Trading, Investment & Optimization - QuantAI Engineer (Hybrid)

Unser Team QuantAI sitzt zwischen quantitativer Forschung, agentischer Ingenieurkunst, Produktlieferung und kundenorientierter Transformation innerhalb von Accentures Industrie- und Unternehmensneuerfindung, die darauf abzielt, die CEO-Funktion zu bedienen. Die Arbeit erfolgt in kleinen Teams mit hoher Eigenverantwortung und engem Kontakt zu leitenden Stakeholdern. QuantAI entwickelt KI-native Entscheidungssysteme für Energie, Rohstoffe, Strom, Versorgungsunternehmen, Handel, Finanzen und industrielle Abläufe.

Die quantitative Grundlage ist bereits stark. Der nächste Engpass besteht darin, diese Grundlage in unternehmensbereite Produkte umzuwandeln: nützliche Frontends, zuverlässige Backend-Services, praktische Bereitstellungspfade, wiederverwendbare Architekturen und die Ingenieurdiziplin, die erforderlich ist, um von Demos zu Pilotprojekten und wiederholbaren Kundenangeboten überzugehen. Dies ist eine Umgebung mit kleinem Teamaufbau und echtem Marktzugang in den Bereichen Energie, Rohstoffe, Finanzen, Handel und industrielle Entscheidungssysteme.

Die Rolle QuantAIs besteht darin, hochmoderne KI-native Entscheidungssystem-Assets für Energie, Rohstoffe, Finanzen, Handel und industrielle Abläufe zu entwickeln. Wir suchen Ingenieure, die starke quantitative und künstliche Intelligenz (KI) Arbeit leisten und diese in unternehmenssichere Produkte umwandeln können: Schnittstellen, verpackte Desktop-Anwendungen, APIs, Services, Workflow-Systeme und Demos, die glaubwürdig genug für Pilotprojekte und langlebig genug für skalierte Lieferungen sind.

Erfolg hier bedeutet nicht nur neuartige Modelle oder polierte Demos in Isolation. Es geht um starke Algorithmen, die in Workflows, Governance, Evaluierung und Verpackung eingebettet sind. Diese Rolle ist ingenieurlastig und produktionsorientiert. Die Ingenieursarbeit umfasst zwei Oberflächen, die beide als Produkt ausgeliefert werden: konventionelle Systeme auf der einen Seite und agentenunterstützte Systeme auf der anderen. Sie sollten in der Lage sein, über beide Bereiche hinweg zu arbeiten – obwohl Sie wahrscheinlich in einem Bereich stärker sein werden.

• Quantitative Prototypen in wiederverwendbare Tools, Services, verpackte Desktop-Anwendungen, Schnittstellen und Workflow-Produkte umwandeln, die von internen Demos zu Kunden-Piloten und skalierbaren Angeboten übergehen können.
• Über cloudbasierte Services und lokal verteilte Desktop-Anwendungen ausliefern, einschließlich Electron-basierter Apps, wenn der Workflow oder das Kundenumfeld dies erfordert.
• Unternehmenshärtung in die Produktisierungsstufe einbauen, einschließlich Authentifizierung, rollenbasierter Zugriffskontrolle (RBAC), Beobachtbarkeit, Sicherheit, Release-Qualität, Kostenkontrollen und Bereitstellungsdisziplin.
• Evaluierung, Regression und Release-Disziplin in die Produktisierungsstufe einbauen, damit Modelllogik und Agentenverhalten messbar bleiben, während sich Systeme ändern.
• Eng mit dem quantitativen Leiter zusammenarbeiten, damit Modelllogik, Evaluierungsabsicht und Governance-Anforderungen den Übergang in die Produktion überstehen.
• Pragmatische Architekturentscheidungen über große Sprachmodelle (LLMs), deterministische Regeln und hybride Systeme basierend auf Wert, Latenz, Kosten und Zuverlässigkeit treffen.
• Wiederholbare Build-Muster gestalten, damit starke Prototypen im Laufe der Zeit schneller, zuverlässiger und wiederverwendbarer werden.

Reisen kann je nach Projektbedarf erforderlich sein. Flexibilität, remote zu arbeiten, wenn man nicht vor Ort bei Kunden oder im Team ist. Hinweis: Projektzuweisungen können Variabilität in Zeitplan und Standort erfordern.

• Datenflüsse, APIs, Services, Modellbereitstellungsoberflächen, Frontend- und Desktop-Anwendungsoberflächen, kontinuierliche Integration und kontinuierliche Lieferung (CI/CD) sowie Demo-Härtung besitzen.
• Die Systeme bauen, die quantitative Arbeit poliert, zuverlässig und unternehmensbereit für Expertenbenutzer und Kundenstakeholder erscheinen lassen.

• Die agentische Harnischschicht besitzen – Evaluierungsrahmen, Überprüfungszyklen, Steuerverhalten, Orchestrierung und Tool-Integration – um die Anwendungen und MCPs herum.
• Meinungsstarke Harnische entwerfen, die über MCP oder ähnliche Integrationsmuster exponiert werden, ohne sich zu sehr an einen Anbieter oder einen Moment im Werkzeugmarkt anzupassen.

• Abschluss in Informatik, Ingenieurwesen, Mathematik, Physik, Wirtschaft oder einem verwandten Bereich. Ein Associate-Abschluss ist akzeptabel, wenn mindestens 2 zusätzliche Jahre Erfahrung und klare Nachweise über ausgelieferte Ingenieurarbeiten vorliegen.
• Mindestens 3 Jahre Erfahrung in Beratungs- oder anderen kundenorientierten technischen Lieferrollen, mit Nachweisen, dass Sie Produkte, interne Tools oder Workflow-Systeme über die Konzeptphase hinaus bewegt haben.
• Mindestens 3 Jahre praktische Erfahrung in einem oder mehreren der folgenden Bereiche: Backend-Services, APIs und Integrationen, Full-Stack-Lieferung, Datenpipelines, Modellbereitstellung oder maschinelles Lernen-Workflows oder agentische Orchestrierungssysteme.

• Starke Programmierfähigkeiten in Python plus einer ergänzenden Ingenieuroberfläche wie TypeScript oder JavaScript, Frontend-Lieferung, Cloud- oder Plattformengineering oder Infrastrukturautomatisierung.
• Solides Ingenieururteil bezüglich Unternehmenshärtung und Evaluierung, einschließlich Erfahrung mit mehreren der folgenden: Authentifizierung, rollenbasierte Zugriffskontrolle (RBAC), Beobachtbarkeit, Sicherheit, Release-Disziplin, Regressionstests oder Experimentierframeworks für KI, maschinelles Lernen oder agentische Workflows.
• Erfahrung mit Werkzeugen und Plattformen, die in dieser Arbeit häufig verwendet werden, wie Electron, FastAPI, Docker, Cloud-Services, Evaluierungstools, agentische Orchestrierungsframeworks oder MCP-Stil-Integrationen.
• Erfahrung im Aufbau von benutzerfreundlichen Schnittstellen, Workflow-Produkten, technischen Demos, verpackten Desktop-Anwendungen oder Windows-lastigen Unternehmensbereitstellungen.
• Exposition gegenüber Prognosen, Anomalieerkennung, Optimierung, Zeitreihensystemen oder anderen entscheidungsunterstützenden Workflows.
• Erfahrung in Energie, Rohstoffen, Finanzen, Handel, Marktoperationen oder industriellen Workflows.