Staff Applied AI Engineer

Überblick

Die Herausforderung: KI zuverlässig im großen Maßstab zum Laufen zu bringen, erfordert mehr als einen erfolgreichen Proof of Concept. Latenzzeiten, die in der Testumgebung gut aussehen, können unter echtem Verkehr versagen. Modelle können in den ungünstigsten Momenten Halluzinationen erzeugen. Multi-Agenten-Systeme bringen Koordinationsprobleme mit sich – gemeinsamer Kontext, Aufgabenübergaben, sanfte Wiederherstellung – für die es noch kein festgelegtes Handbuch gibt. Sie werden diese komplexen Workflows abbilden und disparate Geschäftssysteme sicher verbinden, damit die Agenten den genauen Kontext und die Werkzeuge haben, die sie benötigen, um autonom und zuverlässig zu arbeiten.

Die Domäne erhöht die Einsätze weiter. Eine halluzinierte Ausgabe kann hier zu einem Compliance-Vorfall werden. Die Systeme, die Sie bauen, müssen intelligent, prüfbar und fehlersicher sein, auf einem Stack, der in sechs Monaten anders aussehen wird. Auf diesem Niveau besteht die Arbeit darin, technische Richtungen festzulegen: zu erkennen, wo aktuelle Ansätze nicht skalierbar sind, und die Architektur zu gestalten, bevor die Lücke zu einem Problem wird.

Warum das wichtig ist

Deriv's Mission ist es, Handel für jeden, überall und jederzeit zu ermöglichen. Wir bedienen mehr als 3 Millionen Trader rund um die Uhr in regulatorischen Umgebungen, die Fehler nicht verzeihen. In diesem Maßstab ist KI kein Feature; sie ist, wie das Geschäft funktioniert. Unser Team in Berlin baut die nächste Generation von agentischen Systemen: Co-Intelligenz, die zusammenarbeitet, debattiert und neben Menschen Entscheidungen trifft.

Was Sie tun werden

• Identifizieren Sie hochgradige Agenten-Workflows: Bestimmen Sie die idealen zukünftigen Workflows, in denen agentische Systeme Aufgaben exponentiell schneller oder in viel höheren Volumina ausführen können.
• Kartieren Sie komplexe Datenflüsse und menschliche Schnittstellen: Entwerfen Sie, wie strukturierte und unstrukturierte Daten in das Kontextfenster des Agenten fließen.
• Verwalten Sie Bewertungen und Modelllebenszyklen: Bauen Sie robuste Bewertungsrahmen, um Agenten nach wesentlichen Änderungen des zugrunde liegenden Modells oder der Daten zu überwachen.
• Architektur für Skalierung: Zerlegen Sie mehrdeutige, funktionsübergreifende Probleme in versandfähige technische Architekturen.
• Sehen Sie die Arbeit bis zur Annahme durch: Versenden Sie ein Feature und bleiben Sie dafür verantwortlich.
• Erhöhen Sie die Ingenieurstandards: Überprüfen Sie Code und Entwurfsdokumente, um zu verbessern, wie das gesamte Team arbeitet.
• Beheben Sie konkurrierende Einschränkungen: Wenn Ingenieurwesen, Compliance und Betrieb unterschiedliche Anforderungen haben, erleichtern Sie das Gespräch und übersetzen Sie diese Einschränkungen in eine kohärente Architektur.

Wer Sie sind

Sie haben eine Erfolgsbilanz im Versand von Produktions-KI: Sieben oder mehr Jahre Erfahrung in der Softwareentwicklung, davon mindestens drei Jahre im Aufbau von KI-Systemen, die echten Verkehr im großen Maßstab bewältigen.

Technologiestack

Sprachen: Python, TypeScript
KI/ML: Model Context Protocol (MCP), Tool-Calling-Frameworks, benutzerdefinierte Skill-Integrationen, OpenAI APIs, Anthropic APIs, LangGraph und benutzerdefinierte ML-Pipelines
Infrastruktur: AWS, PostgreSQL, Redis, Docker, LangFuse, Vektordatenbanken, Graphdatenbanken

Das Team

Sie werden dem Berliner KI-Team beitreten, das eng mit Engineering, Sicherheit und Produkt über Derivs globale Büros hinweg zusammenarbeitet. Das Team arbeitet mit erheblicher Autonomie und hat einen direkten Zugang zu Produktionssystemen.

Vor Ihrer Bewerbung

Diese Rolle steht Kandidaten offen, die bereits das Recht haben, in Deutschland zu leben und zu arbeiten. Wir können für diese Position kein Arbeitsvisum sponsern oder übertragen.

Was Sie in Ihren Lebenslauf aufnehmen sollten

Nachweis der KI-nativen Entwicklung: GitHub-Repos, bereitgestellte Projekte oder Beispiele dessen, was Sie mit Claude Code/Cursor gebaut haben.