AI Engineer / Agentic AI Engineer - Remote (Deutschland) mit gelegentlichem Vor-Ort-Tag

Das ist der Job

Wir beraten partnerschaftlich auf Augenhöhe und liefern Software, die in Produktion läuft. Aufgaben Aufgaben Was dich erwartet Als AI Engineer (w/d/m) schreibst du nicht nur Notebooks und Prompts, du baust produktive GenAI-Systeme: Agenten, RAG-Pipelines, LLM-getriebene Workflows — end-to-end vom Use-Case-Workshop bis zum Production-Deployment.

Du integrierst deine LLM-/Agent-Komponenten sauber in bestehende Backend- und Frontend-Architekturen (Python/FastAPI, Node.js/TypeScript, Java, React/Angular) und sorgst für saubere Übergaben an die Plattform-Seite (Kubernetes, ArgoCD, MongoDB/pgvector, AWS/Azure).

Das brauchst du

Wichtig: Da wir eng mit unseren Kunden im DACH-Raum (Finanz, Versicherung, Public Sector, Industrie) zusammenarbeiten, sind exzellente Deutschkenntnisse (idealerweise muttersprachlich, mindestens C1) zwingend erforderlich — verhandlungssicheres Englisch setzen wir voraus.

Fine-Tuning, Agent-Design, Tool-Use, Memory), Aufwandsschätzungen und der Auswahl geeigneter Vorgehensmodelle — du bist am gesamten AI-Lebenszyklus beteiligt.

Qualifikation Qualifikation Das solltest du mitbringen Dank deiner entsprechenden Berufserfahrung verfolgst du den AI-Engineering-Ansatz hands-on — du redest nicht nur über LLMs, du baust mit ihnen. **Gute bis muttersprachliche Deutschkenntnisse sind ZWINGEND erforderlich, da wir eng mit Kunden im DACH-Raum zusammenarbeiten. ** Du arbeitest gerne agil, verstehst aber auch, dass nicht alle Kunden Agilität (und schon gar nicht GenAI-Engineering) bereits kennen und schätzen wie wir.

Du hast einen M.Sc. (oder vergleichbaren Abschluss) in Artificial Intelligence, Informatik, Data Science, Statistik, Mathematik, Physik oder einer verwandten Natur- oder Ingenieurwissenschaft. Ein abgeschlossenes Studium mit fundierten Grundlagen in Statistik, Machine Learning und Software Engineering ist für diese Stelle zwingend erforderlich.

Bewerbungen ohne einschlägigen Abschluss und ohne nachweisbare, mehrjährige Data-Science-/ML-Praxis können wir nicht berücksichtigen. Du bist Team-Player, schätzt offene Kommunikation, lernst gerne von anderen und teilst dein Wissen — gerade im LLM-Bereich, wo sich die Tooling-Landschaft alle drei Monate neu ordnet.

Du willst an spannenden Kundenprojekten arbeiten und hast gute Kenntnisse in einigen dieser Technologien: AI / GenAI: Python, pydantic, pydantic-ai, LangChain / LangGraph, MCP, OpenAI / Azure OpenAI APIs, Anthropic Claude, Azure AI Foundry, AWS Bedrock, Hugging Face Transformers, PyTorch, Embeddings & Vector DBs (pgvector, MongoDB Atlas, Weaviate, Pinecone, Qdrant), RAG-Patterns, Prompt Engineering, Agent-Evals (Langfuse, Phoenix, ragas) Backend / FullStack: Python (FastAPI), Java/Spring oder Quarkus, Node.js/TypeScript (Express, NestJS), React, Angular, MongoDB, PostgreSQL, REST/GraphQL Platform / DevOps: Docker, Kubernetes, ArgoCD, GitLab CI / GitHub Actions, AWS, Azure, MLOps, Observability (Prometheus, Grafana, OpenTelemetry) AI-native Tooling: Claude Code, Cursor, GitHub Copilot, Codium — du nutzt sie selbst täglich und kannst Kunden zeigen, wie man sie produktiv einsetzt Beratung liegt dir und du kannst dir vorstellen, unsere Kunden technologisch und/oder methodisch zu schulen (LLM-Use-Case-Workshops, Agent-Architektur-Reviews, AI-Governance-Beratung für regulierte Branchen).

Dafür bringst du hohe Kommunikationsfähigkeit und gute Deutschkenntnisse mit.

Darum lohnt es sich

Wir sind ein spezialisiertes AI-Engineering- und FullStack-Team und bauen produktive LLM-/Agenten-Systeme für unsere Kunden — kein PoC-Theater, keine Powerpoint-Decks, keine "Slide-Architekten". Du kannst hier Probleme lösen, ohne dass dich dabei Titel oder feste Rollendefinitionen einschränken — die gibt es bei uns nicht.

