[Hiring] AI Engineer @sandan AI

Role Description

Du baust die Intelligenz, die in ArcGEN läuft. Du verantwortest unsere LLM-Pipelines, Agenten-Architekturen und Eval-Frameworks - vom Prototypen im Notebook bis zur produktiven Pipeline mit nachweisbarer Qualität.

• Design und Betrieb von RAG-Pipelines (Embeddings, Vector Stores, Re-Ranking)
• Architektur agentischer Systeme – Tool-Calling, MCP, Sub-Agent-Orchestrierung
• Aufbau und Pflege von LLM-Eval-Frameworks: Metriken, Benchmarks, A/B-Testing, Quality-Gates
• Prompt-Engineering und systematische Prompt-Optimierung
• Entwicklung ML-Modelle für Marketing-Use-Cases (Attribution, Targeting, Forecasting, Anomaly Detection)
• Überführung von Notebook-Explorationen in produktionsreife Pipelines
• Enge Zusammenarbeit mit unseren Full-Stack-Engineers an der Plattform-Integration

Qualifications

• Praxis mit modernen LLM-Workflows in Production: RAG, Embeddings, Vector Databases (Pinecone, Weaviate, pgvector)
• Solide Python-Kenntnisse inkl. pandas, NumPy, scikit-learn sowie PyTorch oder TensorFlow
• Erfahrung im End-to-End-ML-Lifecycle: Datenaufbereitung, Training, Evaluation, Deployment, Monitoring
• Erfahrung mit systematischer Modell-Evaluation: Metriken, Benchmarks, Eval-Frameworks
• Deutsch C2 und Englisch C1
• Builder-Mentalität: Du lieferst Production-Systeme, nicht nur Notebooks

Requirements

• Eigenentwicklung von Custom Agents, Sub-Agents oder spezialisierten Coding-Workflows
• Erfahrung mit MCP (Model Context Protocol) und Tool-Calling-Architekturen
• Praxis mit Agent-Frameworks (Mastra, LangGraph, Vercel AI SDK)
• Erfahrung mit Fine-Tuning, LoRA-Adaptern oder Distillation
• MLOps-Tools (MLflow, Weights & Biases, DVC)
• Background in Marketing-Analytics, Attribution-Modellen oder Performance-Marketing-Daten
• Kaggle, Open-Source-Beiträge oder Publikationen im ML-/AI-Bereich

Benefits

• Wettbewerbsfähiges Gehalt mit jährlicher Anpassung
• Vollständig finanzierter Zugang zu Claude Max, Codex, GitHub Copilot, OpenAI- und Anthropic-APIs sowie allen relevanten LLM-Tools
• Compute-Budget für Experimente, Modell-Training und ML-Workloads
• MacBook Pro nach Wahl
• Remote-First, flexible Arbeitszeiten
• Quartalsweise Team-Meetups in Berlin oder Dubai (DIFC AI Campus, optional)
• Direkter Einfluss auf Produkt-Architektur in einer frühen Phase
• Steile Lernkurve in Agentic AI, LLM-Orchestrierung und AI-Native-Engineering
• Lebenslauf reicht. Wenn du GitHub, Portfolio, Kaggle oder ein Open-Source-Projekt hast – sehr gerne mit dazu.