Senior AI Engineer (Remote)

Finom ist ein europäisches Tech-Startup mit Sitz in Amsterdam, das die Finanzlandschaft für Unternehmer weltweit revolutionieren möchte. Unsere Mission ist es, eine All-in-One-B2B-Lösung zu entwickeln, die Bankfunktionen, Buchhaltung, Finanzmanagement und Rechnungsstellung in einer nahtlosen, mobil-first Plattform integriert. Finom hat eine Series-C-Finanzierungsrunde in Höhe von 115 Millionen Euro abgeschlossen, was unsere Gesamtfinanzierung auf etwa 346 Millionen Euro bringt.

Wir suchen einen Senior AI Engineer, der AI-Systeme entwirft, baut und betreibt, um reale Geschäftsprobleme bei Finom zu lösen. Diese Rolle richtet sich an jemanden, der sich vom Prototyp zur Produktion bewegen kann: die Lösung gestalten, das System bauen, die Qualität messen und es im Laufe der Zeit verbessern. Sie werden an wichtigen Initiativen in den Bereichen Onboarding, Kundenservice, AI-Buchhaltung, Betrugs- und Risikomanagement, Dokumentenverständnis, interne Automatisierung und agentische Systeme arbeiten, die von mehreren Teams genutzt werden.

Was Sie tun werden:

• AI-gestützte Produkte und interne Lösungen unter Verwendung von LLMs, RAG, Tool-Calling, Workflows und agentischen Mustern entwickeln und bereitstellen.
• AI-Systeme end-to-end besitzen: Problemdefinition, Architektur, Implementierung, Evaluierung, Bereitstellung, Überwachung und Iteration.
• Eng mit Lösungsmanagern, Fachteams und Ingenieuren zusammenarbeiten, um AI in reale Workflows zu integrieren.
• Qualitäts- und Evaluierungsrahmen für AI-Systeme entwerfen, einschließlich Offline-Evaluierungen, Online-Signale, Fehleranalysen und kontinuierliche Verbesserungszyklen.
• Skalierbare und zuverlässige Inferenzpipelines mit starkem Fokus auf Latenz, Kosten, Sicherheit und Beobachtbarkeit entwickeln.
• Anwendungsfälle wie Onboarding, Kundenbetreuung, Transaktions- und Dokumentenklassifizierung, Wissensassistenten, Betrugserkennung und betriebliche Automatisierung bearbeiten.
• Zur Verbesserung der Wiederverwendbarkeit, Geschwindigkeit und Konsistenz über Teams hinweg zu Entscheidungen über AI-Plattformen und -Tools beitragen.
• Voraussetzungen hinterfragen, bessere Ansätze vorschlagen und helfen, die Roadmap zu gestalten.
• Mutig experimentieren, schnell aus Misserfolgen lernen und Erkenntnisse in stärkere Systeme und bessere Praktiken umsetzen.

Was Erfolg aussieht:

In den ersten 6 bis 12 Monaten werden Sie:

• Vollständig in das Team und die Geschäftsfelder, die Sie unterstützen, integriert sein.
• Mindestens eine bedeutende AI-Funktion in die Produktion bringen.
• Sichtbare Auswirkungen durch Umsatzsteigerungen, Kosteneinsparungen, Produktivitätsgewinne oder Risikominderungen erzielen.
• Die technischen Standards dafür erhöhen, wie Finom AI-Systeme entwickelt, bewertet und betreibt.
• Anderen Teams helfen, AI effektiver durch starke Ingenieurpraktiken und pragmatische Anleitung zu übernehmen.

Wer Sie sind:

• Ein starker Software-Ingenieur mit tiefen Python-Kenntnissen und einer Erfolgsbilanz beim Versand von Produktionssystemen.
• Komfortabel über den gesamten Lebenszyklus: Prompting, Retrieval, Experimentierung, Evaluierung, Bereitstellung und Produktionssupport.
• Stark darin, mehrdeutige Geschäftsprobleme in robuste technische Lösungen umzuwandeln.
• Produktorientiert und fokussiert auf echte Benutzerergebnisse, nicht nur auf Modelloutputs.
• Autonom, pragmatisch und in der Lage, ohne intensive Aufsicht Fortschritte zu machen.
• Klar in der Kommunikation und komfortabel in der Zusammenarbeit über Funktionen hinweg.
• Neugierig, proaktiv, mit geringem Ego und handlungsorientiert.
• Jemand, der aktiv mit der sich schnell entwickelnden AI-Landschaft Schritt hält und Hype von tatsächlich nützlichen Informationen unterscheiden kann.

Must-Haves:

• Nachgewiesene Erfahrung im Aufbau und in der Bereitstellung von AI-Systemen in der Produktion.
• Starke Python- und Software-Ingenieur-Grundlagen.
• Praktische Erfahrung mit LLM-Anwendungen, einschließlich RAG, Toolnutzung, Agenten, Prompt-Engineering, Evaluierungen, strukturierten Ausgaben, Schutzvorrichtungen oder Feinabstimmung.
• Erfahrung in der Integration von AI-Systemen in Backend- oder Produkt-Workflows.
• Fähigkeit, sinnvolle Evaluierungs-, Überwachungs- und kontinuierliche Verbesserungszyklen zu entwerfen.
• Erfahrung mit Cloud-Infrastruktur und containerisierten Bereitstellungen.
• Starkes Verantwortungsbewusstsein und die Fähigkeit, durch Unklarheiten zu navigieren.
• Aktives Experimentieren mit neuen AI-Modellen, Tools und agentischen Mustern und die Fähigkeit, zu bewerten, welche Ansätze es wert sind, in die Produktion zu gehen.
• Gutes Verständnis der sich schnell entwickelnden AI-Landschaft, mit der Fähigkeit, relevante Fortschritte in praktische Produkt- und Ingenieurentscheidungen umzusetzen.
• Fließendes Englisch.

Nice-to-Haves:

• Erfahrung im Fintech, in der Finanzdienstleistungsbranche, im Risikomanagement, in der Compliance oder in operationell intensiven Umgebungen.
• Erfahrung mit angewandtem ML über LLMs hinaus, wie Klassifikation, Anomalieerkennung, Ranking oder Dokumentenintelligenz.
• Erfahrung mit Vektordatenbanken, Wissenssystemen und Abrufinfrastruktur.
• Erfahrung mit Modellbenchmarking, Experimentierframeworks und Kosten- oder Latenzoptimierung im großen Maßstab.
• Hintergrund in Startups oder als Gründer.
• Beiträge zu Open-Source-Projekten oder sichtbaren Nebenprojekten im Bereich AI.

Beispiel-Tech-Stack:

Sie müssen nicht mit jedem Punkt Erfahrung haben, aber diese Rolle wird wahrscheinlich Technologien wie folgende beinhalten:

• Sprachen: Python, SQL, noSQL
• LLM / AI: OpenAI, Anthropic, LangGraph, Hugging Face, Ollama, PyTorch, OpenClaw
• Muster: RAG, Tool-Calling, agentische Workflows, Evaluierungs-Pipelines
• Infrastruktur: Docker, Kubernetes, AWS / GCP / Azure