Senior ML/AI Engineer (m/w/d)

QuoIntelligence verwandelt Millionen von Rohsignalen in fertige Cyber-Bedrohungsinformationen, auf die Sicherheitsteams in ganz Europa täglich reagieren. Die ML-Schicht macht das möglich: Klassifizierung und Anreicherung heute, KI-gestützte Analyse durch Agent Karla morgen.

Das ML-Team ist klein (heute 2 Personen), und die Infrastruktur ist schlank. Sie werden End-to-End-Produktionssysteme besitzen, bestehende NLP-Pipelines verbessern, LLMs feinabstimmen, Evaluierungsrahmen erstellen und KI-Agenten im Cyberbereich orchestrieren. Was Sie liefern, sehen die Kunden.

Was Sie tun werden:

• Verbessern Sie den Produktions-ML-Stack. Die Anreicherungs- und Klassifizierungspipelines funktionieren und bedienen echte Kunden. Sie wurden für Geschwindigkeit und nicht für Langlebigkeit gebaut, sodass es Raum für Verbesserungen gibt. Sie werden in den ersten 90 Tagen mindestens eine messbare Verbesserung liefern.
• Besitzen Sie die Modellbewertung End-to-End. Qualitätsmetriken, Ground-Truth-Labeling, Offline-/Online-Bewertung: Sie entwerfen den Rahmen, den das Team verwendet, um zu messen, ob Modelle in der Produktion funktionieren.
• Liefern Sie etwas, das der Stack heute nicht kann. Die bestehenden Pipelines behandeln Klassifizierung und Anreicherung. Was als Nächstes kommt, ist offen. Sie werden Ihr erstes Projekt im ersten Quartal vorschlagen, es bauen und messen, ob es funktioniert.
• Erweitern Sie die Fähigkeiten des Agenten. Helfen Sie, die Intelligenz von Agent Karla zu steigern, indem Sie neue Orchestrierungsmuster und Abrufstrategien mit Open-Source-Frameworks wie LangGraph erstellen.
• Arbeiten Sie direkt mit dem IntelOps-Team zusammen. Ihre Modelle dienen dem Team für Intelligenzoperationen; Sie validieren die Leistung anhand realer Bedrohungsszenarien, nicht anhand von Benchmarks.

AI-First in Engineering

AI-Flüssigkeit ist ein unternehmensweites Standard bei QI, keine Abteilungsinitiative. Für das Engineering definieren drei Prinzipien den Standard:

• Sie arbeiten täglich mit KI-unterstützten Tools (Cursor, Claude, was auch immer Sie schneller macht). Aber Sie wissen auch, wann KI-generierter Code Risiken birgt. Sie können bewerten, ob ein KI-Vorschlag in einem sicherheitskritischen Codebasis zuverlässig ist, und verstehen den Unterschied zwischen schnellem und rücksichtlosem Versenden. In einem Cybersicherheitsunternehmen ist dieses Urteil wichtiger als Geschwindigkeit.
• Sie bewerten neue KI-Tools kritisch, übernehmen, was funktioniert, und verwerfen, was nicht. Sie haben Meinungen dazu, welche Tools gut sind und warum, basierend auf Ihrer eigenen Nutzung, nicht auf dem, was Sie auf LinkedIn gelesen haben.
• Jedes Modell und jede Pipeline hat eine klare Erfolgsdefinition, bevor sie ausgeliefert wird. KI beschleunigt den Iterationszyklus. Ohne klare Erfolgskriterien ist diese Geschwindigkeit verschwendet.