Du gestaltest deine Karriere bei Arcode proaktiv mit. Du arbeitest in crossfunktionalen, agilen Teams an Kundenprojekten und kommst dabei mit dem gesamten modernen GenAI-Stack in Berührung: pydantic-ai, LangChain/LangGraph, MCP (Model Context Protocol), OpenAI, Anthropic Claude, Azure AI Foundry, AWS Bedrock.

Zusammen mit deinem Team berätst du unsere Kunden bei Use-Case-Identifikation, Architektur-Entscheidungen (RAG vs. Du analysierst Kundenanforderungen, entwirfst und implementierst agentenbasierte Lösungen, RAG-Pipelines über Unternehmensdaten, strukturierte LLM-Outputs (pydantic-Schemas, Tool-Use) und sorgst auch für gute Dokumentation.

Du nutzt moderne, automatisierte Ansätze und AI-native Entwickler-Workflows (Claude Code, Cursor, GitHub Copilot) zur Optimierung von Code, Fehlererkennung und für innovative Lösungen — wir leben "AI-native", nicht nur AI-für-Kunden.

Benefits Benefits Das bieten wir dir Ob remote oder im Büro – du entscheidest, wie und wo du arbeitest, solange es mit deinem Projekt und deinem Team abgestimmt ist.

Ca. 20 % deiner Arbeitszeit stehen dir für Weiterbildung, Forschung, Open-Source-Beiträge, Konferenz-Talks, Community-Engagement oder interne AI-Initiativen zur Verfügung — wir veröffentlichen aktiv (ICPR 2026, IPDPS 2026, NeurIPS 2026 in Vorbereitung) und wir wollen, dass du dabei sein kannst.

Du genießt Projekt- und Kundenvielfalt quer durch Finanz, Versicherung, Public Sector und Industrie und arbeitest selbstorganisiert und eigenverantwortlich mit den neuesten LLM- und Agenten-Technologien in crossfunktionalen Teams. Unsere Jobs sind nicht starr, sie dienen dir nur zur Orientierung.

Du wirst nicht auf (d)einen Job begrenzt, sondern entwickelst dich quer durch AI Engineering, Backend, Platform und Consulting weiter. Du stehst mit deinen individuellen Zielen, Vorstellungen und Stärken im Vordergrund.

Du behältst stets die Qualität auf dem Schirm — und das heißt bei AI: systematische Evals, Regression-Tests gegen Goldsets, Hallucination-Monitoring, Cost-per-Inference-Tracking, Prompt-Versionierung, Observability für Agent-Traces (OpenTelemetry, Langfuse, Phoenix). Wichtig — bitte vor der Bewerbung lesen: Das ist keine "Vibe-Coding"-Stelle.

Wer seit ein paar Monaten mit AI-Assistenten Code generiert, aber die Grundlagen dahinter (Statistik, ML-Theorie, Datenstrukturen, Software-Architektur) nicht beherrscht, ist hier falsch. Wir nutzen AI-native Tooling täglich — aber als Verstärker für fundiertes Können, nicht als Ersatz dafür.

Bonus, kein Muss: Eigene Publikationen / Open-Source-Beiträge / Konferenztalks im AI-Umfeld, Erfahrung mit Machine Unlearning, Privacy-Auditing, BaFin/EU-AI-Act, oder Edge-AI. Default ist Remote, Vor-Ort-Tage beim Kunden nach Bedarf (typisch alle 2 Wochen). OffProject Time – Den Großteil deiner Zeit arbeitest du in Kundenprojekten.

Du suchst dir deine komplette Hardware inkl. OS selbst aus — Privatgebrauch inklusive. Plus ein dediziertes AI-Tooling-Budget (Claude/ChatGPT/Cursor/Copilot-Pro-Lizenzen, API-Credits für Experimente) — du sollst mit den besten Werkzeugen arbeiten, nicht mit den günstigsten.

Du findest dich in einem Umfeld vor, das Familienfreundlichkeit, Vertrauen, Freiheit, Knowledge-Sharing, Mitspracherecht und Fehlerkultur wirklich ernst nimmt — in einem Feld, in dem "Fehler machen" der einzige Weg ist, GenAI-Systeme produktiv zu kriegen.

Neben flexibler Vertrauensarbeitszeit hast du 30 Tage Urlaub, Sonderurlaub, zukaufbaren Urlaub und Weihnachten sowie Silvester sind grundsätzlich keine Arbeitstage. Zusätzlich kannst du ein Sabbatical einlegen. Wir freuen uns auf dich!