Description review
Senior AI Platform Engineer- LLM & Agents (m/w/d)
Neurawork GmbH & Co. KG · Berlin · back to the listing
HR standards
63/100
needs work
Title ↔ description
82/100
solid
Reads as
Machine Learning Engineer
85% confident
What this role officially is
data scientist — ESCO, the EU occupation classification
Data scientists find and interpret rich data sources, manage large amounts of data, merge data sources, ensure consistency of data-sets, and create visualisations to aid in understanding data. They build mathematical models using data, present and communicate data insights and findings to specialists and scientists in their team and if required, to a non-expert audience, and recommend ways to apply the data.
Also known as: data scientists, data engineer, research data scientist, data expert, data research scientist
How others title the same work
Large employers
- Applied AI Engineer Automattic
- Machine Learning Engineer, CX Intelligence Coinbase
- AI Engineer - FDE (Forward Deployed Engineer) Databricks
- AI Engineer - FDE (Forward Deployed Engineer) - U.S. Federal Sector Databricks
- Senior AI Engineer – Notebooks Datadog
Startups
- Attendi | Medior Machine Learning Engineer | Amsterdam, Netherlands | ONSITE (hybrid) | €6,000 - €7,000 per month | Full-time (80–100%, ~4–5 days/week) | Visa sponsorship + 30% ruling possible Attendi
- Member of Technical Staff (applied) Anthrogen
- Aptura AI | Full-Time | MTS (Applied AI), MTS (SWE / Product) | London | ONSITE / HYBRID Aptura AI
- Arcforma AI (arcforma.ai) | AI Engineer (Marketing / Construction / Arcforma AI (arcforma.ai)
- Staff AI Engineer - Agent Architecture & Behavior Artisan
What the listing never says
- 26 bullet points. Long requirement lists deter qualified candidates, who read them as hard gates. Scope clarity
- No section describes what the person would actually do. Scope clarity
- No pay range published. Candidates cannot tell whether applying is worth their time. Pay transparency
The listing, marked up
Nothing in the wording of this listing tripped a check. The scores above still judge how complete and coherent it is.
NeuraPlox baut eine AI-Agent-Plattform für Enterprise-Kunden aus Banken, Versicherungen und Pharma. Unsere Kunden müssen ihre KI-Outputs nicht nur erklären wollen, sondern erklären können: gegenüber Aufsicht, Audit und eigenen Fachbereichen. Deshalb bauen wir explainable AI mit Audit-Lineage, Decision-Provenance und Retrieval, das auch bei Millionen von Vektoren pro Tenant sauber funktioniert.
Wir sind ein investor-backed Startup mit einem kleinen Team, in dem jede Entscheidung sichtbar Wirkung hat. Als Senior AI Platform Engineer verantwortest du die Agent-Architektur, also den Kern unseres Produkts, und baust das AI-Engineering bei uns entscheidend mit auf.
Aufgaben
Was Du bei uns machst
• Eine produktionsreife AI-Agent-Plattform auf Basis von PydanticAI, LiteLLM und Langfuse
• RAG-Pipelines mit pgvector at scale: Multi-Tenant-Isolation, Index-Rebuild-Strategie, Hybrid Search und Re-Ranking
• Einen Multi-Tenant-Token-Quota-Service und Eval-Frameworks pro Tenant
• MCP-Tool-Integration (Model Context Protocol) als fester Bestandteil der Architektur
• Lückenlose Auditierbarkeit von Prompt bis Output, damit Entscheidungen für Fachbereich und Aufsicht nachvollziehbar sind
• Architektur-Entscheidungen, die auch im Bank-, Versicherungs- und Pharma-Umfeld bestehen
Wie wir arbeiten
• Eval-driven: Jeder Agent-Change läuft durch eine Eval-Suite, bevor er live geht.
• ADRs: Relevante Architektur-Entscheidungen werden dokumentiert, nicht im Slack-Thread vergraben.
• Gemessen statt geraten: LLM-Calls sind ab Tag eins in Langfuse sichtbar, inklusive Kosten und Latenz.
• Empirisch: Re-Ranking, pgvector-Sizing und Retrieval-Qualität entscheiden wir auf Basis von Daten.
• Kurze Wege: Direkter Draht zum Founding-Team, keine Projektmanagement-Ebene dazwischen.
Qualifikation
Was wir suchen
• 5+ Jahre Software-Engineering mit Python in Produktion
• Erfahrung mit LLMs in Produktion: Tokens, Latenz, Kosten und Evals sind für dich Alltag
• RAG-Systeme, die du selbst gebaut und betrieben hast, inklusive Retrieval-Tuning und Re-Ranking
• Ein Agent-Framework wie LangGraph, PydanticAI oder vergleichbar im Produktiveinsatz
• Sehr gutes Deutsch und gutes Englisch, da du mit Enterprise-Kunden im DACH-Raum arbeitest
Ein Plus, aber kein Muss:
• Erfahrung mit LiteLLM, Langfuse oder MCP. Was du noch nicht kennst, lernst du bei uns schnell.
