Site Reliability Engineer

Yuno ist das KI-native Betriebssystem des globalen Handels, das die finanzielle Infrastruktur von Unternehmenshändlern, Banken und Wallets unterstützt. Durch eine einzige API verbindet Yuno sie mit Einzahlungen, Auszahlungen, Betrugsprävention, KYC/KYB und Stablecoins weltweit, sodass sie überall operieren können. Global Marken wie McDonald's, NetEase Games, GoFundMe und Rappi führen ihre Zahlungen über Yuno.

Yuno sucht einen Staff Site Reliability Engineer, um die technische Richtung für die Zuverlässigkeit unserer Infrastruktur festzulegen – beginnend mit der Plattform, die KI-Agenten in großem Maßstab auf AWS bereitstellt, bereitstellt und verwaltet. Die Plattform ist in Produktion und wächst, und wir benötigen die erfahrenste Stimme für Zuverlässigkeit im Raum, um die Architektur weiterzuentwickeln und sicherzustellen, dass sie zuverlässig, beobachtbar und bereit zum Skalieren bleibt.

Dies ist keine Rolle zur „Wartung des Bestehenden“ und auch keine Einzel-System-Rolle. Sie werden die Zuverlässigkeitsstrategie besitzen – architektonische Entscheidungen vorantreiben, ereignisgesteuerte Kommunikation entwerfen, definieren, wie wir Zuverlässigkeit messen und verteidigen, und die Standards festlegen, auf denen andere Ingenieurteams aufbauen.

Ihre Beiträge werden sein:

• Zuverlässigkeitsstrategie und -standards – definieren Sie die SLO-Kultur, die Fehlerbudgetpolitik und die Vorfallpraktiken, die sich über Ingenieurteams erstrecken und Zuverlässigkeit von Brandbekämpfung in eine messbare, organisationsweite Disziplin verwandeln.
• Plattformarchitektur und -entwicklung – treiben Sie architektonische Entscheidungen voran, während die Plattform reift; die entscheidende Stimme bei der Auswahl von Technologien, dem Entwurf von Systemen und wann die Infrastruktur weiterentwickelt werden soll.
• Messaging und ereignisgesteuerte Architektur – entwerfen und besitzen Sie die Messaging-Schicht für die inter-service Kommunikation, ersetzen Sie synchrone Muster durch langlebige, zuverlässige asynchrone Nachrichtenübertragung.
• Infrastruktur und Bereitstellung – besitzen Sie die Cloud-Infrastruktur, automatisieren Sie die Bereitstellung mit IaC und stellen Sie sicher, dass die Plattform zuverlässig skaliert, während das Transaktionsvolumen wächst.
• Beobachtbarkeit – bauen Sie das Monitoring, das Tracing und die Alarmierung auf, die die Plattform gesund halten; wenn etwas um 3 Uhr morgens kaputt geht, sollten Ihre Dashboards und Alarme erklären, warum, bevor jemand graben muss.
• Vorfallführung und Mentoring – fungieren Sie als seniorer Eskalationspunkt für die schwierigsten Produktionsprobleme, führen Sie schuldlose Nachbesprechungen und Ursachenanalysen durch, die in dauerhafte Lösungen umgewandelt werden, und heben Sie den Zuverlässigkeitsstandard, indem Sie senioren und mittleren Ingenieuren Mentoring anbieten.
• Chaos-Engineering-Mindset – kontinuierliche Fehlereinspeisung und Resilienzexperimente, die Schwächen aufdecken, bevor sie zu Vorfällen werden, sowie Identifizierung und Vorschlag von Resilienzmustern, um zu verhindern, dass diese Fehler die Produktion erreichen.

Was Erfolg aussieht:

Innerhalb Ihrer ersten 6-12 Monate haben Sie die Zuverlässigkeitsstrategie für die Plattform festgelegt, mindestens eine bedeutende architektonische Entwicklung (ereignisgesteuertes Messaging, Streaming-Zuverlässigkeit oder Beobachtbarkeit) vorangetrieben, und Ingenieurteams haben das von Ihnen definierte SLO- und Fehlerbudget-Framework übernommen. Sie sind die Person, der Yuno bei den schwierigsten Zuverlässigkeitsentscheidungen vertraut.

