AI Native Software Engineering (Junior)

Wir bauen die nächste Generation von AI-nativen Ingenieurtalenten auf, die KI als einen zentralen Bestandteil ihrer Arbeit nutzen, nicht als Zusatz. Als AI Engineer (Software) werden Sie produktionsreife Software über den gesamten Stack entwerfen, erstellen und bereitstellen, wobei KI-unterstützte Werkzeuge als Standardpraxis in Ihrem täglichen Arbeitsablauf verwendet werden. Sie arbeiten an realen Kundenprogrammen in verschiedenen Branchen und entwickeln produktionsreife Software, die mit agentischen KI-Systemen verbunden ist – dabei verstehen Sie, wie Ihre Full-Stack-Arbeit mit der Agentenarchitektur, LLM-APIs und Unternehmens-KI-Pipelines integriert wird.

Dies ist keine Einstiegsposition: Es handelt sich um eine zentrale Ingenieursfunktion im gefragtesten Bereich des Marktes, mit einem direkten Weg zum Forward Deployed Engineer-Programm für diejenigen, die agentische Tiefe entwickeln. Wir bieten, was kein einzelnes Produktunternehmen kann: Breite über jede Branche, jeden Unternehmens-Technologiestack und jedes Niveau organisatorischer Komplexität – kombiniert mit Zugang zu Vendor Fellowship innerhalb der Ingenieurteams von Anthropic, OpenAI, Microsoft und Google, strukturierten AI-Zertifizierungspfaden und einem klaren Entwicklungspfad hin zu agentischem und vorwärtsdeployed Engineering.

• Verwenden Sie täglich KI-Coding-Assistenten als Standardteil der Lieferung, aktiv, häufig und mit nachweisbarem Einfluss auf Produktivität und Output-Qualität.
• Integrieren Sie LLM-APIs in Anwendungen in der Produktion: Aufrufen von KI-Anbieter-APIs in Live-Code, Verwalten von Token-Limits und Latenz sowie Erstellen von anfänglichen Abstraktionsschichten.
• Wenden Sie KI über den gesamten Software-Lieferzyklus an: KI-generierte Tests, KI-unterstütztes Debugging, KI-beschleunigte Code-Überprüfung und Prompt-Engineering für Entwicklungsaufgaben.
• Übernehmen Sie die Qualität der KI-generierten Ausgaben in Ihrem Lieferbereich, üben Sie Ingenieururteile über Zuverlässigkeit, Einschränkungen und Fehlermodi aus; wissen Sie, wann KI-Ausgaben produktionsbereit sind und wann nicht.
• Definieren und verfolgen Sie KPIs zur Bewertung der Effektivität und des ROI von KI-unterstützten Workflows; präsentieren Sie AI-Produktivitäts- und Qualitätsmetriken den Projektbeteiligten.
• Übernehmen Sie die Lieferung von Anfang bis Ende – vom Design bis zur Produktionsunterstützung – in agilen Sprintzyklen zusammen mit den Ingenieurteams der Kunden.
• Tragen Sie zu gemeinsamen Wissensdatenbanken, wiederverwendbaren Komponenten und internen KI-Werkzeugstandards bei, die dem breiteren Team zugutekommen.
• Erstellen und integrieren Sie die Anwendungsschichten, APIs und Schnittstellen, die Full-Stack-Systeme mit agentischen Backends verbinden – verstehen Sie Datenflüsse, Kontextübergaben und Integrationspunkte zwischen Ihrem Code und KI-Pipelines.

• Abschluss in Informatik, Computertechnik, Softwaretechnik oder einem verwandten Bereich.
• Erfahrung in der kommerziellen Softwareentwicklung in Produktionsumgebungen (oder gleichwertig, nachgewiesen durch akademische Projekte, Praktika oder veröffentlichte persönliche Projekte).
• Beherrschung von mindestens einer primären Backend-Sprache: Python, Java oder TypeScript.
• Nachgewiesene praktische Erfahrung mit der aktiven Nutzung von KI-Tools in der täglichen Ingenieursarbeit – mit praktischen Beispielen, wie KI verwendet wurde, um reale Probleme zu lösen, Ergebnisse zu iterieren und die Lieferung zu verbessern; einschließlich direkter Erfahrung mit dem Aufruf von LLM-APIs in Produktionscode mit Verständnis für Token-Management, Latenz und Kostenabwägungen.
• Grundlegendes Verständnis von Webtechnologien, einschließlich JavaScript, HTML und CSS.
• Vertrautheit mit Cloud-Grundlagen (AWS, Azure oder GCP), Containern (Docker) und CI/CD-Pipelines.
• Verständnis der Grundlagen der agilen Lieferung.
• Erfahrung mit Datenbanken – SQL oder NoSQL.
• Fähigkeit, KI-generierte Ausgaben zu validieren, zu bewerten und zu verbessern; Verständnis der Einschränkungen von KI und verantwortungsvoller Nutzung.
• Vertrautheit mit Konzepten agentischer Systeme – Bewusstsein für Orchestrierungsframeworks (LangChain, LangGraph oder gleichwertig), RAG-Pipelines und wie Full-Stack-Anwendungen mit agentenbasierter Architektur verbunden sind; Produktionserfahrung bevorzugt, konzeptionelles Verständnis erforderlich.

Erklärung zur Chancengleichheit am Arbeitsplatz
Wir sind der Meinung, dass niemand aufgrund seiner Andersartigkeit diskriminiert werden sollte. Alle Einstellungsentscheidungen werden unabhängig von Alter, Rasse, Glaubensbekenntnis, Hautfarbe, Religion, Geschlecht, nationaler Herkunft, Abstammung, Behinderung, Veteranenstatus, sexueller Orientierung, Geschlechtsidentität oder -ausdruck, genetischen Informationen, Familienstand, Staatsbürgerschaft oder anderen gesetzlich geschützten Kriterien getroffen. Unsere große Vielfalt macht uns innovativer, wettbewerbsfähiger und kreativer und hilft uns, unsere Kunden und unsere Gemeinschaften besser zu betreuen.