Software Engineer II - AI

Überblick

Bei McGraw Hill entwickelt unser AI Platform-Team intelligente Lernerfahrungen, die von Millionen von Schülern und Lehrern weltweit genutzt werden. Wir integrieren KI nicht in bestehende Produkte, sondern überdenken, wie Menschen lernen, indem wir generative KI, retrieval-unterstützte Generierung und agentische Workflows ins Zentrum der Erfahrung stellen. Dies ist angewandte KI mit echten Herausforderungen. Die Modelle sind leistungsstark, die Probleme sind wirklich schwierig, und der Einfluss – einem Schüler zu helfen, endlich ein Konzept zu verstehen, mit dem er gekämpft hat – ist etwas, das man tatsächlich spürt.

Ihr Einfluss auf das Team

Wir suchen einen Software Engineer II – AI, der unserem AI Platform-Team beitritt. Sie werden die Dienste und APIs entwickeln, die KI nutzen, um die Erfahrungen von Schülern und Lehrern zu unterstützen – RAG-Pipelines, LLM-Orchestrierung, Retrieval- und Routing-Schichten sowie die Produktionsinfrastruktur, die Modellfähigkeiten in ausgelieferte Funktionen umwandelt.

Eine Anmerkung dazu, was diese Rolle ist und was nicht

Dies ist eine Rolle im Bereich Softwareentwicklung, keine Datenwissenschaft oder ML-Rolle. Sie werden keine Modelle trainieren, Feinabstimmungen vornehmen, Evaluierungswerkzeuge für die Modellleistung erstellen oder ML-Experimente durchführen – wir haben ein Elite-Team von Datenwissenschaftlern und angewandten Forschern, die diese Arbeit übernehmen. Ihre Aufgabe besteht darin, das, was sie produzieren, und die Modell-APIs, die wir verwenden, in zuverlässige, beobachtbare, skalierbare Produktionssysteme umzuwandeln.

Bereit für tiefere Ingenieurarbeit?

Diese Rolle ist für einen Software-Ingenieur gedacht, der bereit ist, tiefer einzutauchen. Sie haben ein paar Jahre Berufserfahrung, haben echte Dinge ausgeliefert und sind begeistert davon, an KI-gestützten Produkten auf einem Niveau zu arbeiten, das über Tutorials und Nebenprojekte hinausgeht. Senior Engineers werden da sein, um mit Ihnen zusammenzuarbeiten, von Ihnen zu lernen und Ihre Arbeit zu überprüfen – aber zunehmend werden Sie derjenige sein, der Probleme analysiert, Ansätze vorschlägt und Funktionen bis zur Produktion verantwortet.

Was Sie lernen werden

• Sie werden lernen, wie Produktions-KI-Systeme sich verhalten – nicht nur den glücklichen Pfad, sondern auch die langen Schwänze seltsamer Eingaben, Halluzinationen, Retrieval-Ausfälle und Latenzklippen, die Sie nur erleben, wenn echte Benutzer Ihren Code verwenden.
• Sie werden sehen, wie Senior Engineers über LLM-Abwägungen nachdenken und in diese Gespräche einbezogen werden.
• Sie werden Code schreiben, der im Maßstab von Millionen von Schülern läuft, und Sie werden dafür verantwortlich sein, ihn zu betreiben – mit Unterstützung von Teamkollegen, wenn es schwierig wird.
• Sie werden schnelles, spezifisches Feedback zu Ihrer Arbeit erhalten und erwartet, dass Sie dasselbe im Gegenzug geben.
• Am Ende Ihres ersten Jahres werden Sie Funktionen ausgeliefert haben, auf die Sie zeigen können und sagen: „Ich habe das gebaut“.

Was Sie tun werden

• Entwickeln Sie die Dienste, die KI an die Benutzer liefern.
• Arbeiten Sie an unseren RAG-Pipelines, LLM-Orchestrierungsschichten und den APIs, die KI-Funktionen für Benutzer bereitstellen.
• Integrieren Sie sich mit Modellanbietern (Azure OpenAI und andere), verbinden Sie Retrieval- und Routing-Logik und bauen Sie den Produktionskleber, der Forschung in ausgeliefertes Produkt umwandelt.
• Beginnen Sie mit gut definierten Funktionen und wachsen Sie hinein, indem Sie diese end-to-end übernehmen, während Sie sich weiterentwickeln.
• Arbeiten Sie über unseren Backend-Stack hinweg. Der Großteil Ihrer Zeit wird in Python (FastAPI, async/await, Pydantic) verbracht, mit Möglichkeiten, zu Go-Diensten beizutragen, während Sie wachsen.
• Berühren Sie PostgreSQL, asynchrone Aufgabenarbeiter und die Integrationen, die unsere Dienste miteinander verbinden.
• Liefern Sie sorgfältig ab. Schreiben Sie Code, der getestet, lesbar und rücksichtsvoll gegenüber den Personen ist, die ihn nach Ihnen warten werden.
• Teilnehmen an Code-Reviews – sowohl Geben als auch Empfangen – und lernen, wie Ihr Team über Qualität, Beobachtbarkeit und Zuverlässigkeit denkt.
• Werden Sie gut im AI Engineering auf der Softwareseite. Sie müssen nicht als Experte ankommen. Sie müssen jedoch die Art von Person sein, die die Dokumentation liest, Experimente durchführt, unangenehme Fragen stellt und eine echte Meinung darüber bildet, wie man zuverlässig mit LLMs baut – Prompt-Design, Retrieval-Qualität, Latenz- und Kostenabwägungen, elegante Fehlermodi.
• Wir werden in Ihr Wachstum investieren.
• Breit zusammenarbeiten. Arbeiten Sie mit Datenwissenschaftlern zusammen, die Modelloutputs bewerten, Produktmanagern, die Funktionen gestalten, Designern, die über UX nachdenken, und anderen Ingenieuren in der Organisation. Klare Kommunikation – in PRs, in Entwurfsdiskussionen, in Slack – ist Teil des Jobs.
• Wachsen Sie weiter. Im Laufe der Zeit werden Sie beginnen, Designentscheidungen in Ihrem Team zu beeinflussen, Ingenieure zu betreuen, die neuer sind als Sie, und größere Arbeitsstücke zu übernehmen. Wir werden Sie dort abholen, wo Sie sind, und Ihnen helfen, dorthin zu gelangen, wo Sie hin möchten.

