Junior Data & AI Engineer

Über uns: Unsere Mission ist es, Banking und Investieren einfach, transparent, vertraut und immer bedeutungsvoll zu gestalten, über ein großartiges digitales Kundenerlebnis, damit wir alle einen Unterschied für eine bessere Zukunft machen können. Sie werden Teil eines schnell wachsenden und vielfältigen Unternehmens sein, das Innovationen offen gegenübersteht und Empowerment, kreatives Denken, verantwortungsvolle Führung und Engagement für die Lieferung fördert.

Das Ziel der Position: Wir bauen die nächste Generation des Private Banking, digital, personalisiert und tatsächlich bedeutungsvoll. Alpian ist die erste Schweizer Digitalbank, die Vermögensverwaltung und alltägliches Banking in einer einzigen mobilen App kombiniert. Unsere Mission? Investieren und Banking einfach, intuitiv und zugänglich zu machen, ohne jemals Kompromisse bei Sicherheit, Vertrauen oder Exzellenz einzugehen.

Wir sind ein kleines Team von mutigen Denkern und pragmatischen Ingenieuren, die gerne schwierige Probleme für echte Nutzer in der Produktion lösen. Keine Elfenbeintürme, keine endlosen Demos, die nirgendwohin führen.

Warum diese Rolle anders ist: Die meisten Junior-Jobs geben Ihnen eine Ticket-Warteschlange und "Viel Glück." Nicht hier. Sie werden lernen, KI-Systeme zu bauen, die von Tausenden von echten Kunden tatsächlich genutzt werden, nicht Spielzeug-Chatbots, sondern Agenten und Datenpipelines, die in einer regulierten Schweizer Bank laufen. Sie sitzen an der Schnittstelle von LLMs, Analytik und Cloud-Infrastruktur, betreut von Menschen, die KI von der Machbarkeitsstudie bis zur Produktion gebracht haben (und die Geschichten dazu erzählen können).

Wenn Sie kürzlich Ihren Abschluss gemacht haben und die Art von Person sind, die Dinge zerbricht, um sie zu verstehen, Ihren eigenen Code debuggt, bevor Sie nach der Antwort fragen, und sich ein wenig zu sehr über ein sauberes Datenmodell freut, werden Sie sich hier wohlfühlen.

Der KI-Teil: Hier ist der Deal: Sie treten genau in dem Moment ein, in dem KI aufhört, Hype zu sein, und beginnt, Infrastruktur zu werden. Sie helfen uns, Agenten zu bauen, die über Finanzdaten nachdenken, RAG-Pipelines, die tatsächlich ihre Antworten fundieren, und LLM-Systeme, die korrekt, erklärbar und prüfbar sein müssen, denn "das Modell hat es gesagt" funktioniert nicht, wenn ein Regulierer fragt.

Was Sie tun werden: Sie werden in diese Rolle hineinwachsen — wir erwarten nicht alles am ersten Tag:

• Schreiben Sie sauberen, getesteten Python-Code, der in der Produktion landet (nicht in einer Schublade).
• Helfen Sie beim Aufbau agentischer Workflows: Toolaufrufe, Wiederholungen, Umgang mit unvermeidlichen Fehlern.
• Arbeiten Sie an RAG-Pipelines — Chunking, Embeddings, Abruf, der tatsächlich das Richtige abruft.
• Abfragen und Modellieren von Daten in BigQuery und lernen, warum analytische Korrektheit wichtig ist.
• Fügen Sie die unglamourösen, aber kritischen Dinge hinzu: Tracing, Bewertungen, Kosten- und Latenzüberwachung.
• Erlernen Sie den richtigen Umgang mit Kundendaten — PII, Zugriffskontrolle, Prüfbarkeit.
• Dokumentieren Sie, was Sie bauen, und erklären Sie Ihre Abwägungen klar (Bonuspunkte für null Buzzwords).

Was wir suchen: Wir stellen nach Potenzial und Einstellung ein, nicht nach einem Jahrzehnt Erfahrung. Ein kürzlich erworbener Abschluss in Informatik, Daten, Ingenieurwesen oder einem verwandten Bereich (oder ein autodidaktischer Weg, der beweist, dass Sie bauen können). Solide Python-Grundlagen, Sie haben echte Programme geschrieben, nicht nur Notizbuch-Schnipsel. Echte Neugier für KI, LLMs und Daten, etwas praktische Erfahrung (Projekte, Praktika, Hackathons, Nebenprojekte) zählt viel. Komfort mit SQL oder die Bereitschaft, schnell dorthin zu gelangen. Der Instinkt, Ihren eigenen Code zu debuggen und Dinge herauszufinden, bevor Sie um Hilfe bitten. Klare Kommunikation und die Demut, gute Fragen zu stellen. Sie interessieren sich dafür, warum etwas funktioniert, nicht nur dafür, dass es funktioniert.

Nice to have (wirklich optional): Ein persönliches Projekt, das ein LLM, eine API oder einen Datensatz umfasst, den Sie interessant fanden. Jegliche Erfahrung mit Google Cloud, Containern oder Git-Workflows. Ein Hackathon, Open-Source-Beitrag oder dieses eine Wochenendprojekt, über das Sie nicht aufhören können zu reden. Neugier auf regulierte Umgebungen und warum "schnell bewegen und Dinge kaputt machen" nicht immer für Banken gilt.

Unser Stack: Google ADK · Vertex AI · BigQuery · Grafana · Python (async, APIs, Testing) · Vektordatenbanken & Embedding-Modelle · GCP · CI/CD, Container, IAM, Geheimnisverwaltung.

Was Sie bekommen: Echte Verantwortung für echte Systeme, frühzeitig. Mentoring von erfahrenen Ingenieuren, die tatsächlich lehren möchten. Einen Platz in der ersten Reihe für Produktions-KI in einem Bereich, in dem die Einsätze real sind. Ein kleines, ehrgeiziges Team, in dem Ihre Arbeit sichtbar ist und Ihre Ideen zählen.

Bereit, die Zukunft des Bankings zu gestalten? Wir würden uns freuen, zu sehen, was Sie gemacht haben, Projekte, Repos und Begeisterung sind neben Ihrem Lebenslauf willkommen.