AI Engineer / Multi-Agent Systems (Python)

useblocks definiert die Zukunft von Engineering-Workflows neu, indem es "Engineering-as-Code" ermöglicht. Von der Luft- und Raumfahrt über die Automobilindustrie bis hin zur Medizin vertrauen globale Führer wie BMW, Bosch, CARIAD und Mercedes-Benz auf unsere Werkzeuge für sicherheitskritische Systeme. Unser Open-Source-Projekt, Sphinx-Needs, hat über 341.000 monatliche Downloads erreicht und setzt den Standard für Dokumentations- und Nachverfolgbarkeitsmanagement.

Wir suchen einen außergewöhnlichen AI Engineer, um nächste Generationen von Multi-Agenten-Systemen zu entwerfen, zu implementieren und zu skalieren, die von großen Sprachmodellen (LLMs) angetrieben werden. Sie werden eine entscheidende Rolle bei der Weiterentwicklung der AI-Strategie von useblocks spielen – durch die Schaffung autonomer Agentenökosysteme, die Nachverfolgbarkeit, Automatisierung und kontextuelle Intelligenz in hochregulierten Softwareumgebungen vorantreiben.

Diese Rolle verbindet tiefgehende Forschung mit praktischer Umsetzung und bietet die Möglichkeit, an datenschutzfreundlichen, lokal orientierten Lösungen in Zusammenarbeit mit unseren Ingenieur- und Open-Source-Communities zu arbeiten.

• Forschung, Design und Implementierung von Multi-Agenten-LLM-basierten Architekturen zur Bewältigung realer Herausforderungen in der Ingenieurskunst und Nachverfolgbarkeit.
• Entwicklung von Algorithmen für die Kommunikation, Zusammenarbeit und Aufgabenausführung von Agenten in komplexen, sich entwickelnden Umgebungen.
• Erforschung von föderiertem Lernen, um das Training lokaler Modelle auf Geräten zu ermöglichen, die später in globale Architekturen integriert werden – ohne Benutzerdaten offenzulegen.
• Integration von AI-Modellen in reale Workflows durch Schnittstellen mit internen Toolchains (z.B. ubCode, ubTrace) und Kundensystemen.
• Design und Feinabstimmung von LLMs unter Verwendung von PEFT, LoRA und ähnlichen leichten Anpassungsstrategien.
• Arbeiten mit agentischen Retrieval-unterstützten Generierungs-Setups (RAG), die mit VectorDBs, GraphDBs (z.B. Neo4j) und Dokumentationsquellen verbunden sind.
• Verbindung von Modellen mit Kundenumgebungen über APIs, CI-Pipelines und moderne MLOps-Praktiken.
• Aktualität bezüglich Fortschritten in LLM-Architekturen, Agenten-Frameworks und Bereitstellungsstrategien.

• Sprachen: Python (unbedingt erforderlich), Go, Rust (optional)
• Frameworks: PyTorch oder TensorFlow (tiefe Erfahrung in einem bevorzugt)
• AI Ops: DevOps & MLOps-Pipelines, Modellbereitstellung, Evaluierung und CI/CD-Integration

• MSc oder PhD in Informatik, Maschinenlernen, AI oder einem verwandten Bereich
• Nachgewiesene Erfahrung im Aufbau von Multi-Agenten-AI-Systemen und im Training von LLM-basierten Modellen
• Starke Kenntnisse in Python und tiefe Erfahrung in entweder PyTorch oder TensorFlow
• Erfahrung mit einem oder mehreren Open-Source-Agenten-Frameworks (z.B. LangGraph, Autogen, CrewAI, LlamaIndex)
• Gutes Verständnis der Integration von Toolchains, Datenanalyse und der Verbindung von Modellen mit realen Systemen
• Kenntnisse in föderiertem Lernen und lokal orientierten LLM-Bereitstellungen
• Vertraut mit DevOps- und MLOps-Praktiken, einschließlich containerisierter Modellbereitstellung und Lebenszyklusmanagement
• Fließend in Englisch erforderlich – Kenntnisse in Deutsch oder anderen europäischen Sprachen sind von Vorteil

• Getrieben von Neugier, Autonomie und Zielstrebigkeit
• Bescheiden, selbstmotiviert und kooperativ
• Starke Kommunikationsfähigkeiten und der Wunsch, andere zu betreuen
• In Übereinstimmung mit Open-Source-Werten und ethischen AI-Prinzipien
• Engagiert, um durch Software einen bedeutenden, nachhaltigen Einfluss zu erzielen
• Selbstorganisiert und zielorientiert

• Grundlegende AI-Systeme für Nachverfolgbarkeit, Compliance und Entwicklerproduktivität aufbauen
• Zu Werkzeugen beitragen, die von globalen Ingenieurführern und Tausenden von Entwicklern genutzt werden
• Teil eines mission-driven Teams an der Schnittstelle von AI, Open-Source und sicherheitskritischen Systemen sein
• Remote-first-Kultur mit flexibler Planung
• Wettbewerbsfähige Vergütung, die Expertise und Innovation wertschätzt

Bereit, die Zukunft von Engineering-Workflows zu gestalten? Senden Sie uns Ihren Lebenslauf und eine kurze Notiz über Ihr Interesse. Wir würden uns freuen, von Ihnen zu hören!