AI Engineer m w d - LLM Apps, RAG & Argentic Systems german speaking

Standort: Remote (DACH-Zeitzone), Office Berlin optional

Anstellung: Vollzeit, unbefristet

Start: Ab sofort

Sprache: Deutsch C2, Englisch min. C1

───────────

ÜBER SANDAN AI

sandan AI ist ein in Berlin ansässiges AI-Native-Startup für Enterprise-Kunden im DACH-Raum. Wir prägen, wie Marketing in einer agentischen Wirtschaft aussieht – und bauen die Plattform, auf der diese neue Generation von Marketing-Workflows läuft. Unser Anspruch: Software so zu entwickeln, wie Software 2026 entwickelt werden sollte – agentisch, iterativ, mit AI als integralem Bestandteil des EngineeringWorkflows.

────────────

UNSERE ARBEITSWEISE Wir entwickeln agentisch. Claude Code und Codex sind Kern unseres Engineering-Workflows – nicht Spielerei. Wer bei uns einsteigt, arbeitet entweder schon produktiv mit diesen Tools oder will sich aktiv und tief einarbeiten.

Aufgaben

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

Qualifikation

Must-have:

• 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

Pluspunkte:

• 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