AI Engineer (m/w/d)
- Role
- AI / ML
- Experience
- Mid
Open to DE only. Set where you work from to check your eligibility.
Core skills
Required skills
Optional skills
Required languages
Entwicklung und Betrieb produktionsreifer Multi-Agent-Systeme und autonomer Workflows Konzeption von RAG-Architekturen mit Wissensgraphen und hybriden Retrieval-Strategien Aufbau von Document-Processing-Pipelines zur Informationsextraktion aus komplexen Dokumenten Fine-tuning und Optimierung von LLMs und multimodalen Modellen Design von Agent-Stacks mit modernen Standards wie MCP und Prompt-Engineering Pipelines für Preprocessing, Entity Resolution und Data Harmonization (Data-Engineering) Integration von LLM-Anwendungen in bestehende Systeme Evaluation, Monitoring und Performance-Optimierung produktiver AI-Systeme Enge Zusammenarbeit in cross-funktionalen Teams
Mehrjährige Erfahrung mit produktionsreifen GenAI- und Multi-Agent-Systemen Fundierte Kenntnisse in Agent Engineering und Frameworks (z. B. LangGraph, AutoGen, CrewAI) Sehr gute Python-Kenntnisse und Erfahrung mit LangChain / LangGraph Erfahrung mit LLM-APIs (Claude, OpenAI, Gemini) und Fine-tuning (SFT, RLHF) Expertise in Document Processing und der Verarbeitung strukturierter / unstrukturierter Daten Erfahrung in Data-Engineering (ETL, Preprocessing, Data Pipelines) Verständnis von Production-ML: Deployment, Monitoring, Performance Sehr gute Deutschkenntnisse (C1), gute Englischkenntnisse und ausgeprägte Teamfähigkeit Du bekommst Bonuspunkte (kein Muss) für Kenntnisse in Wissensgraphen, Semantic Web oder Graph-ML. Erfahrung mit Cloud-AI-Plattformen und MLOps (z. B. AWS Bedrock, MLflow, Docker, Kubernetes) und Branchenkenntnisse in Steuern, Recht oder Finanzen
Du wirst Teil unseres Augmented AI Tribe. Ein Team, das aus neuen Technologien wie LLMs, RAG, agentischen Systemen, graphbasierter AI und NLP verlässliche Produkte und wiederverwendbare Capabilities macht. Wir verbinden wissenschaftliche Methodik mit pragmatischem Engineering und beschäftigen uns mit Themen wie Agentic Ecosystem über Neurosymbolic AI bis hin zu Sovereign und Physical AI. Wir arbeiten iterativ, hands-on und co-kreativ: Ideen früh teilen, Annahmen mit Evidenz hinterfragen und Wissen über Projektgrenzen hinweg weitergeben. Führung heißt bei uns Enablement durch Vertrauen und Ownership statt Micromanagement. Du bekommst Raum, aktuelle Themen eigenständig zu bauen und weiterzuentwickeln. Du bist im engen Austausch mit Software Engineers, Knowledge Engineers, Data Engineers, Data Architects und Product Teams (m/w/d). Jennifer Düngfelder (Head of HR)
What you'll do
- Entwicklung und Betrieb produktionsreifer Multi-Agent-Systeme und autonomer Workflows
- Konzeption von RAG-Architekturen mit Wissensgraphen und hybriden Retrieval-Strategien
- Aufbau von Document-Processing-Pipelines zur Informationsextraktion aus komplexen Dokumenten
- Fine-tuning und Optimierung von LLMs und multimodalen Modellen
- Design von Agent-Stacks mit modernen Standards wie MCP und Prompt-Engineering
What they require
- Mehrjährige Erfahrung mit produktionsreifen GenAI- und Multi-Agent-Systemen
- Fundierte Kenntnisse in Agent Engineering und Frameworks (z. B. LangGraph, AutoGen, CrewAI)
- Sehr gute Python-Kenntnisse und Erfahrung mit LangChain / LangGraph
- Erfahrung mit LLM-APIs (Claude, OpenAI, Gemini) und Fine-tuning (SFT, RLHF)
- Expertise in Document Processing und der Verarbeitung strukturierter / unstrukturierter Daten
- Erfahrung in Data-Engineering (ETL, Preprocessing, Data Pipelines)
- Verständnis von Production-ML: Deployment, Monitoring, Performance
- Sehr gute Deutschkenntnisse (C1)
- Gute Englischkenntnisse und ausgeprägte Teamfähigkeit
- Preferred: Kenntnisse in Wissensgraphen, Semantic Web oder Graph-ML
- Preferred: Erfahrung mit Cloud-AI-Plattformen und MLOps (z. B. AWS Bedrock, MLflow, Docker, Kubernetes)
- Preferred: Branchenkenntnisse in Steuern, Recht oder Finanzen
Du wirst Teil unseres Augmented AI Tribe. Ein Team, das aus neuen Technologien wie LLMs, RAG, agentischen Systemen, graphbasierter AI und NLP verlässliche Produkte und wiederverwendbare Capabilities macht. Wir verbinden wissenschaftliche Methodik mit pragmatischem Engineering und beschäftigen uns mit Themen wie Agentic Ecosystem über Neurosymbolic AI bis hin zu Sovereign und Physical AI. Wir arbeiten iterativ, hands-on und co-kreativ: Ideen früh teilen, Annahmen mit Evidenz hinterfragen und Wissen über Projektgrenzen hinweg weitergeben. Führung heißt bei uns Enablement durch Vertrauen und Ownership statt Micromanagement. Du bekommst Raum, aktuelle Themen eigenständig zu bauen und weiterzuentwickeln. Du bist im engen Austausch mit Software Engineers, Knowledge Engineers, Data Engineers, Data Architects und Product Teams (m/w/d).