Founding AI Engineer – Full‑Stack

Kategorie: b7d15581-790e-44a3-b7e4-6aee3dfa1487

PLZ: 81243

Remote: HYBRID

Bitte beachten Sie, dass für diese Position eine Arbeitsgenehmigung für Deutschland erforderlich ist. Die Sprachkenntnisse für diese Position sind: Deutsch - Konversation, Englisch - Fließend.

Als Gründungs-AI-Ingenieur bei Alago bauen Sie Multi-Agenten-Systeme, die Probleme lösen, auf die bisher niemand eine Antwort hat. Sie arbeiten in einer Startup-Umgebung, die von Ihnen ein hohes Maß an Eigenverantwortung verlangt.

Das Problem: Die Bauindustrie verliert jährlich 1,6 Billionen Dollar durch Ineffizienz, und der Großteil davon ist vermeidbar. Das Wissen, das dies verhindern könnte, existiert bereits. Es ist nur in PDFs, Besprechungsprotokollen und E-Mail-Threads gefangen, die niemand durchsuchen kann. Jedes neue Projekt lernt erneut, was das letzte bereits wusste.

Wir bauen das Gegenteil: Software für die Menschen, die große, komplexe Bauprojekte leiten. Sie liest die Dokumente, verfolgt die Entscheidungen und erkennt die Fehler frühzeitig. Das Modell ist nicht die Festung. Das Projektgedächtnis ist es, und es kumuliert: Jedes Projekt verbessert das System, und ein Wettbewerber, der heute anfängt, ist bereits Jahre hinter den Projekten zurück.

Unsere Software läuft heute in einem Live-Bauprogramm für Autobahnen und einem S-Bahn-Transitprogramm: mehrjährige Zeitpläne, Hunderttausende von Seiten Spezifikationen, Protokollen und Baustellenkommunikationen sowie reale Konsequenzen, wenn wir eine falsche Antwort geben.

Wir sind in der Pre-Seed-Phase, geleitet von Realyze Ventures, deren LPs Zech und andere große europäische Baugruppen umfassen. Co-Investoren: D11Z, das Family Office hinter Aleph Alpha, und der CDTM Venture Fund, unterstützt von über 300 CDTM-Alumni, einschließlich der Gründer von Personio und Alasco sowie dem technischen Direktor von DeepMind. 25+ aktive Kunden.

Zwei Probleme, die beide Antworten auf dem neuesten Stand erfordern.

• Agenten-Harness-Engineering für Baudokumente. Eine Zusammenfassung passt nicht für alle. „Strukturelles Risiko“ bedeutet etwas anderes in einem RFI, einer Kostenprüfung und einer Zeitplanabstimmung. Wir bauen Multi-Agenten-Harnesse (spezialisierte Extraktions-, Denk- und Bewertungsphasen), die ein 400-seitiges Ausschreibungsdokument oder ein Protokollarchiv in die richtige Pipeline mit dem richtigen Kontext leiten.
• Projektgedächtnis als kumulierende Festung. Wir haben mit Besprechungsprotokollen begonnen. Jetzt bauen wir einen Entscheidungsgraphen, der mit jedem Projekt wächst: nicht nur, was entschieden wurde, sondern auch warum, von wem, gegen welche Alternativen und wie es sich entwickelt hat. Dieser Graph speist das nächste Projekt. Der schwierige Teil besteht darin, das „Warum“ zu rekonstruieren, wenn es in einem unordentlichen deutschen Protokoll vergraben ist. Wir suchen die Person, die dieses Problem interessant findet.

Stack: TypeScript, Next.js, Vercel, Supabase (Postgres + pgvector), LangChain, Vercel AI SDK, LangFuse, shadcn/ui. Jeder Ingenieur erhält 500 € pro Monat für AI-Tools: Claude Code, Cursor-Hintergrundagenten und welches Frontier-Modell Sie testen möchten. Keine Altlasten. Greenfield.

Wir liefern bei 80 % und verbessern uns in der nächsten Iteration. Unsere Nutzer sind an Live-Infrastrukturprojekten beteiligt, sodass wir aus der Produktion lernen.

Wir ziehen es vor, dass Sie das Papier lesen, als nach der nächstgelegenen Bibliothek zu greifen. Die meisten unserer Entwicklungen haben noch keine Bibliothek.

Feedback ist direkt und bezieht sich auf die Arbeit. Wir bewegen uns zu schnell, um darüber wertvoll zu sein.

Hohe Eigenverantwortung. Wenn Sie das Problem erkennen, liegt es an Ihnen, es zu beheben.

Sie denken vom Benutzerleid zur Lösung bis zum messbaren Ergebnis und können sich gegenüber einem nicht-technischen Kunden verständigen und verstehen, wie er tatsächlich arbeitet.

Da Sie alles von Anfang bis Ende besitzen, umfasst das auch das Frontend. Das bedeutet, dass Sie sich nicht nur mit der AI-Engineering-Seite, sondern auch mit TypeScript und React wohlfühlen müssen.

Sie prototypisieren schnell und messen alles. Sie kümmern sich auch um Zuverlässigkeit, denn bei einem Live-Bauprojekt hat falsch zu sein Konsequenzen.

