Ford Motor Company

01.11.2026

Senior AI Software Team Manager – Ford Werk Irapuato

Mexiko

Irapuato, Guanajuato, Mexico

JavaScriptTypeScriptPythonJavaSQLAWSGCPDockerKubernetesC#GoTerraform

Automatische Übersetzung. Prüfe das Original.

Über die Stelle

Der AI Software Team Manager ist verantwortlich für die Leitung der Strategie, Entwicklung und Bereitstellung von KI-Softwarelösungen im Unternehmensmaßstab, die die Fertigungsleistung und Geschäftsergebnisse verbessern.

Diese Rolle bietet technische Führung für multidisziplinäre Teams, stellt die Ausführung gemäß Unternehmensstandards sicher, arbeitet mit globalen Führungsorganisationen zusammen und treibt Innovationen durch KI, fortschrittliche Robotik, intelligente Automatisierung und Initiativen zur digitalen Transformation voran.

Die Position spielt eine entscheidende Rolle bei der Beschleunigung der KI-Einführung, der Entwicklung von Mitarbeiterkompetenzen und der Bereitstellung skalierbarer Lösungen, die den Frontline-Betrieb, die operative Exzellenz und wichtige Geschäftskennzahlen in den Organisationen IEPC, CSAP und Global FPS verbessern.

VERANTWORTLICHKEITEN

Leitung der BCC Innovation & AI Software Organisation durch disziplinierte Governance, Standardarbeit, Portfoliomanagement und Leistungsverantwortung, wobei die Ausrichtung von Innovationsinitiativen an Geschäftszielen sowie führenden und nachlaufenden KPIs sichergestellt wird.

Definition und Umsetzung der Smart Factory- und KI-Strategie, wobei Fertigungsherausforderungen in skalierbare Software, KI/ML, Automatisierung, Robotik, intelligente Vision und digitale Lösungen umgewandelt werden, die Sicherheit, Qualität, Kosten, Lieferung, Produktivität und Frontline-Leistung verbessern.

Bereitstellung technischer und organisatorischer Führung für funktionsübergreifende Engineering-Teams, Überwachung von Lösungsdesign, Architektur, Softwareentwicklung, Tests, Bereitstellung, Einführung, Support und kontinuierlicher Verbesserung gemäß den Engineering-Standards des Unternehmens.

Architektur und Governance des KI- und Smart Factory-Ökosystems, Etablierung von Standards, wiederverwendbaren Plattformen, APIs, Datenmodellen, Cloud-Diensten, Observability-Frameworks, Cybersicherheitskontrollen und Unternehmensintegrationsmustern, die langfristige Skalierbarkeit und Nachhaltigkeit ermöglichen.

Enge Zusammenarbeit mit der Werksleitung, Global FPS, ATP, IT, MARVELL, Engineering, Qualität, Instandhaltung, Produktion und anderen Geschäftsfunktionen, um sicherzustellen, dass Technologielösungen reale Geschäftsprobleme adressieren, stabile Prozesse unterstützen und messbaren operativen Wert liefern.

Leitung strategischer Initiativen in den Bereichen fortschrittliche Robotik, autonome Systeme, intelligente Vision, KI-Agenten, prädiktive Analytik und digitale Fertigungstechnologien, um unternehmensweite Skalierbarkeit und operative Transformation voranzutreiben.

Steuerung von technischer Qualität, Architektur-Reviews, Code-Reviews, Release-Bereitschaft, Cybersicherheits-Compliance, Teststrategien, Dokumentation, Konfigurationsmanagement und Risikominderung, um sichere, zuverlässige und wartbare Lösungen zu gewährleisten.

Förderung datengestützter Entscheidungsfindung durch Sicherstellung der Integrität, Qualität, Rückverfolgbarkeit, Zugänglichkeit und Governance von Fertigungs-, Betriebs- und Geschäftsdaten über vernetzte Plattformen und Systeme hinweg.

Entwicklung und Umsetzung von Strategien zum Aufbau von KI-Kompetenzen und zur Transformation der Belegschaft, Etablierung rollenbasierter Lern-Roadmaps, Mentoring von KI-Software-Ingenieuren und Beschleunigung der KI-Einführung in IEPC, CSAP und globalen Fertigungsorganisationen.

Vertretung der Organisation in Führungsgremien, LATAM Innovation Reviews, Leadership-Berichten und Global FPS-Engagements, wobei technische Initiativen effektiv in geschäftliche Auswirkungen, strategischen Wert und Investitionsmöglichkeiten übersetzt werden.

Leitung des Application Lifecycle Managements, einschließlich Bereitstellungsbereitschaft, Überwachung der Einführung, operativer Support, Incident Management, Reduzierung technischer Schulden, Modernisierungsplanung, Wissenstransfer und kontinuierliche Produktentwicklung.

Vorantreiben der Entwicklung von Daily Management Systems, Operational Excellence, Lean/FPS-Praktiken und Digital Manufacturing durch Integration von KI-gestützten Erkenntnissen, Automatisierung und skalierbaren Softwarelösungen in zentrale Geschäftsprozesse.

