Job
Aus Partner-Feed
Vorwärts eingesetzter KI-Ingenieur
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Nein
- Unternehmen
- Techtorch
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Vorwärts eingesetzter KI-Ingenieur
Erstellen Sie End-to-End-Produkte auf einer soliden Datenbasis mit KI als Kraftmultiplikator.
Datenpraxis | Remote (Polen) | Senior
Über TechTorch
Bei TechTorch gestalten wir die Zukunft der intelligenten Arbeit. Unsere Mission ist es, Unternehmen dabei zu helfen, KI-Agenten zu entwerfen, zu bauen und bereitzustellen, die komplexe, reale Arbeitsabläufe automatisieren – und so Zuverlässigkeit, messbaren ROI und massive Effizienzsteigerungen bieten.
Hier spielen Sie nicht nur mit Eingabeaufforderungen oder führen endlose Konzeptnachweise durch. Sie liefern produktionstaugliche KI-Systeme, die branchenübergreifend echte Probleme lösen.
Sie werden Teil eines praxisorientierten, schnelllebigen und eigentümergeführten Teams, das darauf setzt, schnell aufzubauen, schnell zu iterieren und innerhalb von Tagen – nicht Monaten – Ergebnisse zu sehen.
Über die Praxis
Die Data Practice von TechTorch liegt an der Schnittstelle zwischen Unternehmensdaten und angewandter KI. Wir entwerfen und bauen KI-native Systeme, die nicht nur die Vergangenheit analysieren, sondern aktiv Entscheidungen vorantreiben. Unsere Arbeit umfasst Dateninfrastruktur und Pipelines, intelligente Automatisierung und Full-Stack-KI-Anwendungen in allen Branchen.
Wir arbeiten so, wie die besten Kundenbetreuungsteams heute arbeiten: kleine Teams, starke Eigenverantwortung, keine Übergaben an Grenzen. Wir übertragen Probleme von einem Kunden-Whiteboard auf die Produktion und überlassen der KI die schwere Arbeit, wo immer sie ihren Platz verdient.
Die Rolle
Wir suchen einen Ingenieur, der den gesamten Stack aufbaut und die darunter liegenden Daten besitzt. Sie können an einer Kundensitzung teilnehmen, die Architektur gestalten, die Datengrundlage entwerfen und die darauf laufende Anwendung ausliefern – ohne dabei Grenzen zu überschreiten.
Die Arbeit umfasst die Kundenbetreuung und die interne Accelerator-Entwicklung. Sie bilden das Problem ab, strukturieren die Lösung und sind von Anfang bis Ende für das Ergebnis verantwortlich. KI-Codierungsagenten sind für unsere Entwicklung von zentraler Bedeutung – keine Neuheit, sondern die tägliche Schicht, die es einem kleinen Team ermöglicht, viel abzudecken.
Was Sie tun werden
• Eigene Arbeit von Anfang bis Ende – von der Entdeckung und Lösungsgestaltung bis hin zum Systemdesign, der Erstellung und der Produktionsbereitstellung.
• Entwerfen und bauen Sie die Datengrundlage auf: Datenmodelle, Schemadesign, dimensionale Modellierung, ETL/ELT-Pipelines und sich langsam ändernde Dimensionen (SCD), die in der Produktion Bestand haben.
• Erstellen Sie auf dieser Grundlage Full-Stack-Anwendungen – Python/FastAPI-Dienste und Next.js-Frontends, die Daten und KI-Workflows nutzbar machen.
• Verwenden Sie KI-Coding-Agents (Claude Code oder gleichwertig) als primären Build-Beschleuniger, um schnell von der Spezifikation zur funktionierenden Software zu gelangen, ohne dabei Urteilsvermögen oder Qualität zu opfern.
• Entwerfen und erstellen Sie KI-Funktionen dort, wo sie passen – RAG-Pipelines, Agenten-Workflows und LLM-in-the-Loop-Verarbeitung – und stellen Sie sie über MCP-Server, Skills und Plugins zusammen.
• Orchestrieren Sie Pipelines und Automatisierung mit Tools wie Airflow, Dagster/Prefect, Celery oder Temporal – und wählen Sie das richtige Tool für die jeweilige Aufgabe.
