Software Engineer Agentic AI Systems (m/w/d)

Stellenbeschreibung:

Software Engineer Agentic AI Systems (m/w/d)

Als Tech Unternehmen mit Standorten in Köln und Osnabrück sind wir seit über 15 Jahren Spezialist für „Interactive Digital Signage“ und „Mobile Solutions“ am Point of Sale und Point of Interest sowie Experte für jegliche Projekte rund um digitale Transformation.

Wir suchen zum nächstmöglichen Zeitpunkt einen Software Engineer — Agentic AI Systems (m/w/d) in Vollzeit zur Verstärkung unseres dynamischen Teams am Standort Osnabrück .

Was du mitbringst

Loyalität und Integrität
Freude an Teamarbeit und kollaborativem Arbeiten
Wunsch nach selbstbestimmtem und selbstorganisiertem Arbeiten
Erfolgreich abgeschlossenes Studium der Informatik, Wirtschaftsinformatik oder eines vergleichbaren Studiengangs — oder eine abgeschlossene Ausbildung im Fachbereich
Mehrjährige Berufserfahrung in der Softwareentwicklung sowie praktische Erfahrung mit LLM-basierten Anwendungen oder Agentensystemen im produktiven Einsatz
Verständnis gängiger LLM-Anwendungsmuster: Prompting, Tool- / Function-Calling, RAG, Kontext- und Memory-Management
Direkte Erfahrung mit der Integration gehosteter LLM-Provider-APIs (z. B. Anthropic, OpenAI, Google, Mistral) im produktiven Einsatz — einschließlich Fehlerbehandlung, Rate‑Limit‑Resilienz sowie Kosten‑ und Latenzsteuerung
Praktische Erfahrung mit mindestens einem Agent- / Orchestrierungs-Framework (z. B. LangGraph, CrewAI, AutoGen, Semantic Kernel, PydanticAI, Vendor SDKs oder vergleichbare Eigenentwicklungen)
Praktische Erfahrung mit dem Model Context Protocol (MCP) — Aufbau oder Nutzung von MCP-Servern, um Agenten Tools bereitzustellen
Gute Programmierkenntnisse in Python (FastAPI oder vergleichbares asynchrones Web‑Framework); Kenntnisse in TypeScript (Angular / React) sind von Vorteil
Fundierte Kenntnisse im Design von Web‑APIs (REST, OpenAPI, Versionierung, Contract‑Disziplin)
Solide Data‑Engineering‑Grundlagen (SQL / PostgreSQL, relationale Datenmodellierung, Schema‑Migrationen, ETL‑ / ELT‑Konzepte)
Fundierte Kenntnisse zu Vektordatenbanken und Retrieval‑Strategien (pgvector, Qdrant, Weaviate oder vergleichbar) — zentral für unsere Retrieval‑ und Agent‑Memory‑Schichten
Praktische Erfahrung mit einem Pipeline‑ / Workflow‑Orchestrierungs‑Tool (Dagster, Airflow, Prefect, Temporal oder vergleichbar) — die Kategorie zählt mehr als das konkrete Produkt
Praktische Erfahrung mit event‑getriebenen Architekturen und Stream‑ / Queue‑Systemen (Redis Streams, Kafka, NATS, RabbitMQ oder vergleichbar)
Erfahrung mit modernen DevOps‑Praktiken und -Tools (Git, CI/CD, Docker, idealerweise Kubernetes)
Erfahrung mit Cloud‑Computing‑Anbietern wie STACKIT, AWS oder Microsoft Azure — idealerweise mit Deployments unter EU‑Datenhaltung
Bewusstsein für die Besonderheiten nicht‑deterministischer Systeme (Testing, Evaluation, Observability von Agenten‑Verhalten)
Souveränes Arbeiten in einer nach ISO 27001 zertifizierten Umgebung — Umgang mit Secrets, Audit‑Trails, mandantenbezogene Datentrennung
Hohes Auffassungsvermögen, lösungsorientierte und effiziente Arbeitsweise
Gute Deutsch‑ und Englischkenntnisse in Wort und Schrift

Großartig wären zusätzlich

Erfahrung mit Evaluation‑ / Tracing‑Tools für LLM‑ und Agent‑Anwendungen (z. B. LangFuse, LangSmith, Braintrust, Weights & Biases)
Kenntnisse begleitender Technologien (SQLModel / SQLAlchemy, ORM und Datenbank‑Migrationen, NoSQL, GraphQL)
Erfahrung mit Identity & Access Management oder Authentifizierung (OIDC / OAuth2, JWT)
Vertrautheit mit selbst gehostetem Object Storage / S3‑kompatiblen Systemen (SeaweedFS, MinIO oder vergleichbar)
Vorerfahrung mit Ingestion‑Pipelines (RSS / Atom, Compliance‑konformes HTML‑Scraping, E‑Mail und Anhänge, Dokumentenextraktion)
Frontend‑Prototyping mit React + Vite + Tailwind oder Angular für Agent‑Facing‑UIs

Wir haben spannende Aufgaben für dich

KI-Agenten & Agentische Systeme

Konzeption und Entwicklung produktionsreifer KI-Agenten und Multi‑Agenten‑Workflows für reale Use Cases — von Rollenverteilung und Tool‑Nutzung über Planungs‑ und Reasoning‑Loops bis hin zu Memory‑ und State‑Management über mehrere Agenten hinweg
Auswahl und Integration von Agent‑Orchestrierungs‑Frameworks und Interop‑Protokollen (z. B. LangGraph, CrewAI, AutoGen, Semantic Kernel, PydanticAI, MCP, Vendor Agent SDKs) und deren Anbindung an bestehende REST‑APIs, Event‑Streams und Datenpipelines
Treffen und Dokumentieren von Architekturentscheidungen (ADRs) sowie Sicherstellen nicht‑funktionaler Anforderungen (Zuverlässigkeit, Kosten‑ und Latenzkontrolle, Nachvollziehbarkeit von Agenten‑Entscheidungen)
Instrumentierung des Agenten‑Verhaltens für Tracing, Evaluation, Guardrails und Reproduzierbarkeit nicht‑deterministischer Läufe

Datenplattform & Integration

Erweiterung unserer event‑getriebenen Python‑Datenplattform (FastAPI‑Services, Pipeline‑Orchestrierung, Event‑Bus, relationale und Vektor‑Speicher, Object Storage) um die Schnittstellen, die Agenten benötigen — neue Event‑Typen, aufrufbare Tools, Retrieval‑Endpunkte, Human‑in‑the‑Loop‑Berührungspunkte
Zusammenarbeit über Disziplingrenzen hinweg — vom Data Engineering über das Backend (Python / FastAPI) bis zu DevOps — für den produktiven Betrieb von Agentensystemen in Container‑Deployments (Docker Compose in Produktion; Kubernetes‑Erfahrung von Vorteil)

Qualität & Betrieb

Erstellung von qualitativ hochwertigem, testbarem Code — eigenständig und mit KI‑Unterstützung (agentische Coding‑Tools) — sowie Code‑ und Pull‑Request‑Reviews
Evaluation und Monitoring des Agenten‑Verhaltens (Tracing, Guardrails, Fehlerbehandlung nicht‑deterministischen Verhaltens)
Eigenständige Problemanalyse, Troubleshooting und Deployments (CI/CD, Container‑ und Cloud‑Deployments)
Verantwortung für Betriebssicherheit und Stabilität der Agentensysteme (Troubleshooting in Produktion, Release‑Management) — in unserer nach ISO 27001 zertifizierten Umgebung

Team & Zusammenarbeit

Enger Austausch mit Product Ownern, Stakeholdern und Kund:innen zur Klärung von Use Cases und Machbarkeit
Aktive Teilnahme am agilen Prozess (Task‑Refinement, Aufwandsschätzungen, Sprint‑Planung)
Wissenstransfer im Team zu agentischen KI‑Praktiken und‑Tools