Worum’s geht

Wir trainieren keine eigenen Modelle – wir setzen bestehende Modelle ein, bauen sie ein und verketten sie. Du baust Agent‑Flows, Tools/Functions, RAG‑Pipelines, Evaluations & Monitoring, damit AI‑Features verlässlich liefern.

Deine Aufgaben

• Prompt Engineering: sauber strukturierte Templates (System/User), JSON‑Outputs, Guardrails

• Tool-/Function‑Calling, Multi‑Step‑Chains; Make.com/n8n‑Flows & Webhooks

• RAG: Chunking, Embeddings, Index‑Strategien, Freshness/TTL, Permissioning

• Eval/Monitoring: Golden Sets, Regression‑Checks, Telemetrie, Cost/Latency‑Kontrolle

• Compliance: DSGVO, PII‑Redaction, Logging‑Guidelines, Rate‑Limits

Tech‑Stack

OpenAI, Google Gemini, Anthropic Claude, Mistral · LangChain/LlamaIndex
Python (FastAPI) oder TypeScript (Node/Nest) zur Orchestrierung
pgvector/Pinecone/Weaviate, Redis, S3 · Make.com, n8n

Was du mitbringst

• 3–5+ produktive LLM‑Integrationen (kein Foundation‑Model‑Training)

• Tiefe Erfahrung mit Prompts, RAG, Tool‑Calling, Evals

• Pragmatismus: erst messen, dann optimieren; Kosten & Latenzen im Blick

Nice to have

• Knowledge‑Graphs, Retrieval‑Rewrites, Hallucination‑Mitigation

• CRM‑Integrationen (HubSpot/onOffice/Propstack)

Rahmen & Kultur

• Ort: Hamburg (Hybrid); Remote in DE möglich, gelegentliche Team‑Tage in HH

• Sprache: Deutsch (B2+) & Englisch (Tech)

• Arbeitsweise: kurze Wege, pragmatisch, „ship small, ship often“

• Security & Privacy: DSGVO, PII‑Handling, Least‑Privilege, Logs‑Hygiene

• Equipment & Tools: moderne Hardware, AI‑APIs, Monitoring, Staging/Preview‑Envs

Du verkettelst Tools lieber, als eigene Modelle zu trainieren? Ein kurzes Demo‑GIF/Notebook oder Postman‑Collection sagt mehr als 1000 Worte.