Förderung einer Kultur der Innovation, technischen Exzellenz, Eigenverantwortung, kontinuierlichen Lernens und Engineering-Handwerkskunst bei gleichzeitigem Aufbau leistungsstarker Teams, die in der Lage sind, Fertigungstechnologien der nächsten Generation zu liefern.

QUALIFIKATIONEN

SOFTWAREARCHITEKTUR

Design von verteilten, skalierbaren, resilienten und wartbaren Systemen.

Expertise in modularen monolithischen, Microservices-, eventgesteuerten und serverlosen Architekturen.

Tiefgreifendes Verständnis von Domain-Driven Design (DDD), Clean Architecture, Hexagonal Architecture und SOLID-Prinzipien.

Design und Implementierung von REST APIs, GraphQL, gRPC und Serviceverträgen.

Anwendung von Software-Designmustern und Prinzipien der Unternehmensarchitektur.

KI-SYSTEMARCHITEKTUR

Design von End-to-End KI/ML-Systemen, von der Datenerfassung bis zur Inferenz in der Produktion.

Architektur von LLM-basierten, Retrieval-Augmented Generation (RAG), agentenbasierten und multimodalen Systemen.

Auswahl und Bewertung proprietärer und Open-Source-Modelle, einschließlich Fine-Tuning, Prompt Engineering und spezialisierter Modelle.

Design von synchronen und asynchronen Inferenz-Pipelines.

Implementierung von Modell-Routing, Fallback-Mechanismen, Caching, Batching sowie Strategien zur Latenz- und Kostenoptimierung.

LLMS & GENERATIVE KI

Fundiertes Verständnis von Transformern, Embeddings, Tokenisierung, Aufmerksamkeitsmechanismen und Kontextmanagement.

Fortgeschrittenes Prompt Engineering und Generierung strukturierter Ausgaben.

RAG-Architekturen einschließlich Chunking, Embeddings, Vektorsuche, hybrider Suche und Reranking.

Erfahrung mit Fine-Tuning, LoRA/PEFT-Methoden und Modellbewertung.

Integration von Funktions- und Tool-Aufrufen.

Agentenbasierte KI, Planung, Speichermanagement, Workflows und Multi-Agenten-Systeme.

Model Context Protocol (MCP) und Architekturen zur Tool-Orchestrierung.

Design und Implementierung von Guardrails, Inhaltsfilterung und Kontrollen für das Modellverhalten.

MACHINE LEARNING

Solide Grundlage in überwachtem Lernen, unüberwachtem Lernen und deep learning.

Erfahrung mit Klassifizierung, Regression, Clustering und Empfehlungssystemen.

Kenntnisse in neuronalen Netzen, CNNs, RNNs und Transformer-Architekturen.

Modellbewertung, Vermeidung von Overfitting, Minderung von Datenlecks und Leistungskennzahlen.

Feature Engineering und Experimentiermethoden.

Praktische Expertise mit Frameworks wie PyTorch, TensorFlow oder gleichwertigen Technologien.

DATEN-ENGINEERING

Design und Verwaltung von Data Lakes, Data Warehouses und Lakehouse-Architekturen.

Entwicklung von ETL/ELT-Prozessen und skalierbaren Daten-Pipelines.

Streaming-Plattformen und verteilte Datenverarbeitung.

Datenqualität, Lineage, Katalogisierung und Governance-Praktiken.

Expertise in SQL- und NoSQL-Datenbanken.

Erfahrung mit Vektordatenbanken und Suchmaschinen.

Design von Datensätzen für das Training, die Validierung und die Bewertung von KI-Modellen.

CLOUD & INFRASTRUKTUR

Tiefgreifende Expertise in mindestens einer großen Cloud-Plattform: AWS, Microsoft Azure oder Google Cloud-Plattform (GCP).

Kubernetes-Orchestrierung, Containerisierung und Docker-Ökosysteme.

Infrastructure as Code (IaC) unter Verwendung von Terraform oder gleichwertigen Technologien.

Grundlagen der Netzwerktechnik, Load Balancing, Service Discovery und Auto-Scaling.

Multi-Region-Architekturen und Disaster-Recovery-Strategien.

Verwaltung von GPU-Infrastrukturen und Optimierung der Beschleunigernutzung.

MLOPS / LLMOPS

CI/CD-Pipelines und Automatisierung für KI/ML-Workflows.

Verwaltung von Modell-Registries und Versionskontrolle für Modelle/Datensätze.

Experiment-Tracking und Reproduzierbarkeit.

Modellbereitstellung, Serving und Lifecycle-Management.

Überwachung und Observability von KI-Produktionssystemen.

Erkennung und Minderung von Model Drift, Data Drift und Leistungsverschlechterung.

Kontinuierliche Bewertung und Validierung von LLM-basierten Anwendungen.

Observability von Prompts, Token-Verbrauch, Latenz, Kosten und Antwortqualität.

SOFTWARE-ENGINEERING

Beherrschung von Programmiersprachen wie Python, Java, Go, TypeScript/JavaScript, C# oder gleichwertigen.

Starkes Engagement für Clean-Code-Prinzipien, automatisierte Tests und Code-Reviews.