Fähigkeiten, die Sie benötigen:

• Mindestens Qualifikationen: Ereignisgesteuerte Architektur und Messaging-Systeme – Sie haben Systeme rund um Nachrichtenwarteschlangen (Kafka, NATS, RabbitMQ) entworfen und besessen und verstehen mindestens einmalige Zustellung, Verbrauchergruppen, tote Briefe und Rückdruck; Sie haben ein System von synchron zu asynchron migriert.
• Tiefes AWS – EC2, VPC, IAM, S3 und RDS – mit starken Netzwerkgrundlagen, da die inter-service Kommunikation über das interne VPC läuft.
• Infrastruktur als Code – Terraform oder Pulumi, in PRs überprüft, anstatt in Konsolen geklickt.
• Kubernetes und Docker in der Produktion – Containerlebenszyklus, Ressourcenlimits, Gesundheitsprüfungen und Orchestrierung im großen Maßstab.
• Beobachtbarkeit und SLOs – Datadog-Flüssigkeit oder gleichwertig (Dashboards, Monitore, APM, verteiltes Tracing) und eine Erfolgsbilanz bei der Definition und dem Betrieb von SLOs, SLIs und Fehlerbudgets über Dienste hinweg.
• Chaos-Engineering und Resilienztests – praktische Erfahrung mit Fehlereinspeisung, Spieltagen oder Chaos-Experimenten (Gremlin, Chaos Mesh, AWS FIS oder ähnliches), um Produktionssysteme zu härten.
• Debugging verteilter Systeme – Sie haben asynchrone Flüsse und kaskadierende Fehler in der Produktion diagnostiziert und können erklären, was kaputt ging und wie Sie es behoben haben; komfortabel beim Programmieren für Automatisierung und Tools (Go, Python oder ähnlich).
• Datenbanken – solides SQL (PostgreSQL) und NoSQL (MongoDB, Redis): wann man welches verwendet, Indizierung, Replikation und Leistungsoptimierung.
• Nachgewiesene technische Führung – Sie haben Zuverlässigkeitsstandards festgelegt, die Architektur über Teams hinweg beeinflusst und Ingenieure betreut, nicht nur Ihren eigenen Bereich besessen.
• Englisch – fortgeschrittene Kenntnisse, schriftlich und mündlich.

Bevorzugte Qualifikationen:

• AI / MLOps-Infrastruktur – Ausführen von KI-Workloads in der Produktion (Modellbereitstellung, LLM-Inferenz, GPU/Ressourcenmanagement und Agentenbewertungs-/Beobachtbarkeitstools wie LangFuse, LangSmith, Braintrust oder MLflow).
• Multi-Mieter-Containerplattformen – Ausführen von Kunden- oder Benutzer-Workloads in Containern (Replit, Railway, Fly.io oder interne PaaS).
• Datenpipelines und Orchestrierung – Airflow, Prefect oder ähnliches; Datenlager wie Databricks, Snowflake oder BigQuery sind von Vorteil.
• Vorfallmanagement und On-Call-Tools – PagerDuty, Opsgenie oder incident.io.
• Erfahrung in der Zahlungsindustrie.

Schön zu haben:

• ECS-Erfahrungen.
• 6-overlay zur Überwachung von Containerprozessen.
• Erfahrung mit KI-Agenten-Framework-Ökosystemen.
• Spanischkenntnisse.

Was wir bei Yuno bieten:

• Wettbewerbsfähige Vergütung.
• Remote-Arbeit – Sie können von überall arbeiten.
• Home-Office-Bonus – eine einmalige Zulage zur Einrichtung Ihres idealen Home-Offices.
• Arbeitsgeräte.
• Aktienoptionen.
• Gesundheitsplan, wo auch immer Sie sind.
• Flexible Urlaubstage.
• Sprach-, Berufs- und persönliche Wachstumsangebote.

Wir verwenden möglicherweise KI-Tools, um Teile des Einstellungsprozesses zu unterstützen, z. B. bei der Überprüfung von Bewerbungen, der Analyse von Lebensläufen oder der Bewertung von Antworten. Diese Tools unterstützen unser Rekrutierungsteam, ersetzen jedoch nicht das menschliche Urteil. Die endgültigen Einstellungsentscheidungen werden letztendlich von Menschen getroffen. Wenn Sie weitere Informationen darüber wünschen, wie Ihre Daten verarbeitet werden oder wenn Sie Ihre Datenschutzrechte ausüben möchten, kontaktieren Sie uns bitte unter hiring@y.uno.