• Stehen Sie auf und übernehmen Sie CI/CD- und Cloud-Bereitstellungen auf AWS und Azure.
• Übersetzen Sie mehrdeutige Kundenanforderungen in klare Designs und kommunizieren Sie Kompromisse sowohl gegenüber technischen als auch geschäftlichen Zielgruppen.
• Bringen Sie wiederverwendbare Beschleuniger und technische Ressourcen wieder in die Datenpraxis ein.
Muss
Wir suchen nach echter Produktionstiefe in den Bereichen Data Engineering und Full-Stack-Entwicklung – und nicht nach oberflächlicher Vertrautheit mit beidem.
Data Engineering Foundation
• Datenmodellierung und Schemadesign – dimensionale Modellierung, Normalisierungskompromisse und EDW-/Warehouse-Schemadesign, das Sie verteidigen können.
• Praktische Datenpipeline-Erfahrung – ETL/ELT-Design für Batch- und inkrementelle Ladevorgänge, erstellt und verwaltet in der Produktion (nicht nur SQL-Skripte nach einem Zeitplan).
• Slowly Changing Dimensions (SCD) und Umgang mit Änderungsdaten – kennt die Muster und wann sie zutreffen.
• dbt Experience – modulare SQL-Transformationen, Tests, Dokumentation und inkrementelle Strategien.
• Fortgeschrittenes SQL und mindestens eine moderne Datenplattform im Detail (z. B. Snowflake, Databricks oder ein vergleichbares Cloud Warehouse/Lakehouse).
• Datenqualitätsdenken – Tests, Validierung und Herkunft werden als erstklassig und nicht nachträglich behandelt.
Full-Stack-KI-Produktentwicklung
• Python als Primärsprache – Dienste, Automatisierung und Daten funktionieren gleichermaßen.
• FastAPI – asynchrones REST-API-Design, Abhängigkeitsinjektion, Tests.
• Ein modernes Frontend, idealerweise Next.js – Komponentenarchitektur, SSR, Statusverwaltung und echte UX-Sensibilität.
• PostgreSQL – Schemadesign, Abfrageoptimierung, Indizierung.
• Systemdesign – kann von Grund auf entwerfen: Dienste, Grenzen, Kompromisse und Skalierung.
• AI-Paired Engineering – nutzt ein Agenten-Codierungstool (Claude Code, Cursor oder vergleichbar) als echten täglichen Workflow-Beschleuniger und kann konkret darüber sprechen, wie.
• Besitz von CI/CD und Cloud-Bereitstellung auf AWS oder Azure, ohne großen Support.
Arbeitsweisen
• Sicher bei der Lieferung direkt an den Kunden – kann TechTorch technisch repräsentieren und zwischen Geschäft und Technik übersetzen.
• Kundenzentrierte Denkweise – verankert Entscheidungen in dem, was der Stakeholder tatsächlich zu erreichen versucht, und kann im selben Gespräch fließend zwischen der Sichtweise des Ingenieurs und der des Geschäftsinhabers wechseln.
• End-to-End-Ownership-Instinkt – übernimmt ein Problem von der Entdeckung bis zur Produktion und besitzt das Ergebnis, anstatt es bei jeder Übergabe weiterzugeben.
Schön zu haben
Für eine Bewerbung ist es nicht erforderlich – aber das sind die Dinge, die einen Kandidaten auszeichnen.
Herausragendes Unterscheidungsmerkmal – Fließende Geschäftsdaten: Erfahrung in der Bewertung, wie Geschäftsdaten über CRM (idealerweise Salesforce) und ERP (idealerweise NetSuite) fließen, von der Verkaufschance über die Bestellung bis zur Rechnung, mit der Fähigkeit, Inkonsistenzen zu diagnostizieren, zu dokumentieren und zu beheben.
• Agentische KI-Tiefe – LangGraph oder vergleichbar: Multi-Agenten-Koordination, Werkzeugnutzung, Speicher und Zustandsverwaltung.
• RAG-Engineering – Abrufstrategien, Vektorspeicher, Chunking, Re-Ranking und Bewertung.
