Spin - Job Board External

28.10.2026

IC6 - Sr Staff Data & AI Architect

Mexiko

Mexico

AWSGCPTerraform

Automatische Übersetzung. Prüfe das Original.

Ziel der Position

Leiten Sie die nächste Evolutionsstufe des Daten- und KI-Ökosystems von Spin als unser Sr. Staff Data & AI Architect. In dieser hochkarätigen technischen Rolle fungieren Sie als Master-Stratege, der unsere AI-First-Vision vom Konzept bis zur hochskalierbaren Realität vorantreibt. Sie entwerfen die modularen, interoperablen Systeme, die Engineering, Datenmodellierung und machine learning über jeden Geschäftsbereich hinweg nahtlos miteinander verbinden. Wenn Sie komplexe technische Herausforderungen lieben, branchenführende Standards setzen und erstklassige Teams anleiten möchten, um echte Wirkung zu erzielen, ist dies Ihre Bühne.

Hauptverantwortlichkeiten

Enterprise Architecture & Roadmap: Definition, Pflege und Kommunikation der Zielarchitektur für Daten und KI sowie der mehrjährigen Technologie-Roadmap, einschließlich Lakehouse, Streaming, MLOps/LLMOps und Governance-Funktionen in Abstimmung mit der Unternehmensstrategie.

Architektur-Governance: Leitung von Design-Autoritätsforen und Architektur-Review-Prozessen; Dokumentation von Entscheidungen durch Architecture Decision Records (ADRs) und Sicherstellung, dass Lösungen den genehmigten Standards entsprechen, inklusive dokumentierter Analyse von Kompromissen, Kosten und Risiken.

Kontinuierliche Verbesserung & Rationalisierung: Bewertung der bestehenden Plattformlandschaft und laufender Initiativen zur Identifizierung von technischer Schuld, Redundanz und Lücken; Empfehlung und Förderung von Optimierungsinitiativen mit quantifizierbarem Nutzen in Bezug auf Leistung, Zuverlässigkeit, Kosten und Liefergeschwindigkeit.

Referenzarchitekturen & Standards: Entwicklung und Steuerung von Referenzarchitekturen, Designmustern und Engineering-Richtlinien (Medallion-Architektur, Datenverträge, Datenprodukte, eventgesteuertes Design, domänenorientierte Modelle) und Förderung der Einführung durch Enablement in den Delivery-Teams.

Interoperabilität & Komponierbarkeit: Entwurf komponierbarer Architekturen mit klar definierten Schnittstellen (APIs, Event-Streams, offene Tabellenformate, semantische Ebenen), die Abhängigkeiten zwischen Komponenten reduzieren, die Weiterentwicklung und den Austausch von Funktionen vereinfachen und die Integration mit Technologieplattformen und externen Partnern ermöglichen.

Plattformarchitektur (Databricks & AWS): Verantwortung für die Architektur und das Betriebsmodell der Databricks Data Intelligence Platform (Unity Catalog, Delta Lake, Lakeflow, Workflows, Mosaic AI, Model Serving) und deren Integration mit AWS-Diensten, einschließlich Workspace-Strategie, Netzwerk, Sicherheit, Umgebungsmanagement und Kosten-Governance.

KI/ML & GenAI-Architektur: Leitung der Architektur von KI-Unternehmenslösungen, einschließlich Modell-Lebenszyklusmanagement, Feature Engineering, Modell-Registry und Serving, Observability und Drift-Erkennung, Retrieval-Augmented Generation, agentische Workflows, Vektorsuche sowie KI-Bewertungs- und Sicherheitskontrollen.

Industrie-Lösungsarchitektur: Bereitstellung architektonischer Ausrichtung für strategische Anwendungsfälle im Einzelhandel (360, Personalisierung, Prognosen, Preisgestaltung, Loyalität) und Fintech (Kreditrisiko, Betrugserkennung, Zahlungen, Echtzeit-Entscheidungsfindung) bei der Handhabung von Workloads mit hohem Volumen und geringer Latenz.

Sicherheit, Compliance & Responsible AI: Integration von Datenschutz, Sicherheit, Lineage, Revisionsfähigkeit und Prinzipien für verantwortungsvolle KI in jeden Entwurf, um die Einhaltung geltender Vorschriften und Standards (z. B. CNBV, CONDUSEF, LFPDPPP, PCI-DSS) sowie Richtlinien zum Modellrisikomanagement sicherzustellen.

Technische Führung & Mentoring: Technische Leitung für Architekten, Data Engineers, Datenmodellierer, DataOps und ML Engineers durch Coaching, Design-Reviews und Communities of Practice; Beitrag zu Talentbewertung, Einstellung und Kompetenzentwicklung.

Stakeholder-Engagement: Zusammenarbeit mit der Führungsebene aus Produkt, Kredit, Risiko, Technologie, Sicherheit und Business, um Geschäftsziele in technische Strategien zu übersetzen und die Ausrichtung an der Unternehmensarchitektur sicherzustellen.

Zuverlässigkeit, Skalierbarkeit & Kostenoptimierung: Definition nicht-funktionaler Anforderungen und Service Level Objectives (SLOs), Ansätze für Resilienz und Disaster Recovery, Observability-Praktiken sowie FinOps-Kontrollen für Batch- und Echtzeit-Workloads.

Evaluierung neuer Technologien: Bewertung aufkommender Technologien und Ansätze (generative KI, KI-Agenten, Feature Stores, Data Mesh, offene Lakehouse-Formate) durch Proofs of Concept und Benchmarking sowie Abgabe von Empfehlungen zur Einführung.

