Engineering AI Adoption Lead

Das Ziel ist es, die KI-Adoption in den acht Ingenieurorganisationen der Gruppe kontinuierlich und rhythmisch zu gestalten: Die Vision jedes CTOs in ihre Teams als Arbeitsdisziplin zu übertragen und bewährte Praktiken von einem Unternehmen in die anderen sieben zu übertragen.

Über das Projekt: Neurons Lab führt ein gruppenweites KI-Adoptionsprogramm für einen großen iGaming-Kunden durch: eine Holding von sechs Spielestudios plus zentrale Geschäftsbereiche, 10+ Unternehmen, ~800–1.000 Mitarbeiter. Das Programm kombiniert die Befähigung von Geschäftsteams, die Befähigung von Ingenieuren und maßgeschneiderte KI für die Spielproduktion. Diese Rolle ist ausschließlich für den Bereich Ingenieure zuständig — der direkte Gegenpart des AI Education/Engagement Managers, der für die Geschäftsteams verantwortlich ist. Es handelt sich um eine neue Rolle, zusätzlich zum AI-Architekten des Teams im Bereich Spielentwicklung; sie erstellt keine Pilotprojekte für die Spielproduktion.

Die Ingenieurorganisationen decken das gesamte Reifegradspektrum ab — von produktiven agentischen Workflows, benutzerdefinierten MCP-Servern und einem KI-Gateway-Rollout in den stärksten Unternehmen bis hin zu Teams, die ihre ersten Spezifikationen schreiben. Jedes Unternehmen behält seine eigenen Tools (Cursor / Claude Code / Codex — Vielfalt ist eine bewusste Politik); diese Rolle überträgt Praktiken, nicht Tools.

Dauer: fortlaufend, kundenorientiert. Phase: Start.

KPIs

• Diffusion (Kern): ≥2 Praktiken pro Monat in wiederverwendbare Artefakte verpackt (Playbook, Spezifikationsvorlage, Fähigkeiten-Repo, aufgezeichnete Demo); ≥3 unternehmensübergreifende Übertragungen pro Monat, jede von ≥2 weiteren Unternehmen übernommen; ≤2 Wochen von der Entdeckung bis zur gruppenweiten Verfügbarkeit.
• Adoption: ≥1 Experiment pro aktivem Team pro Sprint („keine leeren Sprints“); wöchentliche aktive KI-Nutzung ≥80% der Ingenieure pro aktivem Unternehmen (Ziele nach 30-tägiger Basislinie kalibriert).
• Ergebnisse: Einsparungen bei der Entwicklerzeit im Vergleich zur Basislinie; PR-Durchsatz und Trend der Durchlaufzeit (DX Core 4 / DORA); Sicherheitsmaßnahme — die Änderungsfehlerquote und Nacharbeit dürfen nicht steigen, während der KI-Anteil wächst.
• Rhythmus: zweiwöchentliche Validierungsgespräche und monatliche unternehmensübergreifende Demotreffen, die im Rhythmus stattfinden; Live-Statusboard pro Unternehmen; CTO-Zufriedenheit ≥8/10 in einer vierteljährlichen Umfrage.

Verantwortungsbereiche

• Innerhalb jedes Unternehmens: die Last der Kaskade vom CTO abnehmen — ihre Vision in teambezogene Disziplin umsetzen: Spezifikationen, Regeln, Überprüfungsstandards, wiederverwendbare Fähigkeiten, Einarbeitung des nächsten Kreises von Ingenieuren.
• Den Diffusionsprozess zwischen den Unternehmen steuern: erkennen, was bereits in einem Team funktioniert, Richtung und Risiken validieren, in ein wiederverwendbares Artefakt verpacken, an den Rest übertragen, gegen objektive Kriterien messen.
• Den Rhythmus betreiben: zweiwöchentliche Validierungsgespräche mit aktiven Teams (ein leerer Sprint ist ein Signal zur Umstrukturierung, nicht zum härteren Drücken), ein monatliches unternehmensübergreifendes Demotreffen, ein Statusboard pro Unternehmen und ein monatliches Steuerungssync mit dem Gruppen-CTO.
• Teams lehren, objektive, numerische Erfolgskriterien für agentisches Arbeiten zu definieren (Loop Engineering / Hill-Climbing gegen eine Metrik) — der größte Erfolgsfaktor für Agenten in der Produktion.
• Die Protokolle jedes Unternehmens respektieren: zuerst über den lokalen CTO arbeiten (einige CTOs verlangen, dass sie der erste Ansprechpartner für alle technischen Themen sind), niemals um sie herum.
• Bedürfnisse, die über die Befähigung hinausgehen, in abgegrenzte Einheiten triagieren — Workshops (mit dem Leiter der KI-Entwicklung), PoCs, tiefgehende Überprüfungen — und sie dem richtigen Neurons Lab-Team übergeben.
• Die gruppenweite Gateway-/Attributionsagenda unterstützen: Kosten- und Fehlerattribution pro Team und Tool; mit dem Cloud-Team zur Kostenoptimierung und AWS-Gutschriften/Kofinanzierung zusammenarbeiten.
• Alles Wiederverwendbare in einer gruppenweiten Wissensdatenbank erfassen; Erfolge für die CTOs und die Gruppenleitung sichtbar machen.

Fähigkeiten

• Praktische tägliche Erfahrung mit agentischen Codestacks: Claude Code, Cursor, Codex — einschließlich MCP-Servern, Fähigkeiten, Unteragenten und spekgetriebenem Entwickeln auf echten Repositories.
• KI-Architektur: LLM-Gateways/Proxys (LiteLLM / OpenRouter-Klasse), Kosten- und Fehlerattribution, lokale LLM-Abwägungen, Bereitstellungsmuster in der Region (z.B. Bedrock).
• Glaubwürdigkeit in der Ingenieurführung auf technischer Leitungsebene / KI-Architekt / Leiter der Ingenieurabteilung — in der Lage, echten Code, Pipelines und Spezifikationen mit erfahrenen Ingenieuren zu überprüfen, nicht nur Folien zu präsentieren.
• Moderation technischer Sitzungen: Live-Demos, Validierungsgespräche, praktische Workshops mit echten Repos.
• Verpackung: eine funktionierende Praxis in ein Artefakt verwandeln, das ein anderes Team ohne den Autor im Raum übernimmt.

Wissen

• Ingenieurmessung im KI-Zeitalter: DX Core 4 / DORA, KI-Wirkungsmetriken, Qualitätsleitlinien für KI-generierten Code.
• Adoptionspsychologie für erfahrene Ingenieure — Widerstand unter Senioren ist ein benannter Blocker in mehreren Unternehmen des Kunden.
• Erfahrung in der Spieleentwicklung / iGaming (schön zu haben): Spielmathematik, Zertifizierungsanforderungen, Kunst-/Animationspipelines.

Erfahrung

• Leitung der KI-Adoption oder Plattform-/Entwicklerbefähigungsarbeit in einer Ingenieurorganisation (20+ Ingenieure) oder gleichwertige Erfahrungen als technischer Leiter/Leiter der Ingenieurabteilung.
• Agentische Workflows in die Produktion gebracht; kann eigene Fähigkeiten, MCP-Server oder Spezifikationsrepositories vorzeigen.
• Fließendes Englisch erforderlich; Russisch und/oder Ukrainisch von großem Vorteil — die Teams des Kunden kommunizieren in beiden Sprachen.