Описание
Deine Aufgaben
• Entwicklung und Betrieb produktionsreifer Multi-Agent-Systeme und autonomer Workflows
• Konzeption von RAG-Architekturen mit Wissensgraphen und hybriden Retrieval-Strategien
• Aufbau von Document-Processing-Pipelines zur Informationsextraktion aus komplexen Dokumenten
• Fine-tuning und Optimierung von LLMs und multimodalen Modellen
• Design von Agent-Stacks mit modernen Standards wie MCP und Prompt-Engineering
• Pipelines für Preprocessing, Entity Resolution und Data Harmonization (Data-Engineering)
• Integration von LLM-Anwendungen in bestehende Systeme
• Evaluation, Monitoring und Performance-Optimierung produktiver AI-Systeme
• Enge Zusammenarbeit in cross-funktionalen Teams
Was du mitbringst
• Mindestens 2-3 Jahre fundierter Praxiserfahrung (nach abgeschlossener Ausbildung) mit produktionsreifen GenAI- und Multi-Agent-Systemen
• Fundierte Kenntnisse in Agent Engineering und Frameworks (z. B. LangGraph, AutoGen, CrewAI)
• Sehr gute Python-Kenntnisse und Erfahrung mit LangChain / LangGraph
• Erfahrung mit LLM-APIs (Claude, OpenAI, Gemini) und Fine-tuning (SFT, RLHF)
• Expertise in Document Processing und der Verarbeitung strukturierter / unstrukturierter Daten
• Erfahrung in Data-Engineering (ETL, Preprocessing, Data Pipelines)
• Verständnis von Production-ML: Deployment, Monitoring, Performance
• Sehr gute Deutschkenntnisse (C1), gute Englischkenntnisse und ausgeprägte Teamfähigkeit
• Du bekommst Bonuspunkte (kein Muss) für Kenntnisse in
Контакты работодателя (email/phone/telegram) скрыты из публичного превью —
отправьте резюме, чтобы мы связали вас напрямую.