Worum es gehtUnsere AI octo-Workers automatisieren komplexe Wissensarbeit in geprüfter Qualität. Dafür brauchen sie saubere, konsistente, reproduzierbare Daten. Genau das verantwortest du: die End-to-End-Integration der Quellen und Services, die unsere Plattform mit verlässlichen Informationen versorgen. Du machst aus unstrukturierten Kundendaten etwas, mit dem unsere LLM-Agenten arbeiten können.
Was du in 12 Monaten gebaut haben wirst
Produktive Daten- und Extraktions-Pipelines, von unstrukturierten Quellen bis zu AI-ready Services, die reproduzierbar laufen, auch wenn sich Quellen ändern.
Eigene Tools und Integrationen gegen Kunden-APIs, Ticketing-Systeme und interne Systeme, oft als Same-Day- oder Next-Day-Prototyp.
Eine Knowledge-Base-Struktur, die Retrieval- und Embedding-Qualität messbar verbessert.
Reproduzierbarkeits- und Service-Standards, auf denen das restliche Team aufbaut.
Was du tun wirst
Kundenanforderungen gemeinsam mit unseren Implementation Managern in funktionierende technische Lösungen übersetzen.
Daten für die Ingestion in unsere RAG-Pipeline extrahieren, bereinigen und transformieren.
Spezialfunktionen bauen, die die Core-Plattform noch nicht abdeckt.
Schnell auf Kundenfeedback iterieren und die Lösung anschließend zu einem stabilen Service härten.
Für wen das istDu denkst End-to-End, von der Anforderung bis zum stabilen Service. Du schreibst produktionsreifes Python und triffst technische Entscheidungen mit Blick auf LLM-Verhalten: Embeddings, Ingestion, Chunking, Retrieval. Du hast mit RAG und LLM-Agenten gebaut, in Produktion oder in ernsthaften Side Projects. Du arbeitest AI-native: Claude, Cursor oder vergleichbare Tools gehören zu deinem Alltag, und du kannst beschreiben, wie sich deine Arbeit dadurch verändert hat. Du kommst mit unscharfen, unterbestimmten Problemen klar, bei denen Daten und Anforderungen anfangs unklar sind.
Must-haves
Du hast produktionsreife Python-Services ausgeliefert.
Docker.
Hands-on-Erfahrung mit RAG und mit LLM-Agenten oder agentischen Workflows, beruflich oder in substanziellen Side Projects.
Textmanipulation und Data Wrangling.
Erfahrung mit Agentic Coding.
Belege für das, was du gebaut hast: öffentliche Repos, ein Take-Home oder ein Walkthrough eines privaten Projekts.
Nice to have
Data-Engineering-Hintergrund.
CI/CD und Cloud (AWS, Azure).
Für wen das nicht istEngineers, die sich eng auf einen Teil des Stacks spezialisieren wollen. Wir bewegen uns über Datenintegration, Service-Betrieb und die Plattform selbst hinweg. Es kommen neue Kunden, neue Datenquellen und neue Ansätze. Keine zwei Wochen sehen gleich aus.
Der StackPython, Docker, leichtgewichtige Web-Services für Near-Real-Time, gängige Auth-Mechanismen (OAuth, SSO). CI/CD und Cloud (AWS, Azure) von Vorteil. AI-Tools sind Teil unserer Arbeitsweise, kein Add-on.
Wie wir arbeitenFlache Hierarchien, klare Strukturen, remote und hybrid. Made in Germany, SOC 2- und DSGVO-konform. Keine Pilotitis: Wir liefern stabile Implementierungen, getestet wie Software. Arbeitssprache Englisch. Deutsch min. B2 hilft bei deutschsprachigen Kundendaten.
Warum diese Rolle
Tooling rund um LLM-Agenten und agentische Workflows bauen, ein offenes, schnelllebiges Feld.
Probleme lösen, die vor wenigen Jahren nicht möglich waren.
Echte Ownership: prägen, wie das Implementation-Team an Probleme herangeht.
Deine Arbeit treibt den Kundenerfolg direkt, mit messbaren Ergebnissen statt Proof-of-Concepts.
Bei octonomy erwartet dich ein Umfeld, das Qualität schätzt, Kreativität fördert und echte, messbare Resultate liefert. Wenn du Lust hast, KI praxisnah in den Business-Alltag zu bringen und mit uns gemeinsam zu wachsen, freuen wir uns darauf, dich kennenzulernen.
Schreib uns formlos oder mit allem Drum und Dran – Hauptsache, du hast Lust, mitzugestalten.
octonomy.ai | We grow output. Not headcount.
Über uns
