remote Frankfurt: AI Engineer w/m/d POS80517 KI Python Agentic Software Engineering

Project details

Jan 2027

Dauer: Ende 2027+

Ort: remote unf evtl. Frankfurt

Umfang: Vollzeit

Bem: es werden mehrere Berater* gesucht

Start 18.01.2027; Pitch *;

Die Rolle konzipiert, implementiert und testet produktionsreife Agent-as-Code-Lösungen in den Use Case Pods.

Auf Basis von Python und LangGraph integriert die Rolle Werkzeuge über MCP, realisiert RAG- und

Dokumentverarbeitungsstrecken mit zentralen Plattformdiensten und bereitet sauber strukturierte Agenten für

containerisierte Deployments vor. Bei Machine-Learning-Use-Cases setzen AI Engineer und Data Scientist die

produktionsreife Lösung in Dataiku um.

Erforderliche Fähigkeiten (Must-Have)

-

Software Engineering:

Exzellente Kenntnisse in Python (umfassende Praxis mit modernen Type Hints, Pydantic, AsyncIO, modulares

Packaging).

Beherrschung professioneller Software-Engineering-Praktiken: Clean Code, Design Pat-terns, Modul- und

Integrationstests (Pytest, Mocking), Linting & Formatting (Ruff).

Sicherer Umgang mit Git, GitLab CI/CD, SemVer und Containerisierung (Docker).

Agentic AI & Orchestrierung:

Fundierte praktische Erfahrung mit LangGraph (Zustandsgraphen, State Machines, Check-pointing, Human-in-the-

Loop / Approval-Workflows).

Tiefes Verständnis für Agenten-Architekturen, Tool-Calling, Structured Outputs (JSON Schema Validation) und

Prompt-Engineering-Methoden.

Hands-on-Erfahrung mit dem Model Context Protocol (MCP), insbesondere mit Client- und Server-

Implementierungen via FastMCP.

RAG, Document Processing & Retrieval:

Fundierte Erfahrung in der Extraktion und Verarbeitung unstrukturierter Dokumentformate (PDF, DOCX, PPTX,

HTML, XML, XLSX) mittels moderner Parsing-Tools und Bibliotheken (z. B. Docling, Unstructured, PyPDF/

pdfplumber, OCR-Verfahren).

Konzeption und Implementierung robuster, struktur- und semantikbewusster Chunking-Verfahren (rekursiv,

Markdown-basiert) für optimale Retrieval-Qualität.

Praktische Erfahrung mit Retrieval-Augmented Generation (RAG): Vektor-Embeddings, se-mantische und hybride

Suche, Re-Ranking-Konzepte.

Praktische Erfahrung in der Nutzung von Vektordaten

Skills:

• Agentic Software Engineering
• Agentic RAG
• AI Governance
• LLM Observability
• LangGraph
• LangFuse
• Python
• Mandatory, Rating 3: German