AI Transformation Engineer; m​/f​/d

Role Overview

So arbeiten wir – bitte aufmerksam lesen
Diese Stelle passt nicht zu jedem, und das ist Absicht. Damit du einschätzen kannst, ob sie zu dir passt:

• Es gibt keine fertige Use-Case-Liste.Du baust dir deine Pipeline selbst auf – durch Gespräche, Beobachtung und Neugier auf die Arbeit anderer. Was du findest, bewertest und priorisierst du eigenverantwortlich.
• Du wirst öfter "nein" sagen als "ja". Viele Use-Case-Wünsche sind bei genauem Hinsehen zu teuer, zu riskant oder schlicht ein Prozessproblem, das keine KI braucht. Du musst das erkennen, begründen und freundlich vertreten können – ohne die Beziehung zur Abteilung zu beschädigen.
• Beratung ist die Hälfte des Jobs. Du führst Gespräche, moderierst Workshops, siehst Kollegen bei der Arbeit über die Schulter und dokumentierst Prozesse, die noch nie jemand aufgeschrieben hat. Erst danach wird gebaut. Wer diesen Teil als lästige Vorstufe zum Coden empfindet, wird hier nicht glücklich.
• Nicht alle freuen sich über dein Kommen. Manche Kollegen sehen in KI eine Bedrohung für ihre Arbeit, andere haben schlicht keine Zeit für dich, und in manchen Prozessen ist die Ineffizienz jemandes lieb gewordene Routine. Du nimmst diese Vorbehalte ernst statt sie wegzuargumentieren – und arbeitest bei sensiblen Themen früh und offen mit Datenschutz, IT-Security und Vorgesetzten zusammen, statt an ihnen vorbei.
• Jedes Teammitglied handelt sehr autonom. Du setzt dir deinen eigenen Maßstab und prüfst deine eigenen Ergebnisse kritisch, bevor jemand anderes es tut. Austausch und Feedback gibt es selbstverständlich – aber die Qualitätssicherung deiner Arbeit beginnt bei dir.
• Du bist der Spezialist für dein Gebiet. Unser Innovationsteam ist bewusst interdisziplinär aufgestellt, mit kaum Überlappungen zwischen den Disziplinen. Du hast Spezialisten für Frontend, Backend und UX an deiner Seite, wenn aus einem Use-Case mehr wird – aber die KI-Transformation ist dein Feld, und du verantwortest es fachlich selbst.
• Wir arbeiten selbst AI-gestützt – konsequent. Tools wie Claude Code oder Cursor sind bei uns Alltag, nicht Experiment. Wer anderen Abteilungen KI-gestütztes Arbeiten näherbringt, sollte es selbst vorleben – und wissen, wo die Grenzen liegen. Das verschiebt den Schwerpunkt der Arbeit: weniger selbst tippen, mehr Probleme präzise formulieren und Ergebnisse kritisch prüfen, bevor sie jemand anderes nutzt.
• Wöchentliche Freiräume sind fest eingeplant – rund 10 % deiner Arbeitszeit. Zeit für fachliche Weiterentwicklung, eigene Ideen und kreativen Austausch ist bei uns Teil der Arbeitswoche – kein Nice-to-have, das im Tagesgeschäft verdampft.
• Ergebnisgetrieben und prozessual schlank. Wir brauchen schnelle, pragmatische Lösungen, die im Alltag funktionieren – keine über Monate ausgefeilten 100%-Systeme. Wächst ein Use-Case Richtung Produkt, übergibst du ihn an unser Innovationsteam oder R&D.
• Diese Rolle lebt von Präsenz. Use-Cases findet man häufig nicht per Videocall, sondern beim Zusehen, im Flurgespräch, am Schreibtisch der Kollegen. Plane regelmäßige Zeit in Landau ein (ca. 10–20 % der Arbeitszeit, gerade in der Anfangsphase eher mehr).

• Use-Cases für KI im Unternehmen aktiv identifizieren:
  Abteilungen und ihre Prozesse kennenlernen, Ineffizienzen und Potenziale aufdecken, Ideen gemeinsam mit den Fachbereichen ausarbeiten
• Use-Cases ehrlich bewerten:
  Nutzen, Aufwand, Machbarkeit, Datenschutz- und Ethik-Risiken – und auf dieser Basis priorisieren, was umgesetzt wird und was nicht
• Lösungen pragmatisch umsetzen:
  Workflow-Automatisierungen, interne Tools, LLM-basierte Anwendungen, Integration von KI-APIs – mit dem Werkzeug, das zum Problem passt
• Lösungen in den Alltag bringen:
  Einführung begleiten, Kollegen befähigen, Feedback einsammeln und nachschärfen
• Gespräche und Workshops mit den Fachbereichen vorbereiten, moderieren und nachhalten – inklusive der Prozessaufnahme, die…