• pgvector-Sizing bei großen Datenmengen
• Kubernetes-Grundlagen
• Erfahrung mit regulatorischen Anforderungen wie EU AI Act, DORA, BaFin/MaRisk oder GxP
Was wir bieten
• Verantwortung ab Tag eins: Du prägst die Agent-Architektur, statt nur Prompts zu tunen, ohne Management-Layer über dir
• Direkter Draht: Du berichtest an Christoph Knöll (Founder/CEO) und arbeitest eng mit unserem Head of AI, mit kurzen Entscheidungswegen
• Flexibilität: Voll-remote mit Wohnsitz in Deutschland, flexible Arbeitszeiten, ca. einmal im Monat Team-Tage im Münchner Office
• Raum zum Testen: Moderner Stack und Zeit, neue Modelle, Frameworks und Retrieval-Ansätze ernsthaft zu evaluieren
• Fachlicher Austausch: Ein Team, das LLM-Systeme in Produktion betreibt und Entscheidungen auf Basis von Evals trifft
• Weiterentwicklung und Sichtbarkeit: Konferenzen, Schulungen und die Möglichkeit, als Experte nach außen aufzutreten, z. B. mit Talks oder Fachbeiträgen
Bewerbung: so kommst du zu uns!
Wir freuen uns über Deinen CV und beschreibe kurz ein LLM- oder RAG-System, das Du in Produktion gebracht hast: Use Case, Größenordnung, deine Rolle.
Dein Neurawork-Team!
Find more English Speaking Jobs in Germany on Arbeitnow
Wir sind ein investor-backed Startup mit einem kleinen Team, in dem jede Entscheidung sichtbar Wirkung hat. Als Senior AI Platform Engineer verantwortest du die Agent-Architektur, also den Kern unseres Produkts, und baust das AI-Engineering bei uns entscheidend mit auf.
Aufgaben
Was Du bei uns machst
• Eine produktionsreife AI-Agent-Plattform auf Basis von PydanticAI, LiteLLM und Langfuse
• RAG-Pipelines mit pgvector at scale: Multi-Tenant-Isolation, Index-Rebuild-Strategie, Hybrid Search und Re-Ranking
• Einen Multi-Tenant-Token-Quota-Service und Eval-Frameworks pro Tenant
• MCP-Tool-Integration (Model Context Protocol) als fester Bestandteil der Architektur
• Lückenlose Auditierbarkeit von Prompt bis Output, damit Entscheidungen für Fachbereich und Aufsicht nachvollziehbar sind
• Architektur-Entscheidungen, die auch im Bank-, Versicherungs- und Pharma-Umfeld bestehen
Wie wir arbeiten
• Eval-driven: Jeder Agent-Change läuft durch eine Eval-Suite, bevor er live geht.
• ADRs: Relevante Architektur-Entscheidungen werden dokumentiert, nicht im Slack-Thread vergraben.
• Gemessen statt geraten: LLM-Calls sind ab Tag eins in Langfuse sichtbar, inklusive Kosten und Latenz.
• Empirisch: Re-Ranking, pgvector-Sizing und Retrieval-Qualität entscheiden wir auf Basis von Daten.
• Kurze Wege: Direkter Draht zum Founding-Team, keine Projektmanagement-Ebene dazwischen.
Qualifikation
Was wir suchen
• 5+ Jahre Software-Engineering mit Python in Produktion
• Erfahrung mit LLMs in Produktion: Tokens, Latenz, Kosten und Evals sind für dich Alltag
• RAG-Systeme, die du selbst gebaut und betrieben hast, inklusive Retrieval-Tuning und Re-Ranking
• Ein Agent-Framework wie LangGraph, PydanticAI oder vergleichbar im Produktiveinsatz
• Sehr gutes Deutsch und gutes Englisch, da du mit Enterprise-Kunden im DACH-Raum arbeitest
Ein Plus, aber kein Muss:
• Erfahrung mit LiteLLM, Langfuse oder MCP. Was du noch nicht kennst, lernst du bei uns schnell.
• pgvector-Sizing bei großen Datenmengen
• Kubernetes-Grundlagen
• Erfahrung mit regulatorischen Anforderungen wie EU AI Act, DORA, BaFin/MaRisk oder GxP
Was wir bieten
• Verantwortung ab Tag eins: Du prägst die Agent-Architektur, statt nur Prompts zu tunen, ohne Management-Layer über dir
• Direkter Draht: Du berichtest an Christoph Knöll (Founder/CEO) und arbeitest eng mit unserem Head of AI, mit kurzen Entscheidungswegen
• Flexibilität: Voll-remote mit Wohnsitz in Deutschland, flexible Arbeitszeiten, ca. einmal im Monat Team-Tage im Münchner Office
• Raum zum Testen: Moderner Stack und Zeit, neue Modelle, Frameworks und Retrieval-Ansätze ernsthaft zu evaluieren
• Fachlicher Austausch: Ein Team, das LLM-Systeme in Produktion betreibt und Entscheidungen auf Basis von Evals trifft
• Weiterentwicklung und Sichtbarkeit: Konferenzen, Schulungen und die Möglichkeit, als Experte nach außen aufzutreten, z. B. mit Talks oder Fachbeiträgen
Bewerbung: so kommst du zu uns!
Wir freuen uns über Deinen CV und beschreibe kurz ein LLM- oder RAG-System, das Du in Produktion gebracht hast: Use Case, Größenordnung, deine Rolle.
Dein Neurawork-Team!
Find more English Speaking Jobs in Germany on Arbeitnow