Dokumentation & Wissensmanagement: Pflege des Architektur-Repositorys, der Blueprints und der technischen Dokumentation als maßgebliche Quelle der Wahrheit.

Engineering-Kultur: Förderung von Eigenverantwortung, operativer Rechenschaftspflicht und einer DevOps/DataOps-Kultur innerhalb der Engineering-Teams.

AI-First-Denkweise & Enablement: Förderung der AI-First-Säule von Spin durch die Einbettung von KI als Standardüberlegung bei Architektur- und Designentscheidungen, Förderung der Nutzung KI-gestützter Tools über den gesamten Engineering-Lebenszyklus hinweg sowie Förderung der KI-Kompetenz und einer experimentierfreudigen Denkweise bei Teams und Stakeholdern.

Erforderliche Kenntnisse und Erfahrungen

Ausbildung: Bachelor- oder Masterabschluss in Informatik, Software- oder Systemtechnik, Künstlicher Intelligenz, Datenwissenschaft oder einem verwandten Bereich.

Erfahrung: 10+ Jahre progressive Erfahrung in Data Engineering, Datenarchitektur oder Softwarearchitektur, einschließlich 5+ Jahren in einer Rolle als Enterprise- oder Lösungsarchitekt und 3+ Jahren in der Konzeption von KI/ML- oder groß angelegten Datenplattformen in der Produktion. Nachgewiesene Erfolgsbilanz bei der Bereitstellung von Architekturen, die von mehreren Teams oder Geschäftsbereichen übernommen wurden.

Branchenerfahrung: Nachgewiesene Erfahrung im Einzelhandel und Fintech oder vergleichbaren regulierten Umgebungen mit hohem Volumen.

Technische Fähigkeiten

Databricks (Obligatorisch): Expertenkenntnisse in der Databricks-Plattform für Daten- und KI-Workloads: Delta Lake, Unity Catalog, Lakeflow/Delta Live Tables, Structured Streaming, Photon, MLflow, Feature Store, Mosaic AI und Model Serving; Plattformadministration, Performance-Tuning und Kostenoptimierung.

Cloud-Plattformen (Obligatorisch: AWS): Expertenkenntnisse und praktische Erfahrung in AWS (S3, Kinesis, MSK, Glue, IAM, VPC, Lambda, EKS) und deren Integration mit Databricks; Arbeitskenntnisse in GCP (BigQuery, Pub/Sub, Vertex AI) sind wünschenswert.

Architektur-Frameworks & Methoden: Sicherer Umgang mit TOGAF, Cloud Well-Architected Frameworks, DAMA-DMBOK, C4-Modellierung und ADR-Praktiken; Domain-Driven Design, Data Mesh und Datenproduktkonzepte; Lambda/Kappa-Muster; eventgesteuerte und Microservices-Integration; API- und Datenvertragsdesign.

Datenmodellierung & Speicherung: Experte in dimensionaler, relationaler, NoSQL- und Lakehouse-Datenmodellierung; offene Tabellenformate (Delta Lake, Apache Iceberg, Apache Hudi); semantische Ebenen und Tools des Modern Data Stack.

Streaming & Integration: Fortgeschrittene Kenntnisse in Streaming- und eventgesteuerten Plattformen (Kafka, Kinesis, Pub/Sub), Change Data Capture (CDC) und Enterprise-Integrationsmustern.

KI/ML & GenAI: Architektur von MLOps/LLMOps-Pipelines, automatisiertes Retraining, Modellüberwachung, RAG, Vektordatenbanken, LLM-Orchestrierung und KI-Governance.

Governance, Sicherheit & Bereitstellung: Data Governance, Katalogisierung, Lineage, Privacy by Design, Zugriffskontroll- und Verschlüsselungsmodelle, Infrastructure as Code (Terraform), CI/CD für Daten und KI sowie FinOps-Praktiken.

Führung & Soft Skills: Strategisches Denken und ausgeprägte Abstraktionsfähigkeit; Fähigkeit, architektonische Entscheidungen gegenüber technischen und Führungskräften zu artikulieren und zu begründen; Stakeholder-Management und Einflussnahme; Coaching und Mentoring; analytische Strenge und fundiertes Urteilsvermögen; starke AI-First-Denkweise mit nachgewiesener Anwendung von KI-Tools und dem Bestreben, KI-gestützte Arbeitsweisen zu fördern.

Sprachen: Englischkenntnisse auf mittlerem Niveau.

Bei Spin setzen wir uns für einen vielfältigen und integrativen Arbeitsplatz ein.

Wir glauben an Chancengleichheit und fördern ein Umfeld, das frei von Diskriminierung aufgrund von Rasse, nationaler Herkunft, Geschlecht, Geschlechtsidentität, sexueller Orientierung, Behinderung, Alter oder anderen gesetzlich geschützten Merkmalen ist.

Sprachen

IC6 - Sr Staff Data & AI Architect

Ziel der Position

Hauptverantwortlichkeiten

Erforderliche Kenntnisse und Erfahrungen

Technische Fähigkeiten

Weiter entdecken

Dein nächster Jobsucht schon nach dir.

Mehr Möglichkeiten mit einem Profil

Senior Software Engineer, Developer Enablement

Funktionaler Berater Microsoft Dynamics 365 F&O

04 CRM- und Automatisierungsspezialist – HubSpot/Salesforce (RevOps)