Als AI Engineer (w/d/m) schreibst du nicht nur Notebooks und Prompts, du baust produktive GenAI-Systeme: Agenten, RAG-Pipelines, LLM-getrieb
Du entwickelst und steuerst unseren gesamten Recruiting-Prozess für vorwiegend technische Rollen, einschließlich der Identifikation und akti
Baut als Founding Engineer die KI-gestützte Lernplattform mit, entwickelt LLM-Agenten und RAG-Pipelines und verantwortet die technische Architektur.
Spezialisierung auf Retrieval-Augmented Generation (RAG), Chatbots, agentenbasierte Systeme und Large Language Models (LLMs) Konzeption, Ent
Gehalt: ab EUR 5.000 brutto/Monat
Wir schreiben dir, sobald eine neue geprüfte Stelle zu Machine Learning dazukommt. Höchstens eine Nachricht am Tag, und nur, wenn es tatsächlich etwas Neues gibt.
Abmelden mit einem Klick, jederzeit. Keine Weitergabe an Dritte.
Warum dieser Job gelistet ist
Eindeutige KI-Rollenbezeichnung im Stellentitel. Prüfverfahren ansehen
Als AI Engineer (w/d/m) schreibst du nicht nur Notebooks und Prompts, du baust produktive GenAI-Systeme: Agenten, RAG-Pipelines, LLM-getriebene Workflows — end-to-end vom Use-Case-Workshop bis zum Production-Deployment. Du arbeitest in crossfunktionalen, agilen Teams an Kundenprojekten und kommst dabei mit dem gesamten modernen GenAI-Stack in Berührung: pydantic-ai, LangChain/LangGraph, MCP (Model Context Protocol), OpenAI, Anthropic Claude, Azure AI Foundry, AWS Bedrock. Zusammen mit deinem Team berätst du unsere Kunden bei Use-Case-Identifikation, Architektur-Entscheidungen (RAG vs.
Fine-Tuning, Agent-Design, Tool-Use, Memory), Aufwandsschätzungen und der Auswahl geeigneter Vorgehensmodelle — du bist am gesamten AI-Lebenszyklus beteiligt. Du analysierst Kundenanforderungen, entwirfst und implementierst agentenbasierte Lösungen, RAG-Pipelines über Unternehmensdaten, strukturierte LLM-Outputs (pydantic-Schemas, Tool-Use) und sorgst auch für gute Dokumentation. Du behältst stets die Qualität auf dem Schirm — und das heißt bei AI: systematische Evals, Regression-Tests gegen Goldsets, Hallucination-Monitoring, Cost-per-Inference-Tracking, Prompt-Versionierung, Observability für Agent-Traces (OpenTelemetry, Langfuse, Phoenix).
Du nutzt moderne, automatisierte Ansätze und AI-native Entwickler-Workflows (Claude Code, Cursor, GitHub Copilot) zur Optimierung von Code, Fehlererkennung und für innovative Lösungen — wir leben AI-native, nicht nur AI-für-Kunden. Du integrierst deine LLM-/Agent-Komponenten sauber in bestehende Backend- und Frontend-Architekturen (Python/FastAPI, Node.jsAngular) und sorgst für saubere Übergaben an die Plattform-Seite (Kubernetes, ArgoCD, MongoDBAzure). Qualifikation Qualifikation Das solltest du mitbringen Dank deiner entsprechenden Berufserfahrung verfolgst du den AI-Engineering-Ansatz hands-on — du redest nicht nur über LLMs, du baust mit ihnen.
Gute bis muttersprachliche Deutschkenntnisse sind ZWINGEND erforderlich, da wir eng mit Kunden im DACH-Raum zusammenarbeiten. Du arbeitest gerne agil, verstehst aber auch, dass nicht alle Kunden Agilität (und schon gar nicht GenAI-Engineering) bereits kennen und schätzen wie wir. Du hast einen M.Sc.
(oder vergleichbaren Abschluss) in Artificial Intelligence, Informatik, Data Science, Statistik, Mathematik, Physik oder einer verwandten Natur- oder Ingenieurwissenschaft. Ein abgeschlossenes Studium mit fundierten Grundlagen in Statistik, Machine Learning und Software Engineering ist für diese Stelle zwingend erforderlich. Wichtig — bitte vor der Bewerbung lesen: Das ist keine „Vibe-Coding -Stelle.
Wer seit ein paar Monaten mit AI-Assistenten Code generiert, aber die Grundlagen dahinter (Statistik, ML-Theorie, Datenstrukturen, Software-Architektur) nicht beherrscht, ist hier falsch. Wir nutzen AI-native Tooling täglich — aber als Verstärker für fundiertes Können, nicht als Ersatz dafür. Bewerbungen ohne einschlägigen Abschluss und ohne nachweisbare, mehrjährige Data-Science-/ML-Praxis können wir nicht berücksichtigen.
