AI Software Engineer – Agentic Systems & RAG (w/m/d)

## 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. 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. B. ChromaDB, Pinecone, Weaviate, Milvus) wünschenswert
• •Erfahrung mit Graph-Datenbanken (z. B. Neo4j) und der Modellierung von Wissensgraphen wünschenswert
• •Berührungspunkte mit spezialisierten AI-Memory-Frameworks (wie Mem0 oder Zep) wünschenswert
• •Erste Erahrungen mit agilen Arbeitsweisen (z. B. 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