AI Engineer in Berlin

Wir suchen einen erfahrenen AI Engineer, der zur Gestaltung und zum Aufbau skalierbarer SaaS-Produkte in unserem AI Lab beiträgt. In dieser Rolle kombinieren Sie tiefgehende technische Expertise mit strategischer Vision, um KI-gestützte Produkte zu schaffen, die dazu beitragen, die Geschäftsmodelle unserer Kunden zu transformieren und nachhaltiges Wachstum zu ermöglichen. Innerhalb des AI Labs entwickeln wir hochmoderne, großangelegte KI-Produkte, um messbare Auswirkungen für unsere Kunden zu erzielen. Sie arbeiten in einer offenen, agilen und innovationsgetriebenen Umgebung mit starker Zusammenarbeit zwischen Ingenieur-, Produkt- und Geschäftsteams.

Was uns besonders macht:

• Fördern Sie Ihre Karriere mit spannenden beruflichen Möglichkeiten in einem schnell wachsenden, innovativen Umfeld mit Startup-Charakter.
• Innovieren Sie, indem Sie Ideen durch kreative Experimente in hochmoderne KI- und Generative AI-Produkte umwandeln.
• Teilen Sie Ihre Ideen in einer Kultur, die von unternehmerischem Geist, Offenheit und Integrität geprägt ist.
• Arbeiten Sie mit hilfsbereiten, begeisterten Kollegen mit starkem Teamgeist zusammen.
• Profitieren Sie von einem umfangreichen Schulungsangebot und Lernprogrammen (z.B. LinkedIn Learning).
• Tragen Sie zu ganzheitlichem Feedback und Entwicklungsprozessen bei (z.B. 360-Grad-Feedback).
• Nutzen Sie Möglichkeiten, im Ausland zu leben und zu arbeiten.
• Genießen Sie Vorteile wie hybrides Arbeiten, Betreuungsgeld, Unternehmensrabatte und Unterstützung für das Wohlbefinden (z.B. Headspace).
• Entspannen Sie in gut ausgestatteten Pausenbereichen mit gesunden Snacks und Getränken.
• Vernetzen Sie sich mit Kollegen bei häufigen Mitarbeiterevents und Unternehmensveranstaltungen.

Wie Sie einen Einfluss schaffen werden:

• Gestalten Sie skalierbare SaaS-Architekturen für AI/GenAI-Produkte.
• Bewerten, auswählen und integrieren Sie Drittanbieterbibliotheken und Open-Source-Frameworks.
• Richten Sie Datenbanken und LLM-Frameworks ein.
• Setzen Sie Dienste sicher auf AWS ein und verwalten Sie diese.
• Leiten Sie die Entwicklung von KI-Produkten für geschäftsspezifische SaaS-Anwendungsfälle.
• Mentoren Sie junior Teammitglieder und bieten Sie architektonische Aufsicht.
• Leiten Sie die Entwicklung von RAG-Pipelines, Feinabstimmungs-Workflows und Datenpipelines aus internen und externen Quellen.
• Definieren Sie Ingenieurstandards und Richtlinien zur Codequalität.
• Arbeiten Sie mit MLOps-Teams zusammen, um Modelle bereitzustellen und zu warten.
• Optimieren Sie Leistung, Latenz und Kosten von AI/GenAI-Lösungen.
• Übersetzen Sie Geschäftsstrategien in technische Richtungen mit Führungskräften und Produktteams.
• Prototypisieren Sie neue Ideen schnell und iterieren Sie basierend auf Nutzerfeedback.
• Leiten Sie technische PoCs und MVP-Entwicklung und bewerten Sie Build-vs-Buy-Entscheidungen.
• Bleiben Sie über Entwicklungen in AI/GenAI informiert und bewerten Sie neue Tools und Modelle.

Über Sie:

• Nachgewiesene Erfahrung in der Gestaltung, Entwicklung und dem Betrieb von kundenorientierten SaaS-Produkten in großem Maßstab.
• Erfahrung in der Verantwortung für Produkte über den Launch hinaus, einschließlich fortlaufendem Betrieb und Evolution.
• Geschäftsorientiert und datengestützt mit Leidenschaft für die Bereitstellung greifbarer Kundenwerte.
• Exzellente Kommunikationsfähigkeiten gegenüber technischen und nicht-technischen Zielgruppen.
• Starke Zusammenarbeit und Fähigkeit, verteilte Ingenieurteams zu unterstützen.
• Hohe Standards für Zuverlässigkeit, Sicherheit und langfristige Wartbarkeit.
• Nachgewiesene Führung bei komplexen Infrastruktur- und datenzentrierten Initiativen.
• Praktische Erfahrung im Aufbau von Anwendungen mit GenAI- und LLM-Technologien.

Technische Fähigkeiten:

• SaaS-Multi-Tenant-Architekturen.
• Verteilte Systeme und Produktions-API-Design (Latenz, Caching, Resilienz-Muster).
• Ereignisgesteuerte Architekturen und Datenpipelines (Kafka/Kinesis).
• Tiefe Expertise in AWS.
• Starke Python-Kenntnisse und Erfahrung mit Hugging Face Transformers, LangChain und PyTorch.
• Fortgeschrittene RAG-Muster (Chunking, Hybrid-Suche, Re-Ranking, Zitationen, Attribution).
• Bewertungsrahmen (Abrufbewertung, Halluzinationsprüfungen, Regressionstests).
• GenAI-Sicherheit und -Schutzmaßnahmen (Prompt-Injection-Abwehr, Inhaltsfilterung, PII-Reduktion).
• Hochleistungsinferenz (vLLM, TensorRT-LLM), Batching, Quantisierung und GPU-Kostenoptimierung.
• Multi-Modell-Routing und Kostenkontrollen (Fallbacks, Caching, Budgetobergrenzen).
• Datenmodellierung, Datenqualität, Schema-Evolution und Governance.
• Vektordatenbank und Einbettungsoperationen (Indexverwaltung, Re-Einbettungsstrategien, Abrufoptimierung).
• CI/CD für ML, Modell-Registry, Feature-Stores und Monitoring (Drift und Leistung).
• Fähigkeit, Ingenieurstandards über CI zu definieren und durchzusetzen.
• Bedrohungsmodellierung für GenAI, Datenschutz durch Design, Aufbewahrungsrichtlinien und Auditierbarkeit.