقة، وتسجيل البيانات، والتقييم.
5. دعم تحسين الممارسات الهندسيّة في عصر الذكاء الاصطناعي: تعزيز الأساسيات السليمة مثل التصميم البرمجي الموديلار (الوحدوي)، والتحكم في الإصدارات، والاختبار الآلي، ومراجعة الكود. استخدام مساعدي البرمجة بالذكاء الاصطناعي بإنتاجية مع البقاء مسؤولاً عن النتيجة، والمساعدة في وضع معايير خفيفة الوزن للكود المُنشأ بواسطة الذكاء الاصطناعي. المشاركة في مراجعات الهندسة المعمارية والأمن، والمساعدة في تصميم ضوابط متناسبة مع مستويات المخاطر المختلفة.
6. العمل عبر قطاعات الأعمال والذكاء الاصطناعي وتكنولوجيا المعلومات: التعاون مع فريق الذكاء الاصطناعي الأساسي في LEONI، ومعمارية تكنولوجيا المعلومات، وأمن تكنولوجيا المعلومات، وأدوار تكنولوجيا المعلومات الأخرى، ومالكي البيانات، وخبراء العمليات لتحويل نتائج الأعمال إلى زيادات في التسليم. شرح المفاضلات بوضوح لأصحاب المصلحة غير الفنيين، وتوجيه مهندسي تكنولوجيا المعلومات الآخرين أو المطورين غير المحترفين عند الحاجة. المساهمة بالدراية الفنية للتنفيذ لزملاء تكنولوجيا المعلومات والتطوير الآخرين دون أن تصبح مسؤول الدعم الدائم للتطبيق المُنشأ محلياً.
المزايا: ستكون جزءاً من فريق أتمتة متعدد الوظائف في بيئة عالمية. ستتعاون مع أصحاب المصلحة في مجالات الأعمال وتكنولوجيا المعلومات مع المساهمة في مبادرات الأتمتة القابلة للتوسع. ستعمل في بيئة تقدر الابتكار والتجربة والنمو. فرص للحصول على الشهادات والتطوير المهني.
هل أنت مهتم؟ قدم الآن جميع الوظائف: نلتزم بتكافؤ الفرص لجميع الجنسين؛ وللتبسيط اللغوي وسهولة القراءة، تُستخدم صيغة المذكر فقط في النص. تقوم LEONI بمعالجة بيانات طلبك في نظام تكنولوجيا معلومات موحد عبر الشركة وتستخدم مزودي خدمات خارجيين. بإرسال طلبك، فإنك توافق على هذا الإجراء. تضمن LEONI الامتثال لحماية البيانات.
المواصفات المطلوبة في المرشح
خبرة أساسية: عادةً ما تكون أكثر من 6 سنوات من الخبرة المهنية في هندسة البرمجيات، بما في ذلك سنتين على الأقل في بناء حلول قائمة على الذكاء الاصطناعي أو نماذج اللغات الكبيرة (LLM)، أو تأثير مثبت يعادل ذلك. الهندسة: خبرة مهنية قوية في بناء وتشغيل تطبيقات full-stack برمجية متقدمة في بيئة مؤسسية ذات حجم أو تعقيد مماثل، مع أسس متينة في المعمارية، وواجهات برمجة التطبيقات، والتكامل، والاختبار، والأمن، والنشر. الذكاء الاصطناعي: خبرة مثبتة في بناء حلول الذكاء الاصطناعي والحلول القائمة على الوكلاء (Agentic) وتشغيلها في مرحلة الإنتاج، بما في ذلك التقييم، واختبار التراجع، ومراقبة الجودة؛ استخدام Python و/أو TypeScript على إحدى المنصات السحابية الكبرى (يفضل Azure). الملكية والمسؤولية: سجل حافل ومثبت في حل مشكلات الأعمال المفتوحة عملياً باستخدام الذكاء الاصطناعي بدءاً من المحادثة الأولى وحتى الوصول إلى حل إنتاجي يعمل بموثوقية، بدلاً من مجرد تنفيذ حالات استخدام محدودة ومحددة بوضوح فقط. العقلية: عقلية المنتج: تضع في اعتبارك المستخدم النهائي، ونتيجة الأعمال، والتشغيل طويل الأجل، وليس فقط التنفيذ الأولي. اللغات: إتقان اللغة الإنجليزية؛ واللغة الألمانية بمستوى B2 على الأقل، أو الاستعداد للوصول إلى هذا المستوى خلال العام الأول.