Was Sie mitbringen:

Must-haves:

• Produktions-ML-Bereitstellung. Sie haben Modelle von Notebooks in die Produktion überführt und sie über einen längeren Zeitraum gewartet, als Teil von Systemen, die echten Nutzern dienen.
• NLP- und LLM-Grundlagen. Textklassifizierung, NER, Zusammenfassungen, Einbettungen, transformerbasierte Modelle. Sie verstehen die Grundlagen gut genug, um den richtigen Ansatz für ein gegebenes Problem auszuwählen, nicht nur den neuesten.
• Komfort mit unordentlichen Daten. Unstrukturierter Text mit lauten, inkonsistenten Signalen. Wenn Ihre ML-Erfahrung auf sauberen Benchmark-Datensätzen beschränkt ist, wird Sie diese Rolle frustrieren.
• Python: Es ist die Sprache des Teams.
• Open-Source-Mindset. Sie haben mit Hugging Face, spaCy, OpenNMT oder ähnlichem gearbeitet. Wenn Ihre gesamte Karriere in proprietären Ökosystemen ohne Kontakt zu Open-Source-Äquivalenten stattgefunden hat, ist das ein Hindernis.
• AI-Flüssigkeit. Aktive tägliche Nutzung von KI-unterstützten Entwicklungstools. Sie können etwas zeigen, das Sie mit KI gebaut oder abgeschlossen haben, nicht nur sagen, dass Sie interessiert sind.

Nice-to-haves:

• Erfahrung mit Agenten-Frameworks (LangGraph, LangChain oder ähnliches) und Orchestrierungsmustern (ReAct, Tool-Calling, Multi-Agenten-Systeme).
• Feinabstimmungserfahrung mit Open-Source-Modellen (Qwen, LLaMA, Mistral).
• Erfahrung mit Inferenzservern und beliebten Backends (z.B. NVIDIA Triton, vLLM usw.).
• Vertrautheit mit Datenorchestrierungstools (Kestra, Airflow, Prefect).
• Kenntnisse im Bereich Cybersicherheit oder Bedrohungsintelligenz (nicht unbedingt erforderlich; neugierige ML-Ingenieure lernen schnell).

Was wir bieten:

• Ein kleines Team, in dem Ihre Arbeit die Kunden erreicht. Keine Schichten zwischen Ihrem Modell und dem Intelligenzprodukt, auf das die Kunden angewiesen sind.
• Eigenverantwortung, nicht nur Tickets. Ihr Teamleiter definiert Prioritäten; Sie sind dafür verantwortlich, wie Sie diese lösen. Sie überprüfen den gesamten Service-Stack und das Modellportfolio und entscheiden dann, was geändert werden soll und führen dies unabhängig aus.
• Einschränkungen, die Kreativität erfordern. Wir glauben daran, die einfachste Lösung zu verwenden, die die Aufgabe erfüllt. Wir halten die Dinge schlank und wählen die Werkzeuge sorgfältig aus. Die interessanten Probleme hier ergeben sich daraus, dass man mehr aus destillierten Modellen herausholt und Pipelines so gestaltet, dass sie auf der verfügbaren Hardware versendet werden können.
• Ethik. QI trägt das Label "Cybersecurity Made in Europe" und fungiert als Partner der ENISA (der Cybersicherheitsbehörde der EU). Wir sind offen darüber, was unsere KI kann und was nicht, und unser Compliance-Verzeichnis unterstützt dies. In einem Markt voller KI-Hype ist diese Glaubwürdigkeit ein echter Vorteil.
• Wachstumsperspektive. Pre-Series A, schnell wachsender Umsatz, Series A-Planung im Gange. Sie würden die ML-Richtung für ein Unternehmen gestalten, das noch etwa 40 Mitarbeiter hat.

Der Prozess:

• Recruiter-Screening
• AI-Flüssigkeits-Screening
• Take-Home-Aufgabe: ein echtes Bewertungsproblem aus der Arbeit des Teams. Sie können KI-Tools verwenden, müssen jedoch Ihre Argumentation und Entscheidungen in der nächsten Runde verteidigen.
• Interview mit dem Einstellungsleiter: Durchlauf der Aufgabe, dann breitere technische und verhaltensbezogene Bewertung. Ein Teammitglied kann teilnehmen.
• Interview mit CEO/CTO
• Angebot und Hintergrundüberprüfung

Wir begrüßen Bewerbungen unabhängig von Geschlecht, Nationalität, ethnischer Herkunft, Religion, Behinderung, Alter oder sexueller Identität. Vielfalt ist der Schlüssel zur Erzeugung hochwertiger Intelligenz.