Du bist Team-Player, schätzt offene Kommunikation, lernst gerne von anderen und teilst dein Wissen — gerade im LLM-Bereich, wo sich die Tooling-Landschaft alle drei Monate neu ordnet. Du willst an spannenden Kundenprojekten arbeiten und hast gute Kenntnisse in einigen dieser Technologien: AI / GenAI: Python, pydantic, pydantic-ai, LangChain / LangGraph, MCP, OpenAI / Azure OpenAI APIs, Anthropic Claude, Azure AI Foundry, AWS Bedrock, Hugging Face Transformers, PyTorch, Embeddings & Vector DBs (pgvector, MongoDB Atlas, Weaviate, Pinecone, Qdrant), RAG-Patterns, Prompt Engineering, Agent-Evals (Langfuse, Phoenix, ragas) Backend / FullStack: Python (FastAPI), Java/Spring oder Quarkus, Node.js/TypeScript (Express, NestJS), React, Angular, MongoDB, PostgreSQL, REST DevOps: Docker, Kubernetes, ArgoCD, GitLab CI / GitHub Actions, AWS, Azure, MLOps, Observability (Prometheus, Grafana, OpenTelemetry) AI-native Tooling: Claude Code, Cursor, GitHub Copilot, Codium — du nutzt sie selbst täglich und kannst Kunden zeigen, wie man sie produktiv einsetzt Beratung liegt dir und du kannst dir vorstellen, unsere Kunden technologisch und/oder methodisch zu schulen (LLM-Use-Case-Workshops, Agent-Architektur-Reviews, AI-Governance-Beratung für regulierte Branchen). Dafür bringst du hohe Kommunikationsfähigkeit und gute Deutschkenntnisse mit.
Bonus, kein Muss: Eigene Publikationen Konferenztalks im AI-Umfeld, Erfahrung mit Machine Unlearning, Privacy-Auditing, BaFin/EU-AI-Act, oder Edge-AI.
Ob remote oder im Büro – du entscheidest, wie und wo du arbeitest, solange es mit deinem Projekt und deinem Team abgestimmt ist. Default ist Remote, Vor-Ort-Tage beim Kunden nach Bedarf (typisch alle 2 Wochen). OffProject Time – Den Großteil deiner Zeit arbeitest du in Kundenprojekten. Ca. 20 % deiner Arbeitszeit stehen dir für Weiterbildung, Forschung, Open-Source-Beiträge, Konferenz-Talks, Community-Engagement oder interne AI-Initiativen zur Verfügung — wir veröffentlichen aktiv (ICPR 2026, IPDPS 2026, NeurIPS 2026 in Vorbereitung) und wir wollen, dass du dabei sein kannst. Du genießt Projekt- und Kundenvielfalt quer durch Finanz, Versicherung, Public Sector und Industrie und arbeitest selbstorganisiert und eigenverantwortlich mit den neuesten LLM- und Agenten-Technologien in crossfunktionalen Teams. Du suchst dir deine komplette Hardware inkl. OS selbst aus — Privatgebrauch inklusive. Plus ein dediziertes AI-Tooling-Budget (ClaudeCopilot-Pro-Lizenzen, API-Credits für Experimente) — du sollst mit den besten Werkzeugen arbeiten, nicht mit den günstigsten. Du findest dich in einem Umfeld vor, das Familienfreundlichkeit, Vertrauen, Freiheit, Knowledge-Sharing, Mitspracherecht und Fehlerkultur wirklich ernst nimmt — in einem Feld, in dem Fehler machen der einzige Weg ist, GenAI-Systeme produktiv zu kriegen. Neben flexibler Vertrauensarbeitszeit hast du 30 Tage Urlaub, Sonderurlaub, zukaufbaren Urlaub und Weihnachten sowie Silvester sind grundsätzlich keine Arbeitstage. Zusätzlich kannst du ein Sabbatical einlegen.
Wir sind ein spezialisiertes AI-Engineering- und FullStack-Team und bauen produktive LLM-/Agenten-Systeme für unsere Kunden — kein PoC-Theater, keine Powerpoint-Decks, keine „Slide-Architekten. Wir beraten partnerschaftlich auf Augenhöhe und liefern Software, die in Produktion läuft. Du kannst hier Probleme lösen, ohne dass dich dabei Titel oder feste Rollendefinitionen einschränken — die gibt es bei uns nicht.
Unsere Jobs sind nicht starr, sie dienen dir nur zur Orientierung. Du wirst nicht auf (d)einen Job begrenzt, sondern entwickelst dich quer durch AI Engineering, Backend, Platform und Consulting weiter. Du stehst mit deinen individuellen Zielen, Vorstellungen und Stärken im Vordergrund.
Du gestaltest deine Karriere bei Arcode proaktiv mit. Wichtig: Da wir eng mit unseren Kunden im DACH-Raum (Finanz, Versicherung, Public Sector, Industrie) zusammenarbeiten, sind exzellente Deutschkenntnisse (idealerweise muttersprachlich, mindestens C1) zwingend erforderlich — verhandlungssicheres Englisch setzen wir voraus.
Interesse an dieser Position?
Die vollständige Anzeige und das Bewerbungsformular liegen beim Arbeitgeber.
Zur OriginalanzeigeKI in bestehende Software und Abläufe bringen: Agenten, RAG-Systeme, Schnittstellen, automatisierte Arbeitsketten.