AI Software Engineer

Wer wir sind

Bei Software Improvement Group (SIG) unterstützen wir Organisationen dabei, die Softwarequalität durch umfassende Quellcodeanalysen und strategische Beratung zu verbessern. Unsere Softwareportfolio-Governance-Plattform, Sigrid, zusammen mit der Expertise unserer Berater, ermöglicht es den Kunden, ihre Softwareumgebungen zu kontrollieren und Technologie zu einem Treiber des Erfolgs zu machen, anstatt zu einer Quelle des Risikos.

Innerhalb von SIG widmet sich das AI R&D-Team im CTO-Büro der Innovation im Bereich KI für Softwareengineering. Anstatt Funktionen direkt in unser Kernprodukt zu integrieren, entwickeln wir experimentelle Prototypen, die schnell mit Kunden und internen Teams getestet werden können. Erfolgreiche Prototypen werden dann weiterentwickelt zu umfassenden Lösungen.

Wo Sie ins Spiel kommen

Wir suchen einen AI R&D Engineer, der uns hilft, innovative KI-gesteuerte Lösungen für das Softwareengineering zu erkunden und zu prototypisieren. Diese Rolle liegt an der Schnittstelle von Experimentierung, Engineering und angewandter Forschung. In dieser Position konzentrieren Sie sich auf die Entwicklung schneller Prototypen, KI-gestützter Anwendungen und die Durchführung interner Experimente mit Werkzeugen wie großen Sprachmodellen (LLMs), Prompt Engineering und KI-Coding-Assistenten. Darüber hinaus werden Sie zur Datenanalyse und zu maschinellen Lernanstrengungen beitragen, insbesondere in den Bereichen Softwarequalität und Entwicklungsprozesse.

Diese Rolle ist ideal für jemanden, der es genießt, Ideen schnell zu entwickeln und zu testen in einer dynamischen Umgebung, in der nicht alles im Voraus definiert ist. Als AI R&D Engineer konzentrieren Sie sich auf praktische KI-Innovationen im Bereich Softwareengineering. Ihre Hauptverantwortlichkeiten umfassen schnelles Prototyping und Experimentierung sowie die Mitwirkung an angewandtem maschinellen Lernen (ML) und datengestützter Analyse, wenn dies relevant ist.

Beispiele für Aufgaben, die Sie übernehmen könnten, sind:

• Entwicklung experimenteller KI-gestützter Anwendungen und Proof-of-Concept-Projekte
• Prototyping mit großen Sprachmodellen (LLMs), Prompt Engineering und KI-Coding-Assistenten, einschließlich Tools wie Claude und GitHub Copilot
• Erforschung von KI-unterstützten Workflows, Automatisierung und agentenbasierten Ansätzen für Softwareengineering
• Zusammenarbeit mit Kunden, Entwicklern, Beratern und Forschern zur Identifizierung und Entwicklung neuer KI-Anwendungsfälle
• Anwendung von Datenanalyse, maschinellem Lernen oder statistischen Techniken, wo relevant, und Unterstützung bei der Transformation vielversprechender Prototypen in praktische nächste Schritte.

Wer Sie sind

Sie sind neugierig, praktisch veranlagt und motiviert, neue Ideen zu entwickeln und zu testen. Sie genießen es, KI-Tools in der Praxis zu verwenden, anstatt sie nur theoretisch zu diskutieren. Sie sind damit vertraut, während des Lernens mit unvollkommenen Informationen zu arbeiten und schnell zu iterieren. Sie haben wahrscheinlich einen Hintergrund in Softwareentwicklung, KI oder angewandter Forschung und Entwicklung und freuen sich über die Möglichkeit, die Anwendung von KI in einem Softwareengineering-Unternehmen mitzugestalten.

Was Sie erwartet

Sie werden Teil eines kleinen, innovationsorientierten Teams, das reichlich Gelegenheit zum Experimentieren und zur Gestaltung der Richtung bietet. Ihre Arbeit wird einen erheblichen Einfluss auf die KI-Strategie von SIG, kundenorientierte Innovationen und zukünftige Produktideen haben.

Wir bieten:

• Die Möglichkeit, an modernsten KI-Anwendungen im Softwareengineering zu arbeiten.
• Freiheit zum Experimentieren, Prototypisieren und schnellen Lernen.
• Enge Zusammenarbeit mit Kollegen in Forschung, Beratung und Softwareentwicklung.
• Ein flexibles, remote-first Setup, wobei das Team etwa einmal pro Woche im Büro zusammentrifft.
• Eine Gelegenheit, zu definieren, wie KI bei SIG angewendet wird.

Stellenanforderungen

Wir erwarten nicht, dass Kandidaten alle Anforderungen perfekt erfüllen, aber für diese Rolle suchen wir im Allgemeinen Personen, die Folgendes mitbringen:

• Ein Master-Abschluss oder PhD (bevorzugt) in Informatik, Softwareengineering, Künstlicher Intelligenz oder einem verwandten Bereich.
• 2 bis 4 Jahre relevante Erfahrung in KI, Softwareengineering, angewandter Forschung oder Prototyping.
• Kenntnisse in Java und Python sowie eine solide Grundlage in allgemeinen Softwareentwicklungskompetenzen.
• Praktische Erfahrung mit großen Sprachmodellen (LLMs), z.B. im Prototyping, Prompt Engineering oder Anwendungsentwicklung.
• Ein Interesse an oder Erfahrung mit KI-Coding-Assistenten, Coding-Agenten und schneller Experimentierung.
• Ein Hintergrund in maschinellem Lernen, Datenanalyse oder verwandten Experimenten, gepaart mit einer Affinität für Softwareengineering und Entwickler-Workflows.
• Starke Kommunikationsfähigkeiten, eine proaktive und selbstgesteuerte Denkweise sowie die Fähigkeit, in unklaren Situationen komfortabel zu arbeiten; ausgezeichnete Englischkenntnisse.

Schön zu haben

• Kenntnisse in maschinellen Lernframeworks und -tools, einschließlich PyTorch, TensorFlow, scikit-learn, XGBoost und LightGBM.
• Erfahrung mit AWS, Docker und containerisierten Entwicklungs-Workflows.
• Vertrautheit mit AWS Bedrock, Ollama, lokaler Bereitstellung großer Sprachmodelle (LLMs) und Automatisierungsmustern mit KI-Agenten.
• Hintergrund in der Softwareengineering-Forschung, einschließlich der Implementierung von Konzepten aus wissenschaftlichen Arbeiten und der schnellen Prototypisierung einfacher Benutzeroberflächen mit KI-Tools.

Über uns

SIG | Getting Software Right for a Healthier Digital World

Wir helfen Organisationen, ihre Softwarelandschaft zu verstehen und zu steuern. Unsere Arbeit gibt den Kunden einen klaren Überblick über Risiken, Kosten und Verbesserungsschwerpunkte, damit sie bessere Entscheidungen treffen und schneller mit Vertrauen vorankommen können. Sigrid® – unsere Softwareportfolio-Governance-Plattform – kombiniert objektive Analysen mit fachkundiger Anleitung, um Organisationen zu helfen, kritische Verbesserungen zu priorisieren und Software-Risiken strukturiert und faktenbasiert zu managen.