خبرة يُفضل وجودها: خبرة في العمل عبر وظائف الأعمال والفرق الفنية. خبرة في أطر عمل نماذج اللغات الكبيرة (LLM) والوكلاء مثل LangChain أو LangGraph أو المكتبات المماثلة. الإلمام بتقنيات وأدوات Microsoft المستخدمة في بيئات المؤسسات. خبرة في الذكاء الاصطناعي الصناعي في مرحلة الإنتاج، مثل الفحص البصري، أو الصيانة التنبؤية، أو اكتشاف الانحرافات، بما في ذلك MLOps لنماذج التعلم الآلي التقليدية والرؤية الحاسوبية. خبرة في التصنيع، أو توريد السيارات من المستوى الأول (Tier 1)، أو صناعة السيارات، ويفضل أن يكون ذلك مع موضوعات المصانع الذكية مثل دمج بيانات أرضية المصنع، والتصنيع...
1. Design and build AI-enabled applications Build AI-enabled solutions, web apps, APIs and workflow integrations using GenAI, agents, document intelligence, computer vision, classical machine learning or similar, but only where AI beats simpler conventional solutions. Turn unclear business problems into testable hypotheses and working vertical slices for early user validation. Assess prototypes from LEONI s Core AI team, business users, or citizen developers. Decide with stakeholders whether to harden, rewrite, integrate, buy or discontinue them, and take the chosen ones to production with tests, CI/CD, observability and documentation.
2. Integrate AI with LEONI systems and data Build secure, reusable integrations, MCPs and APIs to LEONI enterprise and engineering systems. Respect existing identity, access and data-governance boundaries instead of copying data into isolated AI apps. Work with system owners to make strategic systems increasingly AI-ready.
3. Engineer reliable AI behavior Design evaluations, test datasets and tests for probabilistic outputs, with quality thresholds agreed with process owners. Implement risk-appropriate safeguards, human review and fallbacks, and make model limitations visible to users. Protect AI solutions against AI-specific risks such as prompt injection, data leakage through retrieval and unintended agent actions, and, in collaboration with Legal and Information Security, implement controls that relate to compliance with GDPR, the EU AI Act and LEONI's InfoSec requirements. Monitor quality, usage, latency, cost and failures in operation.
4. Contribute to AI platforms and reusable foundations Build reusable AI services, templates, starter repositories and reference implementations. Shape LEONI's approach to AI-assisted development for IT as well as Citizen Developers and governed business-built applications. Select and compare models and hosting options (e.g. cloud-hosted vs. open-weight) on quality, cost, latency and data-protection criteria, and manage model updates, deprecations and migrations without disrupting users. Help define standard interfaces for document processing, retrieval, model access, authentication, logging and evaluation.
5. Support improvement of engineering practices in the AI era Promote sound fundamentals such as modular design, version control, automated testing and code review. Use AI coding assistants productively while staying accountable for the result and help set lightweight standards for AI-generated code. Take part in architecture and security reviews and help design proportionate controls for different risk levels.
6. Work across business, AI and IT Collaborate with LEONI s Core AI Team, IT architecture, IT security, other IT roles, data owners and process experts to turn business outcomes into delivery increments. Explain trade-offs clearly to non-technical stakeholders and coach other IT Engineers or Citizen Developers, where needed. Contribute implementation know-how to other IT and Citizen Development colleagues without becoming the permanent support owner for a locally built app.
Benefits You ll be part of a cross-functional automation team in a global environment You will collaborate with business and IT stakeholders while contributing to scalable automation initiatives. You ll work in an environment that values innovation, experimentation, and growth. Opportunities for certifications and development.
Interested? Apply now All jobs People of all genders are always meant equally; for linguistic simplification and better readability, only the masculine form is used in the text. LEONI processes your application data in an IT-system that is consistent across the company and uses Foreign Service providers. By sending your application, you agree to this procedure. LEONI ensures the compliance with data protection.
Desired Candidate Profile
Must-have Experience: Typically 6+ years of professional software engineering experience, including at least 2 years building AI- or LLM-based solutions, or equivalent demonstrated impact. Engineering: Strong professional experience building and operating full-stack, pro-code applications in an enterprise environment of comparable size or complexity, with solid fundamentals in architecture, APIs, integration, testing, security and deployment. AI: Proven experience building AI and agentic solutions and running them in production, including evaluation, regression testing and quality monitoring; Python and/or TypeScript on a major cloud platform (ideally Azure). Ownership: A proven track record of solving open-ended business problems hands-on with AI from the first conversation to a reliably running production solution rather than only implementing well-specified use cases. Mindset: A product mindset: you consider the end user, business outcome and long-term operation, not just the initial implementation. Languages: Fluent English; German at least at B2 level, or willingness to reach it within the first year.
Nice-to-have Experience working across business functions and technical teams. Experience with LLM and agent frameworks such as LangChain, LangGraph or comparable libraries. Familiarity with Microsoft technologies and tools used in enterprise environments. Experience with industrial AI in production, such as visual inspection, predictive maintenance or anomaly detection, including MLOps for traditional machine-learning and computer-vision models. Experience in manufacturing, Tier 1 automotive supply or the automotive industry, ideally with smart-factory topics such as shop-floor data integration, produ