Senior AI / Knowledge Graph Engineer (m/f/d)

Pinnipedia ist ein neues Berliner Startup, das eine Cloud-Plattform entwickelt, die die Erstellung von auditfähigen IT-Sicherheitskonzepten automatisiert und unterstützt (z. B. BSI-Grundschutz, C5). Wir sind IGP-finanziert (2025/26) und entwickeln gemeinsam mit der FU Berlin und Pilotnutzern aus der Industrie und Sicherheitsberatung. Wir suchen einen AI Engineer, der unstrukturierte Eingaben in strukturiertes Wissen und zuverlässige Antworten umwandelt.

Ihre Mission

• Verantwortung für die End-to-End-Pipeline, die unstrukturierte Dokumente in ein validiertes, abfragbares Wissensgraphen umwandelt. Verantwortlich für die Extraktionsqualität, die Integrität des Graphen und die Datenebene, die den Lesezugriff des Produkts unterstützt.

Aufgaben

• LLM-Extraktionspipelines - Dokumentenchunking, Extraktion von Eigenschaften und Beziehungen, Überprüfung zwischen Chunks, Erkennung von Lücken. Entwickelt mit strukturierten Ausgabemodellen, die von langlebigen Workflows orchestriert werden.
• Wissensgraph - Schema-Design als typisierte Pydantic-Modelle, Cypher-Zugriffsmuster und Indexierungsstrategie, Graphoperationen, Schemaentwicklung und Migration.
• Deterministische Regelmaschinen - tabellenbasierte Evaluatoren für Fälle, in denen Code besser ist als das Urteil von LLM; klare Verträge zwischen deterministischen und probabilistischen Komponenten.
• Datenvalidierung & Qualität - Durchsetzung von Schemata, Verträge über erforderliche Eigenschaften, Prüfpfade, Evaluierungswerkzeuge (Expertenüberprüfung, unbeaufsichtigte Kontrollen, synthetische Fixtures, LLM als Richter).
• Live-Datenoperationen - Backfills, koordinierte Migrationen über relationale + Graphspeicher, Beobachtbarkeit der Extraktionsdurchsatz und -qualität, Incident Response.

Anforderungen

Must-have

• 5+ Jahre Erfahrung in der Bereitstellung von Daten-/AI-Systemen in Produktion mit echten Kunden - war Bereitschaftsdienst für Live-Pipelines und weiß, was um 2 Uhr morgens schiefgeht.
• Starke Python (typisiert, modern) und SQL. Sicher im Umgang mit PostgreSQL unter Last.
• Produktionserfahrung mit mindestens einer Graphdatenbank (Neo4j bevorzugt; Neptune, ArangoDB, TigerGraph akzeptabel) - Schema-Design, Abfrageoptimierung, keine Spielereien.
• Erfahrung mit Produktions-LLM-Pipelines: strukturierte Ausgabe, Agentenorchestrierung, Prompt- und Versionsmanagement, Evaluierungsframeworks. PydanticAI, LangChain, DSPy oder Instructor sind willkommen.
• Robuste Workflow-Orchestrierung in der Produktion (DBOS, Temporal, Airflow, Prefect, Dagster).
• Test-first-Diziplin - Integrationstests gegen echte Datenspeicher (Testcontainers oder Äquivalente), keine mocklastigen Unit-Tests.
• Fließende Englischkenntnisse.

Nice-to-have

• Erfahrung mit regulierten, compliance-gesteuerten oder standardschweren Extraktionsbereichen (rechtlich, medizinisch, finanziell, Sicherheit/Audit).
• Entwicklung deterministischer Evaluatoren neben LLM-Komponenten und Wissen, wann welche verwendet werden sollten.
• Beiträge zu Datenverträgen, Schema-Governance oder Ontologiearbeit.
• Deutschkenntnisse.

Vorteile

• Hybrid, Vollzeit mit flexibler Planung; gelegentliche Vor-Ort-Tage in Berlin.
• Wettbewerbsfähiges Gehalt: 60.000–85.000 € Grundgehalt (mehr für außergewöhnliche Senior-Profile).
• Kleines, fokussiertes Team; direkte Zusammenarbeit mit dem Product Owner und Full-Stack Engineer.
• Moderne Werkzeuge, echtes Eigentum und ein Lernbudget für rollenspezifische Schulungen.
• Auswirkungen: Helfen Sie KMUs, steigenden Sicherheitsanforderungen mit weniger Reibung gerecht zu werden.

Bewerben Sie sich auf JOIN mit Ihrem Lebenslauf (PDF) und einer kurzen Notiz (max. 200 Wörter), in der Sie beschreiben, wie Sie eine KG-unterstützte RAG-Pipeline entwerfen würden (Ontologiescope, Indizierung, Abruf und Bewertung, die Sie verwenden würden).

Prozess: 20-minütiges Intro - 90-minütige praktische Übung (Graphmodellierung + Abrufbewertung) - 45-minütiger Teamchat - Referenzen. Wir überprüfen Bewerbungen innerhalb von 5 Werktagen.