• Erfahrung in einer Beratungs- oder Kundenbetreuungsumgebung oder in einer vorwärtsgerichteten/eingebetteten Ingenieursrolle.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/techtorch/forward-deployed-ai-engineer-eu-uk-193609)
Erstellen Sie End-to-End-Produkte auf einer soliden Datenbasis mit KI als Kraftmultiplikator.
Datenpraxis | Remote (Polen) | Senior
Über TechTorch
Bei TechTorch gestalten wir die Zukunft der intelligenten Arbeit. Unsere Mission ist es, Unternehmen dabei zu helfen, KI-Agenten zu entwerfen, zu bauen und bereitzustellen, die komplexe, reale Arbeitsabläufe automatisieren – und so Zuverlässigkeit, messbaren ROI und massive Effizienzsteigerungen bieten.
Hier spielen Sie nicht nur mit Eingabeaufforderungen oder führen endlose Konzeptnachweise durch. Sie liefern produktionstaugliche KI-Systeme, die branchenübergreifend echte Probleme lösen.
Sie werden Teil eines praxisorientierten, schnelllebigen und eigentümergeführten Teams, das darauf setzt, schnell aufzubauen, schnell zu iterieren und innerhalb von Tagen – nicht Monaten – Ergebnisse zu sehen.
Über die Praxis
Die Data Practice von TechTorch liegt an der Schnittstelle zwischen Unternehmensdaten und angewandter KI. Wir entwerfen und bauen KI-native Systeme, die nicht nur die Vergangenheit analysieren, sondern aktiv Entscheidungen vorantreiben. Unsere Arbeit umfasst Dateninfrastruktur und Pipelines, intelligente Automatisierung und Full-Stack-KI-Anwendungen in allen Branchen.
Wir arbeiten so, wie die besten Kundenbetreuungsteams heute arbeiten: kleine Teams, starke Eigenverantwortung, keine Übergaben an Grenzen. Wir übertragen Probleme von einem Kunden-Whiteboard auf die Produktion und überlassen der KI die schwere Arbeit, wo immer sie ihren Platz verdient.
Die Rolle
Wir suchen einen Ingenieur, der den gesamten Stack aufbaut und die darunter liegenden Daten besitzt. Sie können an einer Kundensitzung teilnehmen, die Architektur gestalten, die Datengrundlage entwerfen und die darauf laufende Anwendung ausliefern – ohne dabei Grenzen zu überschreiten.
Die Arbeit umfasst die Kundenbetreuung und die interne Accelerator-Entwicklung. Sie bilden das Problem ab, strukturieren die Lösung und sind von Anfang bis Ende für das Ergebnis verantwortlich. KI-Codierungsagenten sind für unsere Entwicklung von zentraler Bedeutung – keine Neuheit, sondern die tägliche Schicht, die es einem kleinen Team ermöglicht, viel abzudecken.
Was Sie tun werden
• Eigene Arbeit von Anfang bis Ende – von der Entdeckung und Lösungsgestaltung bis hin zum Systemdesign, der Erstellung und der Produktionsbereitstellung.
• Entwerfen und bauen Sie die Datengrundlage auf: Datenmodelle, Schemadesign, dimensionale Modellierung, ETL/ELT-Pipelines und sich langsam ändernde Dimensionen (SCD), die in der Produktion Bestand haben.
• Erstellen Sie auf dieser Grundlage Full-Stack-Anwendungen – Python/FastAPI-Dienste und Next.js-Frontends, die Daten und KI-Workflows nutzbar machen.
• Verwenden Sie KI-Coding-Agents (Claude Code oder gleichwertig) als primären Build-Beschleuniger, um schnell von der Spezifikation zur funktionierenden Software zu gelangen, ohne dabei Urteilsvermögen oder Qualität zu opfern.
• Entwerfen und erstellen Sie KI-Funktionen dort, wo sie passen – RAG-Pipelines, Agenten-Workflows und LLM-in-the-Loop-Verarbeitung – und stellen Sie sie über MCP-Server, Skills und Plugins zusammen.
• Orchestrieren Sie Pipelines und Automatisierung mit Tools wie Airflow, Dagster/Prefect, Celery oder Temporal – und wählen Sie das richtige Tool für die jeweilige Aufgabe.
• Stehen Sie auf und übernehmen Sie CI/CD- und Cloud-Bereitstellungen auf AWS und Azure.