Erfahrung mit Unit-, Integrations-, Vertrags-, End-to-End- und Lasttests.

Expertise in Nebenläufigkeit, asynchroner Programmierung und verteiltem Rechnen.

Git-Workflows und Branching-Strategien.

Refactoring und Modernisierung von Altsystemen.

SICHERHEIT

Implementierung von OAuth2, OpenID Connect (OIDC), JWT, RBAC und ABAC.

Secrets- und Credential-Management.

Verschlüsselung von Daten im Ruhezustand und bei der Übertragung.

Sichere API-Design- und Entwicklungspraktiken.

Bedrohungsmodellierung und Risikoanalyse.

Anwendungssicherheit gemäß OWASP-Standards.

LLM-spezifische Sicherheit, einschließlich Prompt Injection, Datenexfiltration, Tool-Missbrauch, Jailbreaks und Minderung von RAG-Angriffen.

Sichere Isolierung und Governance autonomer Agenten.

KI-GOVERNANCE & VERANTWORTUNGSVOLLE KI

Prinzipien des Datenschutzes und der Datensicherheit.

Erklärbarkeit, Rückverfolgbarkeit und Transparenz von KI-Systemen.

Frameworks zur Bewertung und Minderung von KI-Risiken.

Design von Systemen mit menschlicher Einbindung (Human-in-the-loop).

KI-Auditing und Observability.

Governance für den Modellzugriff und Nutzungsrichtlinien.

Kenntnis relevanter regulatorischer und Compliance-Frameworks über Branchen und Regionen hinweg.

OBSERVABILITY & BETRIEB

Strukturierte Protokollierungs- und Überwachungspraktiken.

Metriken, Tracing und verteiltes Tracing.

OpenTelemetry-Implementierung und -Integration.

Definition und Verwaltung von SLOs, SLAs und SLIs.

Incident Response und operative Exzellenz.

Kapazitätsplanung und Ressourcenoptimierung.

Performance Engineering und Systemoptimierung.

Kostenüberwachung und FinOps-Praktiken für KI-Workloads.

SYSTEMDESIGN

Fähigkeit, komplexe Systeme von Grund auf neu zu entwerfen.

Bewertung von Kompromissen zwischen Konsistenz, Verfügbarkeit, Latenz und Kosten.

Design für groß angelegte Anwendungen, die Millionen von Benutzern bedienen, und Umgebungen mit hohem Datenaufkommen.

Design fehlertoleranter Architekturen.

Strategien für das Backpressure-Management.

Design und Implementierung von Warteschlangen- und Nachrichtensystemen.

Event Sourcing und CQRS, wo angemessen.

Multi-Tenant-Plattformarchitektur.

PRODUKTARCHITEKTUR

Übersetzung von Geschäftsanforderungen in skalierbare technische Fähigkeiten.

Bestimmung, wann KI eingesetzt werden sollte und wann alternative Lösungen angemessener sind.

Definition des MVP-Umfangs und der langfristigen architektonischen Entwicklung.

Design wiederverwendbarer APIs, Dienste und Plattformen.

Abwägung von Time-to-Market, Qualität, Sicherheit und technischen Schulden.

Etablierung technischer und geschäftlicher Erfolgskennzahlen.

TECHNISCHE FÜHRUNG

Bereitstellung technischer Führung, Coaching und Mentoring.

Vorantreiben und Verteidigen architektonischer Entscheidungen.

Erstellung und Pflege von Architecture Decision Records (ADRs).

Durchführung von Architektur-, Code- und Design-Reviews.

Effektive Zusammenarbeit zwischen Engineering-, Produkt-, Sicherheits-, Daten- und Führungsteams.

Klare Kommunikation komplexer technischer Konzepte gegenüber technischen und nicht-technischen Zielgruppen.

Leitung technischer Organisationen und Initiativen, ohne notwendigerweise als Personalmanager zu fungieren.

ARCHITEKTONISCHES DENKEN

Fähigkeit, Kompromisse zu identifizieren und zu bewerten, anstatt absolute Lösungen zu verfolgen.

Design von Systemen mit Blick auf langfristige Entwicklung und Anpassungsfähigkeit.

Unterscheidung zwischen reversiblen und irreversiblen Entscheidungen.

Identifizierung und Minderung von Single Points of Failure.

Antizipation von Herausforderungen in Bezug auf Skalierbarkeit, Sicherheit, Betrieb und Zuverlässigkeit.

Bewertung von Technologien auf Basis messbarer geschäftlicher und technischer Ergebnisse anstatt nach Branchentrends.

HAFTUNGSAUSSCHLUSS: Ford Motor Company ist ein Arbeitgeber, der Chancengleichheit fördert. Wir verpflichten uns zu einer vielfältigen Belegschaft und diskriminieren keine Mitarbeiter oder Bewerber aufgrund von Rasse, Hautfarbe, Geschlecht, Alter, nationaler Herkunft, Religion, sexueller Orientierung, Geschlechtsidentität und/oder -ausdruck, Veteranenstatus oder Behinderung. #FordMexico

Sprachen