Senior GenAI Engineer

Über uns

Hawk ist der führende Anbieter von KI-unterstützter Technologie zur Bekämpfung von Geldwäsche und Betrug. Banken und Zahlungsanbieter weltweit nutzen Hawks leistungsstarke Kombination aus traditionellen Regeln und erklärbarer KI, um die Effektivität ihrer AML-Compliance und Betrugsprävention zu verbessern, indem sie mehr Verbrechen identifizieren und gleichzeitig die Effizienz durch die Reduzierung von Fehlalarmen maximieren. Mit unserer Lösung spielen wir eine entscheidende Rolle im globalen Kampf gegen Geldwäsche, Betrug oder die Finanzierung von Terrorismus. Wir bieten eine Kultur des gegenseitigen Vertrauens, der Unterstützung und Leidenschaft – während wir Einzelpersonen die Möglichkeit geben, sich beruflich weiterzuentwickeln und einen Unterschied in der Welt zu machen.

Ihre Mission

Als Senior Agentic Engineer bei Hawk besteht Ihre Mission darin, den agentischen Kern unseres AI Investigation Agent zu entwerfen und zu entwickeln – ein neues Produkt, das grundlegend überdenkt, wie menschliche Analysten mit autonomer KI zusammenarbeiten, um Finanzkriminalität zu untersuchen. Sie werden die schwierigsten Probleme im System besitzen: wie der Agent denkt, welchen Kontext er sieht, welche Werkzeuge er hat, wie wir messen, ob er besser oder schlechter wird, und wie wir ihn zuverlässig halten, wenn er entscheidende Entscheidungen über echte Finanzkriminalitätsfälle trifft. Sie setzen die architektonische Richtung fest, wie Hawk agentische Produkte entwickelt, und Sie schreiben den Code, der beweist, dass es funktioniert.

Hauptverantwortlichkeiten

• Architektur und Aufbau der agentischen Systeme, die den Investigation Agent antreiben: Workflow-Design in LangGraph, Werkzeugdesign und -integration, mehrstufiges Denken, Gedächtnis und die Orchestrierungsmuster, die alles zusammenhalten.
• Besitzen Sie das Kontextengineering als erstklassige Disziplin. Entscheiden Sie, was der Agent sieht, wann er es sieht und wie es strukturiert ist. Die meisten Agentenfehler sind Kontextfehler – Ihre Aufgabe ist es, sicherzustellen, dass unsere es nicht sind.
• Bauen Sie die Feedback-Schleifen, Evaluierungswerkzeuge und Nachverfolgungsinfrastruktur (Langfuse und darüber hinaus), die die Entwicklung von Agenten von Vibes in eine messbare, iterative Ingenieurdiziplin verwandeln. Sie machen das Unsichtbare sichtbar.
• Treffen Sie entscheidende architektonische Entscheidungen: wie wir den Agentenzustand strukturieren, wie wir langlaufende Workflows handhaben, wie wir uns von Fehlern erholen, wie wir Änderungen am Agenten sicher bereitstellen und zurückrollen, wie wir Latenz und Kosten im großen Maßstab im Auge behalten.
• Besitzen Sie komplexe Backend-Engineering-Arbeiten end-to-end über unseren Stack: Python, FastAPI, Postgres, Redis, Kubernetes. Agentische Systeme sind immer noch Softwaresysteme – sie müssen zuverlässig, beobachtbar und bedienbar sein wie jeder andere Produktionsdienst.
• Arbeiten Sie eng mit Produkt/UX, Data Science und dem Rest des Engineering-Teams zusammen, um zu gestalten, was gebaut wird. Sie bringen starke Meinungen darüber mit, was mit aktuellen Modellen und Frameworks tatsächlich möglich ist, und Sie widersprechen, wenn ein vorgeschlagenes Feature die falsche Form für einen Agenten hat.
• Fördern Sie einen KI-nativen Engineering-Workflow. Sie verwenden Claude Code, Cursor oder gleichwertige agentische Codierungswerkzeuge als täglichen Teil Ihrer Arbeit, und Sie helfen, die Messlatte dafür zu erhöhen, wie das Team sie nutzt. Wenn Sie feststellen, dass Sie dasselbe zweimal tun, ist Ihr natürlicher Instinkt, es zu automatisieren.
• Helfen Sie, die grundlegenden Ingenieurpraktiken für agentische Produkte bei Hawk festzulegen: wie wir Agenten testen, wie wir sie bewerten, wie wir sie bereitstellen, wie wir sie überwachen und wie wir wissen, wann wir ihnen vertrauen können.

Ihr Profil

• 5+ Jahre Berufserfahrung in der Softwareentwicklung, mit tiefem Backend-Know-how in Python und einer starken Erfolgsbilanz beim Versand von Produktionssystemen, auf die andere angewiesen sind.
• Praktische Erfahrung im Entwerfen und Bauen agentischer Systeme – mehrstufige Workflows, Werkzeugnutzung, Kontextmanagement, Gedächtnis, Bewertung. Sie haben dies in LangGraph, in einem anderen Framework oder von Grund auf getan und haben Meinungen dazu, welcher Ansatz zu welchem Problem passt.
• Starke Intuitionen über Kontextengineering, Prompt-Design, Evaluierungsdesign und die Fehlerarten von LLM-basierten Systemen. Sie verstehen den Unterschied zwischen einer Demo, die einmal funktioniert, und einem System, das zuverlässig im großen Maßstab funktioniert.
• Solide Grundlagen im Backend-Engineering: FastAPI (oder gleichwertig), Postgres, Redis, Kubernetes, Beobachtbarkeit und die betriebliche Disziplin, all dies in der Produktion zu betreiben.
• Praktische Beherrschung agentischer Codierungswerkzeuge (Claude Code, Cursor oder gleichwertig) als Teil Ihres täglichen Workflows. Sie haben eine Meinung dazu, was sie gut können, was nicht, und wie man das Beste aus ihnen herausholt.
• Ausgezeichnete ganzheitliche Denk- und Problemlösungsfähigkeiten. Sie gestalten das Produkt und die Architektur, anstatt vordefinierte Tickets auszuführen.
• Ausgezeichneter Kommunikator mit kooperativer Denkweise, der in der Lage ist, technische Abwägungen sowohl technischen als auch nicht-technischen Stakeholdern zu erläutern.

Bonus

• Produktionserfahrung mit Langfuse oder gleichwertigen LLM-Beobachtungs- und Evaluierungstools.
• Frühere Erfahrung in der Bekämpfung finanzieller Kriminalität (AML, Betrug, Compliance oder Untersuchungstools) – oder eine tiefe Neugier, das Fachgebiet schnell zu lernen.
• Sie haben agentische Produkte an echte Benutzer in der Produktion ausgeliefert – nicht nur Prototypen, Demos oder interne Tools. Sie haben den Unterschied zwischen "der Agent hat funktioniert, als ich es ausprobiert habe" und "der Agent funktioniert für unsere Kunden, jeden Tag, im großen Maßstab" gespürt.