Was Sie mitbringen

Wir suchen jemanden, der die grundlegenden Anforderungen erfüllt:

• Einige Jahre Erfahrung in der Entwicklung realer Dinge – Ungefähr 2-5 Jahre professionelle Softwareentwicklungserfahrung.
• Sie haben Funktionen ausgeliefert, die echte Menschen verwendet haben, Produktionsprobleme debugged und gelernt, dass „funktioniert auf meinem Rechner“ kein abgeschlossener Zustand ist.
• Solide Backend-Grundlagen – Komfort in einer modernen Backend-Sprache – Python bevorzugt, aber wenn Ihr Hintergrund stärker auf Go, Java, Kotlin oder Node liegt und Sie zuversichtlich sind, dass Sie in Python aufholen können, erzählen Sie uns davon.
• Erfahrung in der Erstellung von APIs und der Arbeit mit relationalen Datenbanken (PostgreSQL, MySQL oder ähnliches) ist die Basis.
• Neugier auf KI, mit etwas Engagement – Sie benötigen keine Liste von Produktions-RAG-Systemen in Ihrem Lebenslauf. Sie müssen sich jedoch als Software-Ingenieur mit diesen Themen beschäftigt haben – etwas gebaut haben, das ein LLM aufruft, etwas kaputt gemacht haben, Meinungen über Prompt-Design oder Retrieval-Qualität gebildet haben, mit Frameworks wie LangChain oder LlamaIndex experimentiert haben.
• Wir suchen Ingenieure, die mit KI bauen wollen, nicht Forscher, die KI selbst bauen wollen.
• Gute Ingenieurinstinkte – Sie wissen, wann Sie um Hilfe bitten und wann Sie durchdrücken sollten. Sie schreiben Tests, weil Sie durch das Nichtschreiben von Tests enttäuscht wurden. Sie lesen mehr Code, als Sie schreiben, und können erklären, warum Sie die Entscheidungen getroffen haben, die Sie getroffen haben.
• Komfort mit Unklarheiten auf Ihrem Niveau – Senior Engineers werden schwierigere Probleme für Sie abstecken, aber Sie werden zunehmend derjenige sein, der mittelgroße Funktionen aufschlüsselt, Randfälle identifiziert und Risiken frühzeitig kennzeichnet. Sie sind über die Phase hinaus, in der Ihnen Aufgaben Schritt für Schritt zugewiesen werden müssen.
• Klare Kommunikation – Sie können einen Tradeoff schriftlich ohne 14 Absätze erklären. Sie geben spezifisches und freundliches Feedback bei Code-Reviews. Sie stellen Fragen in öffentlichen Kanälen, weil Sie herausgefunden haben, dass andere wahrscheinlich dieselbe Frage haben.
• Eine egoarme, verantwortungsvolle Einstellung – Sie sehen ein Problem und möchten es beheben. Sie sind mehr daran interessiert, dass das Team das Richtige ausliefert, als daran, dass Sie es ausgeliefert haben. Sie sind bereit, öffentlich falsch zu liegen, um schneller zu lernen.

Schön zu haben

• Produktionserfahrung mit AWS oder Azure
• Vertrautheit mit Frontend-Arbeiten (React oder Angular) – Sie müssen nicht dort leben, aber Sie können helfen, wenn es nötig ist
• Erfahrung mit Vektordatenbanken, Embeddings oder RAG-Architekturen
• Exposition gegenüber Go oder echte Bereitschaft, es zu lernen
• Vertrautheit mit Kubernetes, Terraform oder modernem CI/CD (GitHub Actions)
• Hintergrund in EdTech, Barrierefreiheit (WCAG 2.2 AA) oder in inhaltsreichen Produktbereichen
• Open-Source-Beiträge, technisches Schreiben oder Lehre jeglicher Art

Warum McGraw Hill?

Wir glauben fest an die Mission, Schüler zu bilden und ihnen zu helfen, erfolgreich zu sein. Unsere Teams arbeiten in einer kollaborativen und sicheren Umgebung, in der jeder Beitrag geschätzt, vertraut und respektiert wird. Sie haben die Möglichkeit für horizontale und vertikale Bewegung und Wachstum innerhalb der Organisation, einschließlich klarer Karrierewege für Ihr langfristiges persönliches und berufliches Wachstum.

Vergütung und Leistungen

Die Gehaltsspanne für diese Position liegt zwischen 93.950 und 135.000 USD jährlich, obwohl das angebotene Grundgehalt je nach berufsbezogenem Wissen, Fähigkeiten, Erfahrung und Standort variieren kann. Ein jährlicher Bonusplan kann als Teil des Vergütungspakets angeboten werden, zusätzlich zu einer vollständigen Palette von medizinischen und anderen Leistungen, abhängig von der angebotenen Position.