Head of AI Engineering (m/w/d) - Schwerpunkt: Agentic Systems & Backend Engineering

Deine Rolle Du bernimmst die technische und fachliche Verantwortung f r unsere KI-Systeme vom agentenbasierten Assistenten bis hin zu einer Plattform, auf der unsere Kund:innen eigene Agenten, Aufgaben und Abl ufe zusammenstellen k nnen. Das ist bewusst keine reine Management-Rolle: Du arbeitest hands-on am Code, triffst Architekturentscheidungen und baust parallel die Strukturen, Standards und perspektivisch das Team auf, mit dem wir unsere KI-Produkte skalieren. Du bist die Person, die daf r sorgt, dass aus vielversprechenden Prototypen zuverl ssige, messbare und sichere Produktionssysteme werden. Unser Team und deine Chance kleiner 25 MitarbeiterStandorte: 2Software-Entwicklung Bei conmeet erwartet dich ein junges, dynamisches Team, das mit Leidenschaft und Expertise an der Zukunft des digitalen Handwerks arbeitet. Wir pflegen eine lockere Atmosph re, in der der Spa an der Arbeit nicht zu kurz kommt, ohne dabei unsere ambitionierten Ziele aus den Augen zu verlieren. Teamwork wird bei uns gro geschrieben: Wir unterst tzen uns gegenseitig, teilen Wissen und feiern gemeinsam unsere Erfolge. Wir glauben an die kontinuierliche Weiterentwicklung unserer Team-Mitglieder. Daher f rdern und fordern wir dich gleicherma en. Du bekommst die M glichkeit, an komplexen, herausfordernden Aufgaben zu wachsen und deine Skills auf das n chste Level zu bringen. Egal ob es um die L sung technischer Probleme, die Entwicklung von Onboarding-Prozessen oder den Aufbau von Kundenwissen geht bei uns findest du stets neue Herausforderungen, die dich als Customer Success Profi voranbringen. Deine Hauptaufgaben (Weiter-)Entwicklung unseres agentenbasierten KI-Assistenten von der Konzeption ber die Implementierung bis zum Betrieb Aufbau eines dynamischen Multi-Agenten-Systems, in dem Kund:innen eigene Agenten, Aufgaben und Workflows selbst erstellen und konfigurieren k nnen Design von Agentensystemen, deren Verhalten und Qualit t kontrollierbar und nachvollziehbar sind inklusive Guardrails, Berechtigungskonzepten und Human-in-the-Loop-Mechanismen Aufbau systematischer Evaluationsstrategien: Du definierst, woran wir Qualit t messen, und sorgst daf r, dass nderungen an Prompts, Tools und Agenten berpr fbar sind statt nur gef hlt besser Integration von KI- und ML-Konzepten in eine bestehende, gewachsene SaaS-Anwendung mit allem, was dazugeh rt: Datenmodell, Berechtigungen, Performance, Kosten Technische F hrung: Architekturentscheidungen, Code Reviews, fachlicher Sparringspartner f r Produkt und Engineering, Aufbau von Best Practices Betrieb und Optimierung: Observability, Tracing, Latenz-, Kosten- und Stabilit tsoptimierung Dein Profil LLM- und ML-Verst ndnis Sehr gutes konzeptionelles Verst ndnis der Funktionsweise und der Grenzen von LLMs Verst ndnis weiterer ML-Konzepte und wie sich diese sinnvoll in Business-Logik integrieren lassen Fundiertes Verst ndnis von: Tokenisierung/Tokens, Embeddings und Context Windows Vector Search, Retrieval und Re-ranking (RAG) Halluzinationen, Context Bloat und weiteren typischen Fehlermodi inklusive Strategien, diese zu erkennen und abzufedern Tool Calling und Structured Outputs A2A (Agent2Agent Protocol), MCP (Model Context Protocol) und Human-in-the-Loop Sicherheitsrisiken von LLM- und Agentensystemen (u. a. Prompt Injection, Tool-Missbrauch, Datenabfluss) Prompt Engineering Formulierung, Struktur und Steuerung einzelner Modellanfragen Context Engineering gezielte Auswahl, Aufbereitung und Verwaltung dessen, was berhaupt Techstack So arbeiten wir. Was dick gedruckt steht, ist unser Stack was daneben steht, zeigt, dass wir auch Erfahrung mit vergleichbaren Technologien anrechnen. Erfahrung mit m glichst vielen dieser Punkte ist von Vorteil, wir erwarten aber nicht die vollst ndige Liste: LLM / KI: Anthropic API Anthropic Client, Anthropic on Vertex AI (oder Erfahrung mit vergleichbaren LLM-Clients und -APIs) ML-Toolchain: Toolchain zur Entwicklung und Evaluation eigener ML-Anwendungen, z. B. PyTorch, TensorFlow, scikit-learn, NumPy, pandas, CUDA Cloud: Google Cloud Platform Vertex AI, Cloud Run, GKE (oder vergleichbare Plattformen wie AWS oder Azure) Infrastruktur: Kubernetes, Docker Backend: Python, Django Datenbank: PostgreSQL (oder ein vergleichbares RDBMS) Async / Jobs: Celery, Taskiq oder vergleichbare worker-basierte Task-Queue-Systeme Sonstiges: Git Das bieten wir Gestaltungsspielraum in einem Bereich, in dem noch niemand fertige Antworten hat du pr gst Architektur und Standards von Grund auf Ein Produkt mit echten Nutzer:innen und echtem Feedback statt Innovationstheater Arbeite Remote/Hybrid, oder vor Ort Strukturierte Einarbeitung in Produkt, Prozesse und Testvorgehen Und nat rlich die ganzen weiteren Basics, die jeder auf seiner Karriereseite mittlerweile so hat...;-)