Das ist der Job
Aufgaben
• Architekturentwicklung: Konzeption und Entwicklung von LLM-basierten Multi-Agenten-Systemen zur Automatisierung komplexer Analyse-, Dokumentations- und Engineering-Prozesse
• Agentic Workflows: Implementierung intelligenter, iterativer Workflow-Schleifen (z.
Das brauchst du
B. "Propose, Refine & Revise") mittels moderner Orchestrierungs-Frameworks wie LangGraph
• Memory & Context Management: Aufbau robuster RAG- und Graph-RAG-Architekturen sowie Architekturen für das Langzeitgedächtnis von KI-Agenten
• Datenintegration: Anbindung und Verwaltung von Vektor- und Graphdatenbanken zur statischen und dynamischen Kontextbereitstellung aus diversen Unternehmensquellen
Qualifikationen
• Erfolgreich abgeschlossenes Studium z.
B. der Informatik, Computerlinguistik, Software Engineering, Mathematik oder einer vergleichbaren Fachrichtung
• Sehr gute Programmierkenntnisse in Python und Erfahrung in der Backend-Entwicklung
• Nachweisbare Praxis in der Entwicklung von LLM-Applikationen (API-Integration, Prompt Engineering, Tool-Calling, Agentic Workflows)
• Umgang mit KI-Orchestrierungs-Frameworks (bevorzugt LangChain / LangGraph oder vergleichbare) wünschenswert
• Kenntnisse im Bereich RAG (Retrieval-Augmented Generation) und im Umgang mit Vektordatenbanken (z.
Scrum oder Kanban) oder in cross-funktionalen Entwicklungsteams
• Starkes analytisches Denken und die Fähigkeit, komplexe, vernetzte Daten- und Systemstrukturen zu modellieren
• Strukturierte und methodische Arbeitsweise sowie professionelles Auftreten
• Ausgeprägte Kommunikationsfähigkeit und hohe Lernbereitschaft
• Sehr gute Deutschkenntnisse in Wort und Schrift
Darum lohnt es sich
ChromaDB, Pinecone, Weaviate, Milvus) wünschenswert
• Erfahrung mit Graph-Datenbanken (z. Neo4j) und der Modellierung von Wissensgraphen wünschenswert
• Berührungspunkte mit spezialisierten AI-Memory-Frameworks (wie Mem0 oder Zep) wünschenswert
• Erste Erahrungen mit agilen Arbeitsweisen (z.