• Übersetzen Sie mehrdeutige Kundenanforderungen in klare Designs und kommunizieren Sie Kompromisse sowohl gegenüber technischen als auch geschäftlichen Zielgruppen.
• Bringen Sie wiederverwendbare Beschleuniger und technische Ressourcen wieder in die Datenpraxis ein.
Muss
Wir suchen nach echter Produktionstiefe in den Bereichen Data Engineering und Full-Stack-Entwicklung – und nicht nach oberflächlicher Vertrautheit mit beidem.
Data Engineering Foundation
• Datenmodellierung und Schemadesign – dimensionale Modellierung, Normalisierungskompromisse und EDW-/Warehouse-Schemadesign, das Sie verteidigen können.
• Praktische Datenpipeline-Erfahrung – ETL/ELT-Design für Batch- und inkrementelle Ladevorgänge, erstellt und verwaltet in der Produktion (nicht nur SQL-Skripte nach einem Zeitplan).
• Slowly Changing Dimensions (SCD) und Umgang mit Änderungsdaten – kennt die Muster und wann sie zutreffen.
• dbt Experience – modulare SQL-Transformationen, Tests, Dokumentation und inkrementelle Strategien.
• Fortgeschrittenes SQL und mindestens eine moderne Datenplattform im Detail (z. B. Snowflake, Databricks oder ein vergleichbares Cloud Warehouse/Lakehouse).
• Datenqualitätsdenken – Tests, Validierung und Herkunft werden als erstklassig und nicht nachträglich behandelt.
Full-Stack-KI-Produktentwicklung
• Python als Primärsprache – Dienste, Automatisierung und Daten funktionieren gleichermaßen.
• FastAPI – asynchrones REST-API-Design, Abhängigkeitsinjektion, Tests.
• Ein modernes Frontend, idealerweise Next.js – Komponentenarchitektur, SSR, Statusverwaltung und echte UX-Sensibilität.
• PostgreSQL – Schemadesign, Abfrageoptimierung, Indizierung.
• Systemdesign – kann von Grund auf entwerfen: Dienste, Grenzen, Kompromisse und Skalierung.
• AI-Paired Engineering – nutzt ein Agenten-Codierungstool (Claude Code, Cursor oder vergleichbar) als echten täglichen Workflow-Beschleuniger und kann konkret darüber sprechen, wie.
• Besitz von CI/CD und Cloud-Bereitstellung auf AWS oder Azure, ohne großen Support.
Arbeitsweisen
• Sicher bei der Lieferung direkt an den Kunden – kann TechTorch technisch repräsentieren und zwischen Geschäft und Technik übersetzen.
• Kundenzentrierte Denkweise – verankert Entscheidungen in dem, was der Stakeholder tatsächlich zu erreichen versucht, und kann im selben Gespräch fließend zwischen der Sichtweise des Ingenieurs und der des Geschäftsinhabers wechseln.
• End-to-End-Ownership-Instinkt – übernimmt ein Problem von der Entdeckung bis zur Produktion und besitzt das Ergebnis, anstatt es bei jeder Übergabe weiterzugeben.
Schön zu haben
Für eine Bewerbung ist es nicht erforderlich – aber das sind die Dinge, die einen Kandidaten auszeichnen.
Herausragendes Unterscheidungsmerkmal – Fließende Geschäftsdaten: Erfahrung in der Bewertung, wie Geschäftsdaten über CRM (idealerweise Salesforce) und ERP (idealerweise NetSuite) fließen, von der Verkaufschance über die Bestellung bis zur Rechnung, mit der Fähigkeit, Inkonsistenzen zu diagnostizieren, zu dokumentieren und zu beheben.
• Agentische KI-Tiefe – LangGraph oder vergleichbar: Multi-Agenten-Koordination, Werkzeugnutzung, Speicher und Zustandsverwaltung.
• RAG-Engineering – Abrufstrategien, Vektorspeicher, Chunking, Re-Ranking und Bewertung.
• Erfahrung in einer Beratungs- oder Kundenbetreuungsumgebung oder in einer vorwärtsgerichteten/eingebetteten Ingenieursrolle.…
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/techtorch/forward-deployed-ai-engineer-eu-uk-193609)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Techtorch
Inserat bereitgestellt von Techtorch.