Sie fühlen sich ohne Karte wohl. Die meisten dieser Probleme haben noch keine Antworten, also lesen Sie Papiere, bauen Prototypen und vergleichen Ansätze, anstatt auf das Erscheinen einer Best Practice zu warten.

Das Niveau ist offen. Wir haben gesehen, dass neue Absolventen erfahrene Ingenieure übertreffen und umgekehrt. Wenn Sie außergewöhnlich sind, werden wir den Umfang um Sie herum gestalten.

Schön zu haben, aber nicht erforderlich: ernsthafte Open-Source-Arbeit, eine frühere Anstellung als frühes Mitglied in einem Startup, echte Tiefe im Dokumentenverständnis oder Agentensystemen oder etwas, das Sie veröffentlicht haben, das Stunden menschlicher Arbeit ersetzt hat.

Wir arbeiten auf Englisch. Deutsch hilft bei Kundenanrufen, ist aber nicht erforderlich. Wir haben dafür Muttersprachler.

Sie werden einer unserer ersten Ingenieure sein, was bedeutet, dass Sie kritische Teile des Produkts von Anfang bis Ende besitzen und direkt mit den Gründern zusammenarbeiten. Es ist früh genug, dass Sie helfen, zu entscheiden, wie das Unternehmen funktioniert, und der Weg von hier führt entweder zu einem Top-Individuenbeitrag oder VP Engineering, je nachdem, wo Sie am stärksten sind.

Eigenkapital: 0,5 % bis 1,5 %, vierjährige Vesting, 1,5 Jahre Cliff.

Hybrid: drei Tage pro Woche in unserem zentralen Münchener Büro. Wenn das ein Dealbreaker für Sie ist, lassen Sie uns sprechen.

Diese Rolle eignet sich für einen AI-Ingenieur, der in der frühesten Phase beitreten und ein Produkt entwickeln möchte, das die Arbeitsweise einer gesamten Branche verändert.

• Echte AI-Engineering-Erfahrung. Sie haben mit LLMs in der Produktion gearbeitet (Agenten, mehrstufige Pipelines, Abruf, Prompt- und Harness-Arbeit) und verstehen, warum das Versenden zuverlässiger Agenten der schwierige Teil ist.
• Full-Stack in TypeScript und React/Next.js. Sie besitzen Funktionen von Anfang bis Ende, von der Agentenlogik bis zur Schnittstelle, die der Kunde tatsächlich nutzt.
• Produktverständnis. Sie denken vom Benutzerleid zur Lösung bis zum messbaren Ergebnis und können mit einem nicht-technischen Kunden sprechen und seinen Workflow verstehen.
• Geschwindigkeit mit Urteilsvermögen. Sie verwandeln Feedback schnell in ausgelieferte Funktionen und treffen pragmatische Architekturentscheidungen, aber Sie kümmern sich um Zuverlässigkeit, denn bei einem Live-Bauprojekt hat falsch zu sein Konsequenzen.
• Komfort ohne Karte. Die meisten dieser Probleme haben noch keine Antworten, also lesen Sie Papiere, prototypisieren und vergleichen Ansätze, anstatt auf das Erscheinen einer Best Practice zu warten.

• Startup-Erfahrung, idealerweise als frühes Mitglied mit breitem Mandat.
• Fachliche Tiefe in Bau, Fertigung oder komplexen B2B-Workflows.
• Starke Datenbankinstinkte: Schema-Design, Abfrageoptimierung, Postgres/pgvector. Baudaten sind tief miteinander verbunden.
• Open-Source-Arbeit oder Schreiben, auf das Sie stolz sind.
• Design-Sinn. Sie können eine saubere, benutzbare Schnittstelle ohne detaillierte Mockups erstellen.
• Deutsch für Kundengespräche. Nicht erforderlich, wir haben dafür Muttersprachler.

Sie würden einem kleinen Team beitreten, das direkt mit den Gründern arbeitet, wo jeder ab der ersten Woche echte Probleme besitzt. Wir liefern die 80%-Version heute, anstatt die perfekte nächste Monat zu liefern, testen Ideen frühzeitig, anstatt darüber zu streiten, und halten das Feedback direkt und arbeitsbezogen. Wenn etwas gut läuft, halten wir tatsächlich an und bemerken es.

So funktioniert die Einstellung: Ein 30-minütiges Gespräch mit einem unserer Ingenieure. Ein 30-minütiges Gespräch mit Vinzenz, unserem technischen Mitgründer. Eine Vor-Ort-Fallstudie in München. Wir senden die Materialien im Voraus (planen Sie etwa 4 Stunden Vorbereitung ein), dann arbeiten wir gemeinsam im Büro daran. Hier sehen wir, wie Sie denken, debuggen und unter realen Bedingungen versenden. Angebot innerhalb von 24 Stunden nach der Fallstudie entschieden, innerhalb von 48 Stunden versendet.

Alago ist ein in München ansässiges AI-Startup für die Bauindustrie. Mit über 1 Million Euro an Finanzierung bauen wir eine AI-Plattform, die Fehler in Bauprojekten frühzeitig erkennt und Transparenz in komplexe Projektabläufe bringt.

Wir sind bereits mit über 30 Kunden live und helfen Projektteams, zeitaufwändige Routinearbeiten zu automatisieren, Fehlerquellen zu reduzieren und die Lehren aus vergangenen Projekten in nachhaltigen Wert für zukünftige Projekte